基于组合分析方法的短期风电功率预测研究

发布时间：2021-10-26 12:35

　　随着国民经济的快速发展、污染程度的持续加重以及我国节能减排经济发展战略的提出和实施,风电已经成为可再生能源的一个重要组成部分。风是风力发电机组的动力,由于风本身的特性及发电原理决定了风力发电的输出具有波动性和间歇性,因此风电并网后会对电力系统造成很大的影响。风电功率预测可有效解决电网调度问题,对风电并网及电网安全运行起着重要的作用。针对现有预测方法的预测精确度不甚理想的问题,本文采用了一种基于组合分析的短期风电功率预测方法,该方法使用生成式对抗网络作为系统框架,与传统神经网络相比,该方法由生成模型和判别模型相互作用而进行反复训练,因此与单一的预测方法相比,该方法预测精度较高。针对风能具有无序性、随机性、不稳定性和不可控性等混沌特性,混沌网络能够比其他类型的神经网络更好的表示风能参数与风电功率之间的内在联系。由此,本文选择混沌神经网络作为生成式对抗神经网络算法的生成模型。为保证组合方法的预测精度,选用对非线性函数的拟合性能较好的BP神经网络作为生成式对抗网络的判别模型。论文选择中国宁夏某风电场运行实测数据进行训练和预测实验,选取风电输出功率时间序列及当地风能数据作为训练样本,预测该风电场... 

【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究情况
    1.3 本文的主要研究内容
    1.4 论文结构
第2章 风能特性与风电功率影响因素分析
    2.1 风能的特性
        2.1.1 风速切变特性
        2.1.2 湍流强度
        2.1.3 空气密度
    2.2 风电功率影响因素的分析
        2.2.1 风电功率影响因素的定性分析
        2.2.2 风电功率影响因素的定量分析
    2.3 风电场风能资源
        2.3.1 风电场测风塔各项风能资源分析
        2.3.2 风电场轮毂处各项风能资源分析
        2.3.3 风能资源评价
    2.4 本章小结
第3章 基于生成式对抗网络的风电功率预测组合方法
    3.1 生成式对抗网络框架结构
        3.1.1 风电功率预测的训练流程分析
        3.1.2 风电功率预测的预测流程分析
    3.2 基于混沌神经网络的风电功率时间序列生成模型
        3.2.1 风电功率时间序列的混沌性验证
        3.2.2 风电功率时间序列的相空间重构
        3.2.3 混沌神经网络算法的训练及风电功率时间序列的生成
    3.3 基于BP神经网络的风电功率时间序列合理性判别模型
    3.4 生成式对抗网络预测组合方法
    3.5 实验结果与对比分析
    3.6 本章小结
第4章 预测数据的相关性分析及参数优化
    4.1 互信息技术
        4.1.1 变量相关性的互信息度量
        4.1.2 变量冗余性的互信息度量
    4.2 基于互信息技术的预测数据优化
    4.3 实验结果对比分析
    4.4 本章小结
第5章 结论与展望
    5.1 本文总结
    5.2 未来展望
参考文献
在校期间发表的学术论文和参加科研情况
致谢


【参考文献】：
期刊论文
[1]粒式搜索者算法优化的SVM短期风电功率预测[J]. 林凯,陈国初.  自动化仪表. 2018(03)
[2]基于EMD-SC和AGSA优化支持向量机的超短期风电功率组合预测[J]. 江岳春,杨旭琼,陈礼锋,贺飞.  工程设计学报. 2017(02)
[3]含核函数切换的风电功率短期预测新方法[J]. 欧阳庭辉,查晓明,秦亮,熊一,夏添,黄鹤鸣.  电力自动化设备. 2016(09)
[4]基于互信息冗余性分析的神经网络风电功率预测[J]. 易灵芝,刘智磊,龙辛.  湘潭大学自然科学学报. 2016(02)
[5]基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J]. 杨锡运,关文渊,刘玉奇,肖运启.  中国电机工程学报. 2015(S1)
[6]基于混沌时间序列GA-VNN模型的超短期风功率多步预测[J]. 江岳春,张丙江,邢方方,张雨,王志刚.  电网技术. 2015(08)
[7]基于混沌径向基函数的风电功率短期预测[J]. 李玲玲,李宗礼,李俊豪,李志刚.  电源技术. 2014(12)
[8]基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测[J]. 崔明建,孙元章,柯德平.  电力系统自动化. 2014(12)
[9]基于卡尔曼滤波的风速序列短期预测方法[J]. 修春波,任晓,李艳晴,刘明凤.  电工技术学报. 2014(02)
[10]基于EEMD与ARMA的短期风功率预测研究[J]. 刘洪伯,王幸福.  黑龙江科技信息. 2013(36)



本文编号：3459514