基于混合模型的风速预测研究及应用

发布时间：2021-12-23 01:29

　　风速预测是风功率预测和风能评估的基础,准确的风速预测可以用于指导风电机组调度、检修,提高风电场运行效率并保证风电并网安全。鉴于此,本文提出了两种新的混合预测模型,较好地解决了具有明显周期性的长期风速预测问题。第一种混合模型基于快速傅里叶变换确定周期长度,采用周期指数调整方法剔除周期项的影响,用累积预测法预测趋势项,再还原周期因子得到最终预测结果。对我国库尔勒市日平均风速滚动预测的实证研究表明,利用傅里叶变换确定周期长度是合理的,相比于未进行周期指数调整的模型,混合模型可以较好地提高预测精度。第二种混合模型结合了季节指数调整、布谷鸟搜索算法以及自适应系数预测法对我国新疆维吾尔自治区四个风速站点的日平均风速进行一步预测,模拟结果显示相对于传统的预测模型例如BP神经网络、ARIMA模型、传统一二阶自适应系数法,我们提出的混合预测模型能够较大地提高风速预测精度。

【文章来源】： 兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：49 页

【文章目录】：
摘要
Abstract
第一章 引言
    1.1 课题背景
    1.2 风电场风速预测的重要性
    1.3 风速预测研究概述
        1.3.1 国外风速预测研究概述
        1.3.2 国内风速预测研究概述
        1.3.3 小结
    1.4 本文的主要工作和结构安排
第二章 基于快速傅里叶变换和累积预测法的风速预测模型研究
    2.1 混合模型的理论分析
        2.1.1 快速傅里叶变换
        2.1.2 周期指数调整方法
        2.1.3 累积预测法
    2.2 对我国库尔勒市风速预测的实证研究
        2.2.1 预测效果的评价指标
        2.2.2 原始数据分析
        2.2.3 混合模型的预测结果
        2.2.4 与传统累积预测模型的比较分析
    2.3 本章小结
第三章 基于自适应系数法和布谷鸟算法的风速预测模型研究
    3.1 混合模型的理论分析
        3.1.1 季节指数调整方法
        3.1.2 自适应系数方法
        3.1.3 布谷鸟搜索算法
    3.2 对我国新疆四个站点风速预测的实证研究
        3.2.1 原始数据分析
        3.2.2 混合模型的预测结果
        3.2.3 与传统模型的比较分析
    3.3 本章小结
第四章 结论与展望
    4.1 主要结论
    4.2 研究展望
参考文献
在学期间的研究成果
致谢


【参考文献】：
期刊论文
[1]动态适应布谷鸟搜索算法 [J]. 张永韡,汪镭,吴启迪.  控制与决策. 2014(04)

硕士论文
[1]风力发电系统的风速预测及控制策略研究[D]. 董雷.北京化工大学. 2012
[2]时间序列模型的改进与应用[D]. 董瑶.兰州大学. 2012
[3]基于数据预处理和K-均值聚类的支持向量回归预测模型[D]. 赵伟刚.兰州大学. 2012
[4]基于季节指数调整方法的混合模型的研究及应用[D]. 吴洁.兰州大学. 2012
[5]基于多尺度分解的风电场风速预测研究[D]. 陈盼.华南理工大学. 2011
[6]风电场风速预测模型研究[D]. 戴浪.湖南大学. 2011
[7]基于ARMA模型的风电机组风速预测研究[D]. 孙翰墨.华北电力大学（北京）. 2011
[8]风电场风速预测模型研究和实现[D]. 屈晓栋.江南大学. 2009



本文编号：3547507