版權(quán)說(shuō)明:本文檔由用戶(hù)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、風(fēng)力發(fā)電受到其間歇性、波動(dòng)性及不確定性等因素的制約,使得風(fēng)電接入對(duì)電網(wǎng)的安全和穩(wěn)定運(yùn)行帶來(lái)嚴(yán)峻挑戰(zhàn)。超短期風(fēng)電功率預(yù)測(cè),主要應(yīng)用于短期內(nèi)發(fā)電機(jī)組運(yùn)行調(diào)整控制,緩解風(fēng)電對(duì)電網(wǎng)帶來(lái)的不利影響,有效提高風(fēng)電并網(wǎng)容量。而風(fēng)速與風(fēng)電功率關(guān)系密切,精準(zhǔn)的風(fēng)速預(yù)測(cè)是功率預(yù)測(cè)的基礎(chǔ)和前提,這使得風(fēng)電場(chǎng)風(fēng)速的超短期預(yù)測(cè)研究意義重大。
本文基于寧夏某風(fēng)電場(chǎng)測(cè)風(fēng)塔歷史風(fēng)速數(shù)據(jù),通過(guò)對(duì)NDN神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化,開(kāi)展了風(fēng)電場(chǎng)超短期風(fēng)速預(yù)測(cè)的方法研究。
2、
1)建立了一種風(fēng)速輸入矩陣(Wind Input Matrix,WIM),使得相鄰時(shí)間點(diǎn)風(fēng)速具有較強(qiáng)的時(shí)間相關(guān)性,矩陣相鄰維數(shù)上具有較強(qiáng)的空間相關(guān)性。這一點(diǎn)通過(guò)與傳統(tǒng)形式的風(fēng)速輸入矩陣在(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)模型下的超短期風(fēng)速預(yù)測(cè)對(duì)比進(jìn)行說(shuō)明。引入了正態(tài)分布的隨機(jī)噪聲對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了改進(jìn),構(gòu)建了正態(tài)分布噪聲(Normal Distribution Noise,NDN)神經(jīng)網(wǎng)絡(luò),基于WIM開(kāi)
3、展了BP、NDN兩種神經(jīng)網(wǎng)絡(luò)模型下的超短期風(fēng)速預(yù)測(cè)。研究發(fā)現(xiàn)NDN神經(jīng)網(wǎng)絡(luò)模型的風(fēng)速預(yù)測(cè)精度較BP模型有所提高,但均存在預(yù)測(cè)時(shí)間上的延遲。
2)分別引入粒子群(Particle Swarm Optimization,PSO)算法、螢火蟲(chóng)算法(Firefly Algorithm,F(xiàn)A)對(duì)NDN神經(jīng)網(wǎng)絡(luò)權(quán)值、閾值進(jìn)行優(yōu)化。仿真實(shí)驗(yàn)結(jié)果顯示,PSO-NDN預(yù)測(cè)效果較NDN模型有所改善,但預(yù)測(cè)曲線(xiàn)與實(shí)測(cè)曲線(xiàn)相比依然存在延遲現(xiàn)象。而混合
4、優(yōu)化FA-NDN神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度表現(xiàn)不佳,實(shí)驗(yàn)結(jié)果表明,其預(yù)測(cè)精度甚至不如NDN模型的預(yù)測(cè)精度,僅比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度略高。
3)進(jìn)而引入小波分解(Wavelet Decomposition,WD)技術(shù),并結(jié)合PSO-NDN、FA-NDN兩種混合優(yōu)化模型形成了組合優(yōu)化模型WD-PSO-NDN、WD-FA-NDN,進(jìn)行風(fēng)速的超短期預(yù)測(cè),均得到了比較滿(mǎn)意的結(jié)果。其中WD-FA-NDN的預(yù)測(cè)曲線(xiàn)與實(shí)測(cè)曲線(xiàn)吻合更好,在
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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
- 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
- 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)方法研究.pdf
- 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)功率超短期和短期預(yù)測(cè).pdf
- 基于神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)的風(fēng)電場(chǎng)風(fēng)速及發(fā)電功率短期預(yù)測(cè).pdf
- 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
- 風(fēng)電場(chǎng)超短期功率預(yù)測(cè)方法的研究.pdf
- 超短期風(fēng)電場(chǎng)功率預(yù)測(cè)方法研究.pdf
- 風(fēng)電場(chǎng)風(fēng)速短期多步預(yù)測(cè)方法的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)風(fēng)速及輸出功率預(yù)測(cè)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
- 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)短期風(fēng)電功率預(yù)測(cè)研究.pdf
- 基于IPSO-GA神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)功率短期預(yù)測(cè)方法研究.pdf
- 風(fēng)電場(chǎng)超短期功率組合預(yù)測(cè)方法研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)中的應(yīng)用.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)功率短期預(yù)測(cè)應(yīng)用研究.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
- 基于主成分——神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率短期預(yù)測(cè)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
- 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
評(píng)論
0/150
提交評(píng)論