RBF神經(jīng)網(wǎng)絡在風電場風速預測中的應用.pdf

1、當前，化石燃料的逐步缺乏及其帶來的環(huán)境污染問題十分嚴重，發(fā)展可再生能源技術已經(jīng)迫切成為全球最關心的焦點之一。其中，作為清潔且可再生的風能資源受到全世界國家的重視。世界各國都在不斷發(fā)展風電事業(yè)，但是由于風能具有隨機性和不可控性，這樣就可能導致對電網(wǎng)產(chǎn)生沖擊，帶來一系列不安全因素。針對自然界風速的隨機性和不可控性，本文對風電場的風速進行預測，使之能提高風速的預測精度，減少風電對電網(wǎng)的影響，提高電力系統(tǒng)的安全性，同時降低電力系統(tǒng)的正常運轉的成

2、本。
　　本文討論了風速預測的發(fā)展及其作用，介紹了風速預測的相關知識，同時也說明了進行風速預測的現(xiàn)實意義，分析了當前風電場風速預測的研究現(xiàn)狀。確立了以RBF神經(jīng)網(wǎng)絡為核心，提出了遺傳算法和梯度下降法聯(lián)合優(yōu)化訓練RBF神經(jīng)網(wǎng)絡的預測模型。本文所需要做的工作如下：
　?、賹︼L速的概念、分布特性及其規(guī)律進行了比較詳細的分析，接著對風速相關數(shù)據(jù)的搜集和預處理方式也進行了仔細介紹，提出了線性插值法對缺測數(shù)據(jù)的修正。最后對風速和相關氣象

3、因子進行了相關性分析。
　?、趯BF神經(jīng)網(wǎng)絡和遺傳算法的基本概念進行了詳細的介紹。提出了利用遺傳算法和梯度下降法聯(lián)合優(yōu)化訓練RBF神經(jīng)網(wǎng)絡的預測模型，以便提高預測精度。最后對兩個函數(shù)進行了仿真測試，充分證明了遺傳算法的全局尋優(yōu)能力和預測模型的非線性曲線逼近能力。
　?、郯涯筹L電場的歷史數(shù)據(jù)應用到遺傳算法和梯度下降法聯(lián)合優(yōu)化訓練的RBF神經(jīng)網(wǎng)絡預測模型中，建立一個以溫度、濕度、壓強、風向余弦和風向正弦為輸入，風速為輸出的RB