基于极限学习机的风电功率预测技术

发布时间：2018-07-06 18:50

  本文选题：风电功率 + 预测　； 参考：《上海电机学院》2017年硕士论文

【摘要】：随着风电技术的不断发展,风力发电在我国电力系统中所占的比例越来越大。但风能的不稳定性会严重影响电力系统的稳定运行。较为精确的风电场功率预测,可以对风电进行科学管理,及时调整电力系统调度计划,从而减少风的不稳定性对于电网的影响。本文对目前存在的风电功率预测方法进行研究,并提出相应的改进方法,具体研究内容如下:1、分析风电场参数及风功率的影响因素。根据实际风电场数据分别从风速和风向两方面对风电场进行参数规律统计,并分析风电场的风速、风向、温度与风功率之间的关系,为后续风电功率预测的输入变量的选择提供理论依据。2、对小波阈值去噪的原理和方法进行研究,针对风速序列的不稳定性,将实际风电场的原始风速序列进行小波分解,且为了进一步区分有用信号和噪声信号,对小波分解后的高频部分进行二次小波分解。采用小波去噪评价标准比较不同的阈值去噪方法,选取效果最好的一种对二次小波分解后的高频分量进行阈值去噪处理,从而降低风速序列的不稳定性。3、针对传统核极限学习机求逆较为复杂及批量训练的情况,提出一种改进的核极限学习机,并将其应用于实际的风电场功率预测中,工程实例仿真结果表明,改进后的核极限学习机预测精度更高,速度更快。4、在以上的研究基础上,将小波阈值去噪和改进后的核极限学习机相结合,建立预测模型,并通过实际的风电场数据验证其有效性,仿真结果表明,该模型提高了预测精度。最后介绍实习期间在单位项目组参与开发的一套风电功率预测软件,并将提出的方法通过该软件进行工程验证。
[Abstract]:With the development of wind power technology , the proportion of wind power generation in China ' s electric power system is more and more large , but the instability of wind energy can seriously affect the stable operation of electric power system .
【学位授予单位】：上海电机学院
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TM614

【参考文献】

相关期刊论文 前10条

1 盖保儒;;国内新能源发展现状及前景研究[J];现代工业经济和信息化;2016年14期

2 徐梅梅;任祖怡;陈建国;倪建军;张俊芳;宁楠;赵继伟;;基于空间相关性和小波-神经网络的短期风电功率预测模型[J];南京理工大学学报;2016年03期

3 高阳;钟宏宇;陈鑫宇;耿爱成;张柳;雷彩娟;;基于神经网络和小波分析的超短期风速预测[J];可再生能源;2016年05期

4 钱政;裴岩;曹利宵;王婧怡;荆博;;风电功率预测方法综述[J];高电压技术;2016年04期

5 罗淼;姚运萍;;信号降噪中小波基与阈值的选取研究[J];机械制造;2015年12期

6 张露;卢继平;梅亦蕾;朱三立;;基于不同优化准则的风电功率预测[J];电力自动化设备;2015年05期

7 张立影;刘智昱;孟令甲;王泽忠;;基于小波变换和神经网络的光伏功率预测[J];可再生能源;2015年02期

8 张文秀;武新芳;陆豪乾;;风电功率预测技术综述与改进建议[J];电力与能源;2014年04期

9 魏婵娟;张春水;刘健;;一种基于Cholesky分解的快速矩阵求逆方法设计[J];电子设计工程;2014年01期

10 蒋星军;周欣然;唐钊轶;;基于Cholesky分解的LSSVM在线学习算法[J];湖南科技大学学报(自然科学版);2013年04期

相关博士学位论文 前1条

1 高阳;风电场风电功率预测方法研究[D];沈阳农业大学;2011年

相关硕士学位论文 前10条

1 钱松林;风电功率预测方法研究及其应用[D];湖南大学;2014年

2 王建成;短期风电功率预测方法研究[D];华南理工大学;2013年

3 郑婷婷;基于混沌理论的短期风电功率预测方法研究[D];大连理工大学;2013年

4 李俊豪;风电场风速及风电功率短期预测方法的研究[D];河北工业大学;2012年

5 丁志勇;风电场短期功率预测方法研究[D];华南理工大学;2012年

6 方江晓;短期风速和风电功率预测模型的研究[D];北京交通大学;2011年

7 贺电;大型风电场短期功率预测研究[D];北京交通大学;2011年

8 黄磊;基于动态神经网络的风电场输出功率预测及其应用的研究[D];哈尔滨工业大学;2011年

9 王聚杰;基于小波去噪的组合预测模型及其在短期电力负荷预测中的应用[D];兰州大学;2011年

10 孟勇;风电功率预测系统的研究与开发[D];天津大学;2010年

，

本文编号：2103771