风力发电超短期功率预测的研究

发布时间：2017-06-29 12:03

  本文关键词：风力发电超短期功率预测的研究，由笔耕文化传播整理发布。

【摘要】：由于风力发电具有间歇性和波动性,大规模风电并网运行会对电力系统的安全稳定和经济运行造成不利影响,甚至出现弃风现象,导致风能资源利用率降低。所以必须对风电场输出功率进行预测,为电力系统调度部门协调常规能源与风能之间的关系提供依据,因此,本文针对提高风电场超短期功率预测的精度展开研究。为了提高风电场超短期功率预测精度,针对传统BP神经网络对样本的依赖程度较大的问题,本文在对熵权法和专家打分法深入分析的基础上,采用二者相结合的组合权重法选取相似日,优化训练样本,剔除了样本中不准确的数据,运用BP神经网络算法建立超短期风电功率预测模型,进行功率预测,有效地降低了预测误差。针对风速波动较大时的点预测精度不高的问题,本文在上述优化训练样本的基础上进行功率的区间预测,首先按照功率的波动性将数据划分成5类区间,采用核密度估计法求取各功率区间的误差概率密度曲线,然后得出置信区间,进而得到预测日功率的波动区间,进一步提高超短期风电功率的预测精度。通过对江苏某风电场风电功率的实测数据进行优化处理,采用直接法和间接法对风电场功率进行点预测与区间预测,结果表明本文的方法能有效地提高超短期风电功率的预测精度。
【关键词】：超短期风电功率预测 BP神经网络 熵权法 相似日 区间预测
【学位授予单位】：辽宁工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM614
【目录】：

• 摘要5-6
• Abstract6-9
• 1 绪论9-18
• 1.1 课题研究背景9-11
• 1.1.1 课题研究的目的和意义9-10
• 1.1.2 世界风电发展现状10
• 1.1.3 我国风电发展现状10-11
• 1.2 风电场功率预测研究现状11-16
• 1.2.1 国外研究现状11-14
• 1.2.2 国内研究现状14-15
• 1.2.3 基于相似日和神经网络风电功率预测的研究现状15-16
• 1.2.4 风电功率区间预测的研究现状16
• 1.3 论文的主要工作16-18
• 2 基于BP神经网络的超短期风电功率预测18-29
• 2.1 BP神经网络18-23
• 2.1.1 BP神经元模型18-20
• 2.1.2 BP神经网络的结构20
• 2.1.3 BP神经网络的学习算法20-23
• 2.2 直接法预测风电功率23-24
• 2.2.1 数据的预处理23
• 2.2.2 算例分析23-24
• 2.2.3 误差分析24
• 2.3 间接法预测风电功率24-28
• 2.3.1 影响风电功率主要因素的分析24-25
• 2.3.2 功率特性曲线25-27
• 2.3.3 算例分析27-28
• 2.3.4 误差分析28
• 2.4 本章小结28-29
• 3 基于相似日的神经网络超短期风电功率预测29-41
• 3.1 组合权重选取相似日29-32
• 3.1.1 客观权重的确定29-30
• 3.1.2 主观权重的确定30-31
• 3.1.3 组合权重的确定31-32
• 3.2 BP神经网络参数的选取32-33
• 3.2.1 学习速率的选择32
• 3.2.2 初始权值的选择32
• 3.2.3 神经网络结构的选择32-33
• 3.3 预测步骤33-34
• 3.4 仿真与误差分析34-40
• 3.4.1 直接法预测分析34-37
• 3.4.2 间接法预测分析37-40
• 3.5 本章小结40-41
• 4 基于核密度估计的风电功率区间预测41-50
• 4.1 风电功率区间的划分41
• 4.2 非参数密度估计41-44
• 4.2.1 非参数密度估计原理及特点41
• 4.2.2 非参数密度估计具体方法41-42
• 4.2.3 核密度估计方法42-44
• 4.3 置信区间估计44-45
• 4.4 算例分析45-49
• 4.5 本章小结49-50
• 5 结论50-51
• 参考文献51-54
• 致谢54

【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：497778