風電場功率短期預測方法優(yōu)化的研究.pdf_第1頁
已閱讀1頁,還剩104頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、風電場功率短期預測技術(shù)對于電力系統(tǒng)的調(diào)度、運行和風電場的生產(chǎn)和維護都具有十分重大的意義。國外的風電功率短期預測技術(shù)的研究開始于20世紀80年代,隨著研究的深入,已經(jīng)有比較成熟的算法和商用軟件。國內(nèi)的相關(guān)研究在近幾年才剛剛開展,在預測精度、可靠性和對不同風場的適應(yīng)性方面仍然有許多不足。針對基于數(shù)值天氣預報的功率預報模式,研究提高預測精度和可靠性的算法,具有重要的學術(shù)價值和工程實用價值。
   論文主要進行了以下幾方面的工作:

2、>   首先統(tǒng)計分析了數(shù)值天氣預報誤差和風電功率短期預報誤差,對它們的誤差分布進行了研究,研究了實測數(shù)據(jù)中的無效數(shù)據(jù)、數(shù)值天氣預報誤差和預測模型對風電功率短期預測誤差的影響。
   針對現(xiàn)有的測風數(shù)據(jù)補缺方法或者誤差較大,或者只能處理風速數(shù)據(jù)的缺點,首次將自適應(yīng)神經(jīng)模糊推理系統(tǒng)引入到風場實測風速和風向數(shù)據(jù)的補缺中,通過使用歷史實測數(shù)據(jù)序列,補充了缺失的數(shù)據(jù),解決了風向數(shù)據(jù)的補缺問題,減小了補缺數(shù)據(jù)的誤差。通過對實測風速風向數(shù)據(jù)

3、的補缺,可以校正實測數(shù)據(jù)中的無效數(shù)據(jù),從而為數(shù)值天氣預報數(shù)據(jù)的校正打下良好的基礎(chǔ)。
   數(shù)值天氣預報是風電場功率短期預測的主要誤差來源,目前的線性校正方法并不能很好地校正其誤差。在論文中,提出了一種非線性數(shù)據(jù)校正算法,運用小波包分析算法和BP神經(jīng)網(wǎng)絡(luò)對數(shù)值天氣預報風速進行數(shù)據(jù)校正,利用校正后的數(shù)據(jù)進行風電機組輸出功率預測,并對預測輸出功率進行進一步的數(shù)據(jù)校正,得到最終的預測輸出功率。通過數(shù)據(jù)校正算法,降低了數(shù)值天氣預報風速的誤

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論