基于非线性时间序列和神经网络的风电功率短期预测

发布时间：2017-04-19 09:17

  本文关键词：基于非线性时间序列和神经网络的风电功率短期预测，由笔耕文化传播整理发布。

【摘要】：随着风能在世界能源中的比重快速增加,风电产业快速发展,高精度的风电功率预测有效地减轻或避免风电场接入电网对电力系统造成的坏影响,利于实行电网调度和对风电场的管理,提高其在电力市场中的竞争能力。采用历史数据进行预测适合超短期的风电场功率预测,较长时间的预测须使用数值天气预报,目前用于风电场风速及功率预测的办法不计其数,统计方法中应用最好的分别是时间序列和神经网络方法,论文选用时间序列中ARIMA模型和神经网络模型,结合数值天气预报,组合预测风速,并对功率进行预测,主要工作包括以下几方面:论文根据相关科研文献,总结了风电场风速以及功率预测发展的背景、意义以及全球现状,以及目前研究现状所面临的问题及困难。对影响风电功率预测的主要气象参数进行了简要介绍,分析了其对风电功率的影响,参数数据的处理方式及规律,讲诉了现有预测方法的分类及原理。建立ARIMA模型、BP神经网络模型以及数值天气预报的调整模型,分析三种预测方法的误差规律性。在三种单一模型的基础上进行了基于熵的风速组合预测,同时为了更进一步的提高模型预测精度,在统计三种单一模型预测误差的基础上,将权重扩展为针对24小时96时刻的权重序列,根据获得的日预测误差统计到建模所需的误差统计序列中,更新权重序列,获得按日循环更新权重序列的动态熵权风速组合预测模型。建立神经网络功率预测模型,在同等条件下,对输入参数的选择和隐层神经元数目的确定进行了比较分析,确定最优参数和神经元数目,获得最优的功率预测模型。同时将建立的风速动态组合预测模型应用到功率预测模型中,对比应用前后的预测误差并进行结果分析。
【关键词】：风速预测 风功率预测 熵权 组合预测 动态组合预测
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM614;TP183
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-14
• 1.1 课题研究的背景和意义9-11
• 1.2 风电场功率预测发展概况11-13
• 1.2.1 国外研究发展与现状11-12
• 1.2.2 国内研究发展与现状12
• 1.2.3 目前风电功率预测面临的主要问题12-13
• 1.3 论文研究主要内容和结构安排13-14
• 第2章 风电场参数及风电功率预测方法和原理14-24
• 2.1 风电场参数14-18
• 2.1.1 风电场参数的基本知识14-17
• 2.1.2 参数运行数据的预处理17-18
• 2.2 风电场参数规律18-22
• 2.2.1 风速和风向规律18-21
• 2.2.2 风电场全场年输出功率规律21-22
• 2.3 风电功率预测方法及原理22-24
• 第3章 风电场风速预测24-46
• 3.1 时间序列模型24-34
• 3.1.1 时间序列24-27
• 3.1.2 时间序列建模过程27-31
• 3.1.3 风速时间序列预测模型31-34
• 3.2 神经网络模型34-40
• 3.2.1 神经网络34-36
• 3.2.2 基于BP神经网络风速预测模型36-40
• 3.3 数值天气预报40-44
• 3.3.1 数值天气预报40-42
• 3.3.2 数值天气预报的使用42-44
• 3.4 模型预测结果分析44-46
• 第4章 风电场风速组合预测46-53
• 4.1 基于熵的风速组合预测模型46-49
• 4.1.1 熵原理46-48
• 4.1.2 基于熵的风速组合预测模型48-49
• 4.2 动态熵风速组合预测模型49-53
• 4.2.1 动态熵风速组合预测的原理49-51
• 4.2.2 仿真预测结果分析51-53
• 第5章 风电场功率组合预测53-56
• 5.1 风电场功率预测模型53-54
• 5.1.1 功率预测模型53-54
• 5.1.2 动态熵权的功率组合预测模型54
• 5.2 仿真预测及结果分析54-56
• 第6章 结论56-57
• 参考文献57-60
• 在学研究成果60-61
• 致谢61

【参考文献】

中国期刊全文数据库 前10条

1 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

2 郁琛;薛禹胜;文福拴;董朝阳;K.P.WONG;Kang LI;;按时序特征优化模型后在线选配的超短期风电预测[J];电力系统自动化;2015年08期

3 李龙;魏靖;黎灿兵;曹一家;宋军英;方八零;;基于人工神经网络的负荷模型预测[J];电工技术学报;2015年08期

4 王印松;苏子卿;;一种基于相邻风机测量数据相关性分析的风速预测方法[J];华北电力大学学报(自然科学版);2015年02期

5 王丽婕;冬雷;高爽;;基于多位置NWP与主成分分析的风电功率短期预测[J];电工技术学报;2015年05期

6 李玲玲;许亚惠;田晓越;牛云涛;;基于组合模型的风电功率短期预测[J];电工技术学报;2014年S1期

7 杨锡运;刘欢;张彬;陈嵩;;基于熵权法的光伏输出功率组合预测模型[J];太阳能学报;2014年05期

8 孙培学;赵坤鹏;;基于熵权法的组合模型在大坝渗流预测中的应用[J];水电能源科学;2013年12期

9 欧阳森;石怡理;;改进熵权法及其在电能质量评估中的应用[J];电力系统自动化;2013年21期

10 杨茂;马秀达;温道扬;庄明振;王文静;;风电功率预测研究综述[J];电测与仪表;2013年07期

  本文关键词：基于非线性时间序列和神经网络的风电功率短期预测，由笔耕文化传播整理发布。

，

本文编号：315962