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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著傳統(tǒng)化石能源的不斷減少以及生態(tài)環(huán)境的持續(xù)惡化,發(fā)展可再生能源已成為應(yīng)對(duì)能源危機(jī),改善環(huán)境問題,實(shí)現(xiàn)人類社會(huì)可持續(xù)發(fā)展的關(guān)鍵所在。在眾多可再生能源中,風(fēng)能由于其所具有的不可替代的特點(diǎn)與優(yōu)勢(shì),正處于高速發(fā)展階段。開發(fā)和利用風(fēng)資源可以有效改善能源危機(jī)、減少環(huán)境污染,因而有著極其重要的意義。當(dāng)前,風(fēng)能的開發(fā)和利用主要是通過大規(guī)模風(fēng)力發(fā)電并網(wǎng)。然而,由于風(fēng)的間歇性、波動(dòng)性和隨機(jī)性等特點(diǎn),風(fēng)電的出力情況會(huì)隨著風(fēng)的變化而變得不穩(wěn)定,從而給電力系統(tǒng)
2、的安全穩(wěn)定運(yùn)行帶來嚴(yán)峻的挑戰(zhàn)。為了解決這一問題,一個(gè)有效的途徑是對(duì)風(fēng)電場(chǎng)風(fēng)速、風(fēng)功率進(jìn)行預(yù)測(cè)。本文根據(jù)當(dāng)前風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)領(lǐng)域的研究現(xiàn)狀,結(jié)合江蘇、寧夏以及云南三個(gè)地區(qū)的風(fēng)電場(chǎng)實(shí)際風(fēng)速數(shù)據(jù),針對(duì)點(diǎn)預(yù)測(cè)誤差減小和預(yù)測(cè)結(jié)果不確定性量化問題進(jìn)行研究,提出了多種方法用于提高點(diǎn)預(yù)測(cè)精度,量化預(yù)測(cè)結(jié)果的不確定性。具體來說,本文的研究工作主要包括:
(1)基于風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)領(lǐng)域的主流預(yù)測(cè)模型,即時(shí)間序列模型、神經(jīng)網(wǎng)絡(luò)模型以及支持向量機(jī)
3、模型對(duì)三個(gè)風(fēng)電場(chǎng)實(shí)際風(fēng)速數(shù)據(jù)進(jìn)行建模預(yù)測(cè)研究。比較分析了各單一模型的一步提前點(diǎn)預(yù)測(cè)效果以及基于直接預(yù)測(cè)和迭代預(yù)測(cè)的多步提前點(diǎn)預(yù)測(cè)效果。實(shí)驗(yàn)結(jié)果表明了單一預(yù)測(cè)模型的局限性以及研究組合預(yù)測(cè)模型的必要性。
(2)提出了一種基于集成學(xué)習(xí)的加權(quán)組合預(yù)測(cè)方法用于降低模型選擇風(fēng)險(xiǎn),提高點(diǎn)預(yù)測(cè)精度。所提出的方法組合了時(shí)間序列模型、神經(jīng)網(wǎng)絡(luò)模型以及支持向量機(jī)模型。這些模型的權(quán)重采用一種新的方法進(jìn)行設(shè)置,該方法既考慮了各模型的歷史預(yù)測(cè)精度又考慮了
4、組合以后整體模型的泛化能力。將所提出的方法用于實(shí)際風(fēng)速數(shù)據(jù),驗(yàn)證了該方法的有效性。
(3)結(jié)合信號(hào)分解算法和機(jī)器學(xué)習(xí)模型,提出了一種新的分解組合模型用于提高風(fēng)速點(diǎn)預(yù)測(cè)精度。所提出的方法首先采用經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)原始風(fēng)速序列進(jìn)行分解,然后根據(jù)分解得到的子序列構(gòu)建特征并通過特征選擇算法選取最相關(guān)的輸入用于建模。在實(shí)際風(fēng)速數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明,相比于單一預(yù)測(cè)模型,分解組合模型可以顯著提高點(diǎn)預(yù)測(cè)精度。
(4)針對(duì)預(yù)測(cè)結(jié)果不確
5、定性量化問題,提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和非劣排序遺傳算法的方法用于直接構(gòu)建風(fēng)速預(yù)測(cè)區(qū)間。采用多目標(biāo)優(yōu)化框架處理區(qū)間構(gòu)建問題,即訓(xùn)練徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)使其產(chǎn)生的預(yù)測(cè)區(qū)間既要最大化覆蓋率又要最小化區(qū)間寬度。為了降低參數(shù)空間的維度以及簡(jiǎn)化搜索復(fù)雜度,提出一個(gè)兩步法用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。所提出的方法在實(shí)際風(fēng)速集上進(jìn)行了驗(yàn)證,表明了方法的有效性。
(5)提出了一種基于高斯過程回歸的混合模型用于風(fēng)電場(chǎng)短期風(fēng)速概率預(yù)測(cè)。所提出的混合模型
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(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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(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
- 風(fēng)電場(chǎng)風(fēng)速短期預(yù)測(cè)方法研究.pdf
- 風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)技術(shù)方法研究.pdf
- 基于數(shù)據(jù)的風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè).pdf
- 風(fēng)電場(chǎng)風(fēng)速短期多步預(yù)測(cè)方法的研究.pdf
- 風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)與AGC仿真研究.pdf
- 基于混沌時(shí)間序列的風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)研究.pdf
- 風(fēng)電場(chǎng)風(fēng)速軟測(cè)量與預(yù)測(cè)及短期風(fēng)速數(shù)值模擬方法研究.pdf
- 風(fēng)電場(chǎng)風(fēng)速及風(fēng)電功率短期預(yù)測(cè)方法的研究.pdf
- 風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)與預(yù)測(cè)值的置信度檢驗(yàn).pdf
- 風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)及模擬的理論與方法研究.pdf
- 基于混合模型的風(fēng)電場(chǎng)短期風(fēng)速風(fēng)功率預(yù)測(cè)研究.pdf
- 風(fēng)電場(chǎng)風(fēng)速和功率預(yù)測(cè)研究.pdf
- 風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)組合模型研究.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
- 風(fēng)電場(chǎng)風(fēng)速建模與預(yù)測(cè)研究.pdf
- 風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)模型的研究.pdf
- 風(fēng)電場(chǎng)短期產(chǎn)能預(yù)測(cè)研究.pdf
- 風(fēng)電場(chǎng)短期功率預(yù)測(cè)研究.pdf
- 風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)模型和風(fēng)力機(jī)動(dòng)力分析.pdf
評(píng)論
0/150
提交評(píng)論