免費下載！
[!--downpath--]分類號：ＵＤＣ：密級：單位代碼：１００７８華東水利水電學院碩士學位論文基于ＮＷＰ數據的風電場短期功率預測研究ＳｔｕｄｙＷｉｎｄＰｏｗｅｒＳｈｏｒｔ－ＴｅｒｍＰｒｅｄｉｃｔｉｏｎＢａｓｅｄＯｎＮＷＰ研究生姓指導教專業名所在學名：電力堂醫２０１獨立完成與誠信申明ＪｉｌｌｌｌｌｌｌｌｌｌｉＪＪｌｌｌｌｌｌｌｌｌｌｆＪｍｆｌｌｉｌｌｌｌＪｌｌｌｌｐｌｌＵｌ『Ｙ２２８５６１８本人誠懇申明：所遞交的學位論文，是本人在指導班主任的指導下，獨立進行研究工作所取得的研究成果并撰寫完成的。沒有抄襲、抄襲等違背學術道德、學術規范的侵權行為。文中除早已標明引用的內容外，本學位論文中不包含其他人或集體早已發表或撰寫過的研究成果，也不包含為獲得華東水利水電學院或其它教育機構的學位或證書所使用過的材料。對本文的研究作出重要貢獻的個人和集體，均已在文中作了明晰的說明并表示了歉意。本人完全意識到本申明的法律后果由本人承當。ｆ保證人（導師）簽名簽字日期：矽ｆ三，ｒ學位論文版權使用授權書本人完全了解華東水利水電學院有關保管、使用學位論文的規定。特授權華東水利水電學院可以將學位論文的全部或部份內容公開和編入有關數據庫提供檢索，并采用翻印、縮印或掃描等復制手段復制、保存、匯編以供查閱和借書。
同意中學向國家有關部門或機構送交論文原件或打印件和電子文檔。（涉密的學位論文在揭秘后應遵循此規導師簽名：簽字日期：ｌ。ｆ３ｒ！．ｆ簽字日期：摘要基于ＮＷＰ數據的風電場短期功率預測研究摘要隨著風電規模的降低，風電在給我們帶來多方面的利益的同時，也給電網的運行帶來了挑戰，當風電穿透功率超過一定值以后，都會嚴重影響到電能質量和電力系統的穩定運行，并且會殃及常規發電形式，主要表現為電流和頻度會有較大幅度的波動。更嚴重的是，當風馬達組因為風速過大而退出運行時，可能會給電力系統導致無法承受的沖擊。因而，對風電的輸出功率進行確切的預測，除了可以降低風電并網給電網帶來的沖擊力和不穩定性，同時也可以合理的調配電力資源，致使風電發揮更大的作用。本論文在當前國外外風電功率研究現況的基礎上，對風功率短期預測的方式展開了進一步的研究，論文具體工作如下：（１）剖析風馬達組風速一功率模型，研究天氣變化對對風馬達組實際功率輸出的影響，構建風電場功率短期預測的ＢＰ神經網路模型，運用數值天氣預報（ＮＷＰ）數據作為輸入，風電場實際輸出功率為網路輸出目標值，對ＢＰ神經網路進行訓練，用訓練好的ＢＰ神經網路對未來１２小時、２４小時、４８小時和７２小時的風電場輸出功率進行預測，預測平方絕對偏差分別為：６．３３％、８．８１％、１３．６７％和１３．０３％；（２）借助ＬＭ算法優化ＢＰ神經網路模型，用優化好的模型和標準的ＢＰ網路模型進行比較，結果顯示，優化后的模型訓練速率更快，預測精度更高；（３）借助迭代自組織數據剖析技術（ＩＳＯＤＡＴＡ）降維算法，對ＮＷＰ數據進行降維運算，借助降維的ＮＷＰ數據對優化后的ＢＰ神經網路進行訓練，用訓練后的ＢＰ神經網路對風電場功率進行預測，得到降維后的ＢＰ神經網路預測平方絕對偏差分別為：６．３１％、７．１６％、１０．５４％和９．９８％。
關鍵詞：風電功率；ＢＰ神經網路；數值天氣預報（ＮＷＰ）；降維算法；ＬＭ算法華東水利水電學院碩士學位論文ＡＢｓＴＲＡＣＴＳＴＵＤＹＯＦＷＩＮＤＰＯＷＥＲＳＨＯＲＴ－ＴＥＲＭＰＲＥＤｌＣＴＩＯＮＢＡＳＥＤＯＮＮＷＰＡＢＳＴＲＡＣＴＷｉｔｈｉｎｃｒｅａｓｉｎｇｓｃａｌｅｗｉｎｄｐｏｗｅｒｗｉｎｄｐｏｗｅｒｂｒｉｎｇｓｍａｎｙｂｅｎｅｆｉｔｓｓａｍｅｔｉｍｅ，ａｌｓｏｂｒｉｎｇｓｃｈａｌｌｅｎｇｅｓｇｒｉｄｏｐｅｒａｔｉｏｎ，ｗｈｅｎｗｉｎｄｐｏｗｅｒｐｅｎｅｔｒａｔｉｏｎｅｘｃｅｅｄｓａｃｅｒｔａｉｎｖａｌｕｅ風電功率預測matlab，ｔｈｅｐｏｗｅｒｑｕａｌｉｔｙｐｏｗｅｒｓｙｓｔｅｍｏｐｅｒａｔｉｏｎｓｅｒｉｏｕｓｌｙａｆｆｅｃｔｅｄ，ｂｕｔａｌｓｏｎｏｒｍａｌｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｆｌｕｃｔｕａｔｉｏｎｆｒｅｑｕｅｎｃｙ．Ｗｈａｔｍｏｒｅｓｅｒｉｏｕｓｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｏｒｏｕｔｏｐｅｒａｔｉｏｎｄｕｅｔｏｏｌａｒｇｅ，ｍａｙｃａｕｓｅｕｎｂｅａｒａｂｌｅｉｍｐａｃｔｅｌｅｃｔｒｉｃｐｏｗｅｒｓｙｓｔｅｍ．Ｔｈｅｒｅｆｏｒｅ，ａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｐｏｗｅｒｎｏｔｏｎｌｙｃａｎｒｅｄｕｃｅｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｉｏｎｇｄｄ，ｂｕｔａｌｓｏｃａｎｄｅｐｌｏｙｐｏｗｅｒｒｅｓｏｕｒｃｅｓｒａｔｉｏｎａｌｌｙｔｏｍａｋｅｗｉｎｄｐｌａｙａｇｒｅａｔｅｒｒｏｌｅ．Ｉｎｗｉｎｄｐｏｗｅｒｐｒｅｓｅｎｔ，ｃａｒｒｉｅｄＯｕｔｆｕｒｔｈｅｒｒｅｓｅａｒｃｈｗｉｎｄｐｏｗｅｒｓｈｏｒｔ－ｔｅｒｍｆｏｒｅｃａｓｔ，ｔｈｅｃｏｎｃｒｅｔｅｗｏｒｋｆｏｌｌｏｗｓ：（１）Ａｎａｌｙｓｉｓｗｉｎｄｔｕｒｂｉｎｅｗｉｎｄ．ｐｏｗｅｒｍｏｄｅｌ，ｅｆｆｅｃｔｓｃｌｉｍａｔｅｃｈａｎｇｅｗｉｎｄｔｕｒｂｉｎｅｐｏｗｅｒｏｕｔｐｕｔ．ＴｏｅｓｔａｂｌｉｓｈＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｓｈｏｒｔ．ｔｅ砷ｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎ，ａｐｐｌｉｃａｔｉｏｎｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎ（ＮＷＰｌｄａｔａｉｎｐｕｔ，ｔｈｅａｃｔｕａｌｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｆａｒｍｏｕｔｐｕｔｔａｒｇｅｔｖａｌｕｅｎｅｔｗｏｒｋ，ｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋＷａｓｔｒａｉｎｅｄ，ｔｈｅｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｆａｒｍｎｅｘｔ１２ｈｏｕｒｓ．２４ｈｏｕｒｓ，４８ｈｏｕｒｓ７２ｈｏｕｒｓｔｒａｉｎｅｄＢＰｎｅｕｒａｌｎｅ咖ｒｌ（．ａｎｄａｎａｌｙｓｉｓｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓ，ｔｈｅｓｑｕａｒｅａｂｓｏｌｕｔｅｅｒｒｏｒｐｒｅｄｉｃｔｉｏｎｒｅｓｐｅｃｔｉｖｅｌｖｉｓ：６．３３％，８．８１％，１３．６７％ａｎｄ１３．０３％．（２）ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｏｐｔｉｍｉｚｅｄｍｏｄｅｌｓｔａｎｄａｒｄｍｏｄｅｌＩＩＩｕｓｉｎｇＬＭａｌｇｏｒｉｔｈｍ；ｔｈｅｏｐｔｉｍｉｚｅｄ華東水利水電學院碩士學位論文（３）Ｔｏｕｓｅｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇｄａｔａａｎａｌｙｓｉｓｔｅｃｈｎｉｑｕｅ（ＩＳＯＤＡＴＡ）ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ＮＷＰｄａｔａｃｌｕｓｔｅｒｅｄ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｃｌｕｓｔｅｒｅｄＮＷＰｄａｔａ，ｔｈｅｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｅｄｕｓｉｎｇｔｒａｉｎｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ風電功率預測matlab，ｃｏｍｐａｒｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｃｌｕｓｔｅｒｅｄｂｅｆｏｒｅ，ｔｈｅｓｑｕａｒｅａｂｓｏｌｕｔｅｅｒｒｏｒｃｌｕｓｔｅｒｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｒｅｓｐｅｃｔｉｖｅｌｙｉｓ：６．３１％．７．１６％．１０．５４％ａｎｄ９．９８％．ＫＥＹＷＯＲＤＳ：Ｗｉｎｄｐｏｗｅｒ；ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ；Ｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎ（ＮＷＰ）；Ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ；ＬＭａｌｇｏｒｉｔｈｍ目錄目錄摘要………二…………………………………………………………………………………ＩＡＢＳＴＲＡＣＴ…………………………………………………………………………………………ＩＩＩ１總論…………………………………………………………………………………………………………………………１１．１課題研究的背景、目的及意義…．．．．．．．．．．．．……………．．．．……．．．．．．．．．．．．…．．１１．２風電場功率短期預測的國外外研社究現況．……………．．．．．．．………．．．…．………．４１．３課題的研究內容及論文安排．．．．．．．．．．………．．……．．．．．．．………．．．．．．．．．．…．．６２風電場功率預測數據獲取…………………………………………………………………．８２．１生物質能參數類型…．．．．．…．．．．．…．．．．…．．．………………．．．．…．……．…．．．．．．８２．１．１生物質能參數種類剖析．．．．．．．．．．．．．．…………………．…．．．．．．．……．……．．．８２．１．２生物質能功率的物理模型．．．．．．．．．．………………………．．．．．．．．．…………．．１２２．２風力發電機輸出功率物理模型……………………．．．．．．．．．．．．…．……．．．．．．．．．｛２２．３ＮＷＰ數據獲取…．．…．．．．……………．………．………．．．．．．．．．．……．……１４２．３．１ＮＷＰ數據獲取．．．．．…．．…．…．．．……．．．……．．．…．．．．．．…．．…………．．１４２．３．２預測方式選定．…．…………．．．…．．．……．………．．…．．．．．．．．．．．．．．…．．１４３神經網路在短期風電場功率預測中的應用………………………………………………１８３．１神經網路原理剖析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１８３．１．１神經網路基本概念．．．．．…．．．．．……．．。
…。．。。．．…．。。………………，．．．…１８３．１．２神經網路學習方法．．．．．…．．．．……．．……．．．．…………………．．．．．．．．．．２０３．１．３常用神經網路模型………………………………………．．．．．．．．．．．．．．．．２１ＢＰ神經網路原理…………．……．…………．…………………．．．．．．．．．…．２２３．２．１ＢＰ神經網路簡介．．………………．．……．．．．……．…．………………．．２２３．２．２即神經網路算法設計．．…．．．…．……．．…．．．．．…．．………．……………．２２３．３ＢＰ網路在風電場功率短期預測中的應用…．．…．…．．．．…．．．．．．．．…．……………．２４３．３．１數據預處理．．．……………………………………………。。．。．．．．。．…２４３．３．２模型構建……………．………………．…………………．…．…．…．２７３．３．３算例剖析．．……．．．．．…．…．．．…．．．…．．．．．．．．．．．．…．．……．．．………．．２７３．４風功率預測結果評價…．．……………………………………．．．．．………．．３０４改進ＢＰ網路在風電場功率短期預測中的應用…………………………………………．３３４．１ＬＭ算法優化神經網路．．．．．．．．．．．．．．．，．．…．．…．．．．．．………．．……．．．．．．．．．．．…３３４．１．１堋算法原理剖析．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．３３
