风电场发电功率短期预测系统开发与研究

发布时间：2017-10-17 03:40

  本文关键词：风电场发电功率短期预测系统开发与研究

  更多相关文章： 风电功率 短期预测 小波神经网络 预测系统

【摘要】：随着世界能源的高速消耗,以及生态环境的日益恶化,风能作为一种清洁的可再生能源,越来越受到世界各国的重视。由于风电具有很强的随机性和波动性,随着风电机组单机容量和并网型风电场规模的不断扩大,风电穿透功率也在逐年增大,而随之带来的问题也日渐突出。因此,对风电场发电功率准确的预测,对保证电力系统安全、可靠、经济、稳定运行是十分必要的。在此背景下,本文对风电场发电功率短期预测系统的开发等问题展开了深入的研究。本文首先对国内外风电的发展情况以及当前的风电预测技术进行了文献综述。同时对风电功率预测的分类进行了简要介绍,本文主要研究某一风电场的短期功率预测。本文分析并介绍了风速、风电功率的基本特性和风电功率预测的基本步骤,重点分析了对风电功率影响较大的因素。本文以应用最为广泛的神经网络原理为基础,用数值天气预报数据作为输入,给出了改进的小波神经网络方法的具体算法和预测步骤。在MATLAB环境下本文对BP神经网络预测模型和改进的小波神经网络预测模型进行了仿真实验,对内蒙古某一风电场进行了提前24h的风电功率预测,并将两种方法的预测结果与实际结果进行比较,结果显示本文提出的预测方法更好,验证了小波神经网络法应用在风电功率预测中的可行性。在掌握了风电功率短期功率预测的理论和算法之后,利用VB设计了一个风电功率短期预测系统,使预测过程简单方便,便于调度人员的操作。
【关键词】：风电功率 短期预测 小波神经网络 预测系统
【学位授予单位】：沈阳工程学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM614
【目录】：

• 摘要6-7
• Abstract7-15
• 第1章 绪论15-23
• 1.1 引言15
• 1.2 问题提出与研究意义15-16
• 1.3 国内外相关研究进展16-19
• 1.3.1 国内外风力发电的现状及发展16-17
• 1.3.2 国内外风电功率预测的现状及发展17-19
• 1.4 风电功率预测方法19-21
• 1.4.1 预测方法的分类19-20
• 1.4.2 物理方法20
• 1.4.3 统计方法20-21
• 1.4.4 学习方法21
• 1.4.5 组合预测方法21
• 1.5 本文主要研究思路与内容21-23
• 第2章 影响风电功率的因素分析23-33
• 2.1 引言23
• 2.2 风速特性23-25
• 2.2.1 风电场风速概率分布23-24
• 2.2.2 实际风电场的风速分布24-25
• 2.3 风电功率相关因素分析25-29
• 2.3.1 风能的计算25-27
• 2.3.2 相关因素分析27-29
• 2.4 风力机的风速-功率曲线29-31
• 2.5 小结31-33
• 第3章 基于改进小波神经网络的风电功率预测方法33-46
• 3.1 引言33
• 3.2 人工神经网络的基本原理33-36
• 3.2.1 神经元的模型33-34
• 3.2.2 BP神经网络34-36
• 3.3 小波变换理论36-39
• 3.3.1 小波变换的发展36
• 3.3.2 小波变换的原理36-39
• 3.4 小波神经网络39-44
• 3.5 小结44-46
• 第4章 风力发电短期功率预测系统的开发46-50
• 4.1 引言46
• 4.2 VB与MATLAB简介46
• 4.3 风电功率预测软件的设计46-49
• 4.4 小结49-50
• 第5章 基于NWP数据的神经网络实例分析50-59
• 5.1 引言50
• 5.2 数值天气预报50
• 5.3 风力发电功率预测的评价指标50-51
• 5.4 预测模型的建立51-55
• 5.4.1 输入变量的确定52-53
• 5.4.2 隐含层节点数的确定53-54
• 5.4.3 原始数据的处理54-55
• 5.5 实际预测模型的分析55-58
• 5.5.1 实际预测模型的建立与仿真55-57
• 5.5.2 预测效果分析57-58
• 5.6 小结58-59
• 第6章 小结与展望59-61
• 6.1 结论与创新点59
• 6.2 创新点摘要59
• 6.3 展望59-61
• 参考文献61-66
• 附录 NWP数据和实测功率数据表(部分)66-71
• 攻读硕士学位期间科研项目及科研成果71-72
• 致谢72-73
• 作者简介73-74

【参考文献】

中国期刊全文数据库 前10条

1 徐晓玲;郑潇;;风电场短期功率组合预测模型研究[J];华东交通大学学报;2013年05期

2 潘广德;张铁;林子超;;浅谈风力发电及其发展[J];科技致富向导;2013年14期

3 郑婷婷;王海霞;李卫东;;风电预测技术及其性能评价综述[J];南方电网技术;2013年02期

4 陈茜;;关于风电场输出功率预测技术发展的综述[J];山西电力;2012年02期

5 师洪涛;杨静玲;丁茂生;王金梅;;基于小波—BP神经网络的短期风电功率预测方法[J];电力系统自动化;2011年16期

6 武小梅;白银明;文福拴;;基于RBF神经元网络的风电功率短期预测[J];电力系统保护与控制;2011年15期

7 冯双磊;王伟胜;刘纯;戴慧珠;;基于物理原理的风电场短期风速预测研究[J];太阳能学报;2011年05期

8 徐星;张虹;乐海洪;徐敏;;采用气象信息的神经网络应用于短期风力发电功率预测[J];南昌大学学报(工科版);2011年01期

9 陈冰梅;樊晓平;周志明;李雪荣;;支持向量机原理及展望[J];制造业自动化;2010年14期

10 周同旭;;基于遗传算法的支持向量机短期风速预测[J];皖西学院学报;2010年05期

中国硕士学位论文全文数据库 前1条

1 刘菊艳;基于数据挖掘技术的短期风速预测[D];西安科技大学;2010年

，

本文编号：1046638