RBF神經(jīng)網(wǎng)絡(luò)在風(fēng)電場風(fēng)速預(yù)測中的應(yīng)用.pdf

1、當(dāng)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(yán)重，發(fā)展可再生能源技術(shù)已經(jīng)迫切成為全球最關(guān)心的焦點(diǎn)之一。其中，作為清潔且可再生的風(fēng)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(fēng)電事業(yè)，但是由于風(fēng)能具有隨機(jī)性和不可控性，這樣就可能導(dǎo)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(fēng)速的隨機(jī)性和不可控性，本文對風(fēng)電場的風(fēng)速進(jìn)行預(yù)測，使之能提高風(fēng)速的預(yù)測精度，減少風(fēng)電對電網(wǎng)的影響，提高電力系統(tǒng)的安全性，同時(shí)降低電力系統(tǒng)的正常運(yùn)轉(zhuǎn)的成

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

3、因子進(jìn)行了相關(guān)性分析。
　　②對RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法的基本概念進(jìn)行了詳細(xì)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(xùn)練RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，以便提高預(yù)測精度。最后對兩個(gè)函數(shù)進(jìn)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(yù)測模型的非線性曲線逼近能力。
　?、郯涯筹L(fēng)電場的歷史數(shù)據(jù)應(yīng)用到遺傳算法和梯度下降法聯(lián)合優(yōu)化訓(xùn)練的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型中，建立一個(gè)以溫度、濕度、壓強(qiáng)、風(fēng)向余弦和風(fēng)向正弦為輸入，風(fēng)速為輸出的RB