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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著生態(tài)環(huán)境的污染和傳統(tǒng)資源的枯竭,風(fēng)能以可再生、清潔環(huán)保等特點(diǎn),在全球范圍內(nèi)得到廣泛青睞,風(fēng)力發(fā)電在電網(wǎng)中所占的比重也在逐年增加。然而,風(fēng)能的波動(dòng)和間歇特性,將導(dǎo)致風(fēng)電功率的輸出具有不穩(wěn)定性,隨著大規(guī)模風(fēng)電并入電網(wǎng)系統(tǒng),必然給電網(wǎng)系統(tǒng)帶來一定的沖擊。因此,對風(fēng)電輸出功率進(jìn)行準(zhǔn)確預(yù)測是合理安排調(diào)度計(jì)劃,確保電網(wǎng)系統(tǒng)安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行的有效途徑。
目前風(fēng)電功率預(yù)測模型的種類有很多,不同模型的預(yù)測性能表現(xiàn)具有差異性,各有優(yōu)缺點(diǎn)。
2、為了提高風(fēng)電功率的預(yù)測精度,有必要對多種預(yù)測模型的精度進(jìn)行評價(jià),從而優(yōu)選出精度較高的預(yù)測模型對風(fēng)電功率進(jìn)行預(yù)測。本文提出了一種基于多指標(biāo)融合評價(jià)和案例推理的風(fēng)電功率預(yù)測模型的優(yōu)選決策方法,對課題組建立的基本風(fēng)電功率預(yù)測模型進(jìn)行評價(jià)優(yōu)選,并在MATLAB平臺上進(jìn)行了大量仿真研究。本文主要研究內(nèi)容如下:
(1)闡述了風(fēng)電功率預(yù)測的研究背景及意義,綜述了國內(nèi)外在風(fēng)電功率預(yù)測領(lǐng)域的研究現(xiàn)狀及發(fā)展趨勢,總結(jié)了常見預(yù)測方法的分類及各類預(yù)測
3、方法的性能評價(jià)等。
(2)分析了風(fēng)機(jī)功率模型及風(fēng)電功率輸出的主要影響因素,并在風(fēng)電場歷史數(shù)據(jù)的基礎(chǔ)上,研究了主要影響因素的規(guī)律特性,為基于數(shù)據(jù)特性分類的優(yōu)選建模研究奠定基礎(chǔ)。
(3)模型評價(jià)是進(jìn)行模型優(yōu)選的重要依據(jù)。針對模型的單一指標(biāo)評價(jià)結(jié)果較為片面,且不同指標(biāo)下模型的評價(jià)結(jié)果往往不同的問題,本文提出了一種基于離差最大化和主觀修正系數(shù)的多指標(biāo)融合評價(jià)方法,并將其應(yīng)用于短期風(fēng)電功率預(yù)測模型的優(yōu)選中。首先建立了較為全面的
4、風(fēng)電功率預(yù)測模型的評價(jià)指標(biāo)體系;其次在確定各指標(biāo)所占權(quán)重時(shí),考慮到傳統(tǒng)離差最大化法過于客觀,忽略了指標(biāo)在指標(biāo)體系中的重要程度,本文在傳統(tǒng)離差最大化思想上加入主觀修正系數(shù),結(jié)合客觀信息和主觀經(jīng)驗(yàn),計(jì)算各指標(biāo)的綜合權(quán)重,最終計(jì)算出各模型的融合評價(jià)值,從而得到模型的評價(jià)排序,并實(shí)現(xiàn)對模型的優(yōu)選。
(4)為了提高模型優(yōu)選的工作效率,提出一種基于案例推理的風(fēng)電功率預(yù)測模型的優(yōu)選決策方法。以風(fēng)速、風(fēng)向和溫度序列作為案例的描述特征,在風(fēng)電場
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(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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(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)測模型.pdf
- 風(fēng)電功率預(yù)測模型的優(yōu)選準(zhǔn)則與融合策略研究.pdf
- 基于相似度模糊推理和IOWA算子的風(fēng)電功率融合預(yù)測.pdf
- 基于模糊C均值聚類和案例推理的風(fēng)電功率預(yù)測研究.pdf
- 基于多屬性決策和相似日理論的風(fēng)電功率多尺度預(yù)測模型研究.pdf
- 基于多尺度分解和混沌理論的風(fēng)電功率短期預(yù)測模型研究.pdf
- 風(fēng)電功率組合預(yù)測模型的研究.pdf
- 基于波動(dòng)性模型的風(fēng)電功率預(yù)測研究.pdf
- 基于趨勢點(diǎn)模型的超短期風(fēng)電功率預(yù)測研究.pdf
- 基于SST和神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測.pdf
- 超短期風(fēng)電功率預(yù)測模型研究.pdf
- 基于分季建模的風(fēng)電功率單一預(yù)測模型的建立.pdf
- 基于高斯過程的風(fēng)電功率概率預(yù)測.pdf
- 基于隨機(jī)模糊理論的風(fēng)電功率預(yù)測.pdf
- 基于結(jié)構(gòu)優(yōu)化的風(fēng)電功率單一預(yù)測模型的研究.pdf
- 基于NWP和支持向量機(jī)的風(fēng)電功率預(yù)測研究.pdf
- 基于支持向量機(jī)的短期風(fēng)電功率預(yù)測.pdf
- 基于深度學(xué)習(xí)的風(fēng)電功率預(yù)測方法研究.pdf
- 基于IPSo-BP神經(jīng)網(wǎng)絡(luò)模型的風(fēng)電功率預(yù)測研究.pdf
- 基于MKL方法的短期風(fēng)電功率預(yù)測研究.pdf
評論
0/150
提交評論