

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著低碳經(jīng)濟的大力發(fā)展,風能作為一種清潔環(huán)保的可再生能源,資源豐富,且無需開采與運輸,是一種最有開發(fā)前途的新能源。風力發(fā)電是現(xiàn)今發(fā)展最快和最成熟的可再生能源發(fā)電技術之一,具有大規(guī)模商業(yè)開發(fā)的經(jīng)濟和技術條件,同時也具有良好的社會效益和經(jīng)濟效益。然而,隨著風力發(fā)電的快速發(fā)展,風電裝機容量也迅猛發(fā)展,電網(wǎng)中風電所占的比例不斷增加,風能所固有的間歇性和波動性將會對電力系統(tǒng)的電能質量和安全穩(wěn)定性能帶來非常嚴重的威脅。為了解決大規(guī)模風電接入電網(wǎng)對電
2、力系統(tǒng)的沖擊問題,提出了對短期風電功率進行有效預測。如果能準確的預測風電場的輸出功率,將有利于電力調度部門及時調整總體調度計劃,合理配置風力發(fā)電機組的出力,節(jié)約常規(guī)能源發(fā)電。
本文采用物理預測模型,將課題分為兩個部分來完成,即風速的預測和風功率的預測,風功率的預測是在風速預測的基礎上完成的。首先采用的是WRF模式對風速進行預測,在分析研究了WRF模式的框架和流程之后,運用該模式對山東省安城風場某一天的風速分別進行提前12h和提
3、前24h的預測。在此基礎對不同物理過程方案在不同時間間隔下的輸出結果和不同嵌套模式下的輸出結果進行比較,通過誤差計算對風速預測的結果進行分析。經(jīng)研究得出,15min時間間隔的輸出結果可以滿足預測要求,針對不同預測時效可采用適合風場的不同組合物理方案進行預測以得到較高精度,而適合風場的高分辨率的單層模式也可得到較好預測結果。
其次對功率預測采用了兩種方法——線性方法和非線性方法,線性方法是指通過建立功率曲線的方法進行功率預測,非
4、線性方法是指采用神經(jīng)網(wǎng)絡的方法進行功率預測。建立功率曲線主要有直接法、比恩法、最大值法、最大概率法和冪函數(shù)擬合法,由于風力發(fā)電機有切入切出風速,因此對于不同的風速等級,各種方法有不同的建立標準,最后通過這些方法建立的風速與功率關系曲線可以由預測風速得到相對應的預測功率。在分析了神經(jīng)網(wǎng)絡的基本原理和流程之后,對使用最廣泛的三層BP神經(jīng)網(wǎng)絡進行了研究,將原始數(shù)據(jù)進行歸一化后,構建BP神經(jīng)網(wǎng)絡預測模型進行短期預測。然后對由上述方法得到的預測功
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 風速及風電功率短期預測方法研究.pdf
- 風電場風速及風電功率短期預測方法的研究.pdf
- 基于混合模型的風電場短期風速風功率預測研究.pdf
- 基于誤差分析修正的超短期風速及短期風電功率預測研究.pdf
- 考慮氣象因素的風電場風速及風電功率短期預測研究.pdf
- 短期風速和風電功率預測模型的研究.pdf
- 短期風電功率預測方法研究.pdf
- 風電功率短期預測方法研究.pdf
- 季風風速優(yōu)化延遲時間與短期風電功率組合預測.pdf
- 風速及風電功率預測系統(tǒng)的研究.pdf
- 短期風電功率預測技術研究.pdf
- 風電場風速及風電功率預測研究.pdf
- 風速與風電功率預測相關問題研究.pdf
- 超短期風電功率預測模型研究.pdf
- 短期風速預測的研究.pdf
- 超短期風電預測及考慮風速預測的慣性控制研究.pdf
- 短期風速在線預測研究.pdf
- 考慮風速動態(tài)時空關系的風電功率預測研究.pdf
- 風電場的風電功率短期預測研究.pdf
- 風電功率短期智能預測方法研究與實現(xiàn).pdf
評論
0/150
提交評論