风速预测中数椐和样本的有效处理及其模型优化研究

发布时间：2017-05-07 06:04

  本文关键词：风速预测中数椐和样本的有效处理及其模型优化研究，由笔耕文化传播整理发布。

【摘要】：随着能源危机、环境污染等问题的加剧,风能因清洁无污染、分布广、可再生等特点,受到了广泛关注。风力发电作为利用风能的最主要手段,得到了快速发展,风电在电网中的比重也日益增加。然而,风的随机性和间歇性等特点使得产生的风电功率存在不稳定性,增加了风电的不可控性,使得风电在并网时给电力系统的稳定运行造成严重威胁。因此,必须对风电场风速进行准确地预测,以此来提高风电的可控性,保障电力系统的稳定运行。本文针对风速预测建模中存在的问题,分别从风电场测风数据的预处理、神经网络的训练样本优选以及风速预测模型的优化等方面进行研究,以此来提高预测结果的可靠性。本文主要研究工作如下:(1)阐述了风速预测的研究背景及意义,概述了风速预测的分类、常用风速预测方法的特点,给出了判断风速预测结果好坏的指标,总结了风速预测建模中存在的问题。(2)以风电场实际测风数据为例,首先利用补充后的测风数据检验标准进行测风数据中坏数据的查找,并根据查找结果分析坏数据存在的不同情况;然后对不同情况的坏数据,分别利用分段滑动均值填补法、支持向量回归填补法、分段滑动均值填补法与支持向量回归填补法相结合的方法进行处理。仿真结果表明,不同情况的坏数据,本文处理方法均可获得较好的结果。(3)针对神经网络训练样本选取、隐含层结构优化问题,分别提出基于模糊聚类与随机抽取的方法优选训练样本,灰关联-贡献度删减法优化隐含层结构,并建立基于样本优选与结构优化的小波神经网络风速预测模型和基于样本优选与结构优化的GABP神经网络风速预测模型。仿真结果表明,利用本文方法优选的训练样本进行神经网络训练,可以有效地提高风速预测结果的准确性;利用灰关联-贡献度删减法优化隐含层结构,不仅可以精简神经网络规模,而且使风速预测模型的预测性能得到明显改善。(4)针对卡尔曼滤波算法在预测建模时存在的状态方程和观测方程难建立、观测值如何选取等问题,本文在风速预测建模时,引入一元时间序列和小波神经网络。首先利用风速序列建立一元时间序列模型,并将其转换到状态空间中得到状态方程;然后利用风速序列建立小波神经网络模型,并将其风速预测值、预测误差分别作为观测值和观测误差,得到观测方程;最后利用卡尔曼滤波算法的递推方程式对风速进行预测。仿真结果表明,本文方法建立的基于卡尔曼滤波算法的风速预测模型的预测性能得到有效地提高,风速预测结果比较准确。
【关键词】：测风数据预处理 训练样本优选 神经网络结构优化 卡尔曼滤波算法 风速预测
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;TM614
【目录】：

• 摘要3-5
• ABSTRACT5-17
• 第一章 绪论17-27
• 1.1 课题背景及研究意义17-20
• 1.1.1 课题背景17-19
• 1.1.2 课题研究意义19-20
• 1.2 风速预测技术概述20-24
• 1.2.1 风速预测的分类20-21
• 1.2.2 风速预测的方法21-23
• 1.2.3 风速预测结果评价23-24
• 1.3 风速预测中存在的问题24-25
• 1.4 本文主要研究内容25-26
• 1.5 本章小结26-27
• 第二章 风电场测风数据的预处理研究27-43
• 2.1 引言27
• 2.2 测风数据中坏数据的查找27-33
• 2.2.1 坏数据查找27-29
• 2.2.2 测风数据中坏数据查找结果及分析29-33
• 2.3 测风数据中坏数据的处理33-42
• 2.3.1 坏数据处理方法33-37
• 2.3.2 坏数据处理过程37-38
• 2.3.3 测风数据中坏数据处理结果及分析38-42
• 2.4 本章小结42-43
• 第三章 基于样本优选与结构优化的神经网络风速预测研究43-79
• 3.1 引言43
• 3.2 神经网络风速预测模型43-54
• 3.2.1 基于小波神经网络的风速预测模型44-47
• 3.2.2 基于GABP神经网络的风速预测模型47-53
• 3.2.3 神经网络建模中存在问题53-54
• 3.3 神经网络训练样本的优选54-60
• 3.3.1 样本聚类过程54-58
• 3.3.2 样本抽取过程58
• 3.3.3 基于模糊聚类与随机抽取的训练样本优选58-60
• 3.4 神经网络隐含层结构的优化60-64
• 3.4.1 灰关联删减法60-61
• 3.4.2 贡献度删减法61-62
• 3.4.3 基于灰关联-贡献度删减法的神经网络结构优化62-64
• 3.5 仿真研究64-77
• 3.5.1 实验数据分析64
• 3.5.2 训练样本的优选结果64-66
• 3.5.3 基于样本优选与结构优化的小波神经网络风速预测研究66-72
• 3.5.4 基于样本优选与结构优化的GABP神经网络风速预测研究72-77
• 3.6 本章小结77-79
• 第四章 基于卡尔曼滤波算法的风速预测研究79-97
• 4.1 引言79
• 4.2 卡尔曼滤波算法79-83
• 4.2.1 卡尔曼滤波算法原理79-83
• 4.2.2 卡尔曼滤波算法的优劣83
• 4.3 基于卡尔曼滤波算法的风速预测模型83-89
• 4.3.1 一元时间序列预测模型84-86
• 4.3.2 小波神经网络预测模型86
• 4.3.3 基于卡尔曼滤波算法的风速预测模型86-89
• 4.4 仿真研究89-95
• 4.5 本章小结95-97
• 第五章 结论与展望97-99
• 5.1 结论97-98
• 5.2 展望98-99
• 参考文献99-105
• 致谢105-107
• 攻读学位期间发表的学术论文及参与的科研项目107

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺，

本文编号：349286