版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、風(fēng)能作為一種清潔可再生能源,以其分布廣泛、蘊(yùn)含量大、無(wú)污染等特點(diǎn),受到世界各國(guó)的青睞。日益成熟的風(fēng)力發(fā)電技術(shù)為風(fēng)電產(chǎn)業(yè)的快速發(fā)展提供了重要保障。然而,風(fēng)能的不可控性、間歇性等特征會(huì)給電力系統(tǒng)運(yùn)行和電網(wǎng)調(diào)度帶來(lái)一系列問(wèn)題,限制了風(fēng)電產(chǎn)業(yè)的進(jìn)一步發(fā)展。準(zhǔn)確的風(fēng)速預(yù)測(cè)能夠有效降低其影響。因此,研究如何提高風(fēng)速預(yù)測(cè)精度具有重要意義。
目前存在多種風(fēng)速預(yù)測(cè)模型,依據(jù)不同的劃分標(biāo)準(zhǔn)可將這些模型劃分為不同的類別。依據(jù)預(yù)測(cè)方式不同,可將風(fēng)速預(yù)
2、測(cè)模型分為單模型和組合模型。組合模型是集合多種單模型,對(duì)單模型提供的數(shù)據(jù)信息加以綜合利用以提高預(yù)測(cè)精度。組合模型主要圍繞在如何在已有的單模型數(shù)據(jù)基礎(chǔ)上深度利用這些數(shù)據(jù)信息進(jìn)行研究,即如何為單模型分配權(quán)重。目前對(duì)如何選擇單模型的研究較少,但其也是影響預(yù)測(cè)精度的關(guān)鍵因素之一。因此,為了進(jìn)一步提高風(fēng)速預(yù)測(cè)精度,本文引入了風(fēng)速融合預(yù)測(cè)的概念。首先,對(duì)單模型進(jìn)行優(yōu)化和完善以提高其預(yù)測(cè)能力;然后建立單模型庫(kù),提出基于多準(zhǔn)則決策的模型優(yōu)選方法,并將多
3、種模型優(yōu)選方法與多種組合方法結(jié)合研究如何建立最優(yōu)融合模型。本文主要研究?jī)?nèi)容有:
(1)總結(jié)了當(dāng)前風(fēng)力發(fā)電的發(fā)展?fàn)顩r及存在的問(wèn)題,闡述了準(zhǔn)確預(yù)測(cè)風(fēng)速的重要意義??偨Y(jié)了當(dāng)前風(fēng)速預(yù)測(cè)模型的分類方法及預(yù)測(cè)模型的研究現(xiàn)狀。
(2)本文以風(fēng)速為研究對(duì)象,研究分析了風(fēng)速的分布特性、切變特性、變化特性等特點(diǎn);分析了風(fēng)速與風(fēng)機(jī)輸出功率的轉(zhuǎn)換關(guān)系;采用國(guó)標(biāo)GB/T18709-2002對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn),并通過(guò)最小二乘支持向量機(jī)(Least
4、Squares SupportVeotorMachines,LSSVM)進(jìn)行數(shù)據(jù)修補(bǔ)。并討論了預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)。
(3)針對(duì)LSSVM風(fēng)速預(yù)測(cè)模型中參數(shù)確定難等問(wèn)題,本文提出采用基于耦合模擬退火-單純形的LSSVM建立風(fēng)速預(yù)測(cè)模型。仿真結(jié)果表明,該方法能夠提高LSSVM模型的風(fēng)速預(yù)測(cè)能力,并把該方法加入到單模型庫(kù),為風(fēng)速融合預(yù)測(cè)奠定基礎(chǔ)。
(4)單模型優(yōu)選方法與組合方法的選擇是風(fēng)速融合預(yù)測(cè)中的兩個(gè)關(guān)鍵環(huán)節(jié)。本文首先
5、提出一種多準(zhǔn)則決策法優(yōu)選單模型,并引入?yún)f(xié)整分析法優(yōu)選單模型。為了研究如何建立最優(yōu)融合預(yù)測(cè)模型,本文將多種優(yōu)選方法(多準(zhǔn)則決策法、協(xié)整分析法)和多種組合方法(簡(jiǎn)單加權(quán)平均法、方差倒數(shù)
法、誘導(dǎo)有序加權(quán)算子)結(jié)合構(gòu)成多種融合預(yù)測(cè)模型進(jìn)行分析研究。仿真結(jié)果表明,當(dāng)多準(zhǔn)則決策與IOWA結(jié)合、協(xié)整分析與方差倒數(shù)及簡(jiǎn)單加權(quán)平均法結(jié)合時(shí),表現(xiàn)出優(yōu)秀的風(fēng)速預(yù)測(cè)能力。可見(jiàn)不同的優(yōu)選方法適應(yīng)于不同的組合方法,需要選取合適的優(yōu)選方法與組合方法結(jié)合才
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于模型優(yōu)選的風(fēng)電功率融合預(yù)測(cè)模型.pdf
- 風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)組合模型研究.pdf
- 風(fēng)電功率預(yù)測(cè)模型的優(yōu)選準(zhǔn)則與融合策略研究.pdf
- 基于組合模型的最大負(fù)荷預(yù)測(cè)方法研究.pdf
- 風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)模型研究和實(shí)現(xiàn).pdf
- 基于小波ARIMA模型的風(fēng)電場(chǎng)風(fēng)速短期預(yù)測(cè)方法研究.pdf
- 基于深度遷移模型的短期風(fēng)速預(yù)測(cè).pdf
- 基于ARMA模型的風(fēng)電機(jī)組風(fēng)速預(yù)測(cè)研究.pdf
- 基于多指標(biāo)融合評(píng)價(jià)和案例推理的風(fēng)電功率預(yù)測(cè)模型的優(yōu)選決策.pdf
- 基于支持向量機(jī)的航段運(yùn)量預(yù)測(cè)模型優(yōu)選方法研究.pdf
- 基于組合模型的水質(zhì)預(yù)測(cè)和評(píng)價(jià)研究.pdf
- 基于時(shí)間序列分析的風(fēng)速短期預(yù)測(cè)方法研究.pdf
- 風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)模型的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)方法研究.pdf
- 基于Kalman濾波的風(fēng)速預(yù)測(cè)和分析.pdf
- 基于支持向量機(jī)的短期風(fēng)速預(yù)測(cè)方法研究.pdf
- 基于支持向量機(jī)的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)方法研究.pdf
- 基于滾動(dòng)預(yù)測(cè)的短期風(fēng)速預(yù)測(cè)方法及其誤差分析.pdf
- 基于組合預(yù)測(cè)模型的交通流預(yù)測(cè)研究.pdf
- 基于組合模型的股指預(yù)測(cè).pdf
評(píng)論
0/150
提交評(píng)論