基于人工神經(jīng)網(wǎng)絡的風電場建模及仿真研究.pdf

1、由于潔凈、經(jīng)濟等優(yōu)點，風電事業(yè)一直以來在各國迅猛發(fā)展。但近兩年發(fā)展速度放緩，這是由于技術進步趕不上規(guī)模發(fā)展，而風電模型的建立是各技術研究的基礎，所以此研究領域在當下顯得異常重要?，F(xiàn)有的風電建模常采用機理法，然而風電系統(tǒng)的強非線性和強耦合性決定了這種建模方法欠精準欠簡便，因此考慮基于人工神經(jīng)網(wǎng)絡的測試法建模。此方法不僅可以以任意精度逼近非線性函數(shù)，而且也無需考慮子系統(tǒng)的解耦問題，簡單易于實現(xiàn)，從而提供準確而有利于分析和控制的模型。論文的主

2、要研究內(nèi)容及結論有以下三部分：
　　 (1)運用誤差反向傳播(Back-Propagation，BP)神經(jīng)網(wǎng)絡初步擬合風電場的靜態(tài)特性模型。這種神經(jīng)網(wǎng)絡是適于建模的最基本的網(wǎng)絡模型，但是標準BP網(wǎng)絡存在很多問題。因此運用網(wǎng)絡結構更加復雜的Elman神經(jīng)網(wǎng)絡建立動態(tài)實時仿真模型，同時修改了算法，使得權值容易收斂。此模型更加精準，風場的動態(tài)特性也能夠表達出來，不會被某參數(shù)牽絆，改善了局部極小值的狀況。
　　 (2)嘗試采用基

3、于統(tǒng)計學習理論的新型神經(jīng)網(wǎng)絡-支持向量機建立系統(tǒng)模型。雖然這是一個前饋網(wǎng)絡，但改進了輸入輸出模式，加入了延遲算子，也可作為一種動態(tài)模型。選擇局部性強的徑向基核函數(shù)，能更精確地預測輸出。最后的仿真結果說明支持向量機可以使用更少的數(shù)據(jù)建立精確的模型，并能避免傳統(tǒng)神經(jīng)網(wǎng)絡結構復雜、易陷于局部極小值等問題。
　　 (3)本文把基于貝葉斯統(tǒng)計的權值評估作為一項不確定性指標，來評價網(wǎng)絡性能。由于用于建模的神經(jīng)網(wǎng)絡種類繁多，沒有統(tǒng)一的評價模型