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
文檔簡介
1、近年來,隨著能源危機、溫室效應和環(huán)境污染的日益嚴重,清潔的可再生能源越來越受到人們的關注。風能作為一種清潔的可再生能源,已成為許多國家緩解能源危機、減輕環(huán)境污染的重點開發(fā)能源。風能主要是以風力發(fā)電的形式加以利用,但由于風能具有隨機性、間歇性和不穩(wěn)定性等特點,大量風電的接入將會對電網(wǎng)產(chǎn)生沖擊,對電力系統(tǒng)安全穩(wěn)定運行造成巨大的影響。因此,對風電功率進行準確預測,不僅可以提前制定相應的調(diào)度策略,而且可以保證電力系統(tǒng)安全穩(wěn)定的運行。
2、本文首先研究了風力發(fā)電機組的基本結(jié)構(gòu)和控制技術,并分析了影響風電功率的主要因素,研究了風速、風向和環(huán)境溫度的四季特性,在此基礎上,提出一種基于分季建模的思路,并著重研究了六種短期風電功率單一預測模型,為風電功率單一預測模型庫的建立奠定了基礎。
本文主要研究工作如下:
(1)闡述了風電功率預測的研究背景及意義,并研究了風力發(fā)電機組的總體結(jié)構(gòu)及控制技術,總結(jié)了目前風電功率預測模型的研究現(xiàn)狀及常用的預測方法。
(
3、2)研究了風力發(fā)電機組的功率模型,并在此基礎上分析了影響風電功率的主要因素;研究了風速、風向和環(huán)境溫度的四季特性,采用數(shù)據(jù)對比法對短期風電功率的異常數(shù)據(jù)進行了識別,并利用最小二乘擬合曲線對異常數(shù)據(jù)進行了修正和修補。
(3)深入研究了T-S模糊神經(jīng)網(wǎng)絡的建模理論,并采用橢圓基函數(shù)代替高斯函數(shù)對其進行改進,擴展其接收域;利用模糊C-均值聚類確定橢圓基函數(shù)的中心值;引入慣性項加快網(wǎng)絡的收斂速度,建立了改進型T-S模糊神經(jīng)網(wǎng)絡預測模型
4、,并分別對四季短期風電功率進行預測。仿真結(jié)果表明分季后改進型T-S模糊神經(jīng)網(wǎng)絡模型能夠有效的提高風電功率的預測精度。
(4)此外,還建立了五種單一風電功率預測模型,主要包括基于交叉驗證算法優(yōu)化平滑參數(shù)的廣義回歸神經(jīng)網(wǎng)絡模型、基于遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡模型、支持向量機模型、多元線性回歸模型和基于灰關聯(lián)改進型持續(xù)法模型;并提出一種基于分季建模的思路,分別采用五種模型對四季短期風電功率進行預測。在MATLAB平臺上進行仿真研
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。
最新文檔
- 基于結(jié)構(gòu)優(yōu)化的風電功率單一預測模型的研究.pdf
- 基于模型優(yōu)選的風電功率融合預測模型.pdf
- 風電功率組合預測模型的研究.pdf
- 基于波動性模型的風電功率預測研究.pdf
- 基于趨勢點模型的超短期風電功率預測研究.pdf
- 超短期風電功率預測模型研究.pdf
- 基于高斯過程的風電功率概率預測.pdf
- 基于隨機模糊理論的風電功率預測.pdf
- 數(shù)學建模優(yōu)秀論文-風電功率預測問題
- 基于支持向量機的短期風電功率預測.pdf
- 基于深度學習的風電功率預測方法研究.pdf
- 基于IPSo-BP神經(jīng)網(wǎng)絡模型的風電功率預測研究.pdf
- 基于MKL方法的短期風電功率預測研究.pdf
- 基于時間序列分析的風電功率預測研究.pdf
- 基于混沌理論的風電功率實時預測研究.pdf
- 風電功率組合預測研究.pdf
- 基于信號分解技術的組合模型在風電功率預測中的研究.pdf
- 基于原子稀疏分解的風電功率實時預測研究.pdf
- 基于SST和神經(jīng)網(wǎng)絡的風電功率預測.pdf
- 基于混沌特性的風電功率短期預測方法研究.pdf
評論
0/150
提交評論