基于BP-馬爾科夫組合法對風電短期功率預測研究.pdf

1、I分類號UDC密級學號1108080822碩士學位論文碩士學位論文基于基于BP馬爾科夫組合法對風電短期功率預測研究馬爾科夫組合法對風電短期功率預測研究武小暄武小暄學科門類：類：工學學科名稱：稱：電力系統(tǒng)及其自動化電力系統(tǒng)及其自動化指導教師：師：姚李孝姚李孝教授教授申請日期：期：2014年3月基于BP馬爾科夫組合法對風電短期功率預測研究武小暄西安理工大學III論文題目：基于BP馬爾科夫組合法對風電短期功率預測研究學科名稱：電力系統(tǒng)及其自動

2、化作者姓名：武小暄簽名：論文題目：基于BP馬爾科夫組合法對風電短期功率預測研究學科名稱：電力系統(tǒng)及其自動化作者姓名：武小暄簽名：導師姓名：姚李孝教授簽名：導師姓名：姚李孝教授簽名：摘要摘要根據(jù)對風力發(fā)電的研究發(fā)現(xiàn)，風電并入大電網不斷的引發(fā)關注，研究人員希望可以有很好的風電功率預測系統(tǒng)來解決并網之后可能會產生的一系列問題，如果該預測系統(tǒng)可以預測出短期內的風電功率，甚至是中長期內的風電功率，絕對會對電網以及電力行業(yè)，甚至是全國經濟帶來很大的

3、幫助。很多學者在風功率短期預測方面做了很多研究。本文主要是對風電場的短期功率進行預測工作，考慮到風速、溫度、大氣壓強對風電輸出功率的影響，提出了以馬爾科夫鏈修正BP神經網絡預測誤差的一種預測模型，可以提高風電廠短期功率預測的精度。首先在闡述基本原理和算法的基礎上，應用BP神經網絡對初始數(shù)據(jù)進行學習訓練，得到原始預測模型；然后使用馬爾科夫鏈對誤差進行修正，從而得到修正后的預測模型，并與BP神經網絡預測模型相比較，證明所建立模型可以很好的提

4、高預測精度，具有很好的適用性。最后運用該模型對某2000MW風力發(fā)電站進行短期功率預測，選取一年當中四季不同月份的風速、溫度、大氣壓強以及輸出功率數(shù)據(jù)這些現(xiàn)場測量的數(shù)據(jù)和運行數(shù)據(jù)作為基礎，進行數(shù)據(jù)的預處理、分析，通過仿真以及預測結果分析表明：本文提出的預測誤差—修正的方法能夠較好地預測風力發(fā)電站的輸出功率，與其他的方法相比之下，誤差減小，提高了風力發(fā)電站短期功率預測的精度。關鍵字關鍵字：風電場發(fā)電；風電短期功率預測；BP神經網絡原理；馬