百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

首页 人人文库网 > 资源分类 > DOC文档下载

风电功率预测问题 全国一等奖论文.doc

  • 资源星级:
  • 资源大小:4.06MB   全文页数:59页
  • 资源格式: DOC        下载权限:游客/注册会员/VIP会员    下载费用:6
游客快捷下载 游客一键下载
会员登录下载
下载资源需要6

邮箱/手机号:
您支付成功后,系统会自动为您创建此邮箱/手机号的账号,密码跟您输入的邮箱/手机号一致,以方便您下次登录下载和查看订单。

支付方式: 微信支付       支付宝      
验证码:   换一换

友情提示
2:本站资源不支持迅雷下载,请使用浏览器直接下载(不支持QQ浏览器)
3:本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

风电功率预测问题 全国一等奖论文.doc

3风电功率预测问题摘要:本文着力研究了风电功率的预测问题。根据相关要求,本文中我们分别利用ARMA模型、卡尔曼滤波预测模型和小波神经网络预测模型对该风电场的风电功率进行预测。通过对预测结果各项评价指标的综合分析,发现:小波神经网络预测模型的精确度最高;单台风电机组预测误差与总机组预测误差成正相关性;多个风电机组的汇聚会使得总体的预测误差减小。另外,从神经网络的训练过程中,我们发现突加扰动是阻碍风电功率实时预测精度进一步改善的主要因素,风电功率的预测精度不可能无限提高。对于问题一,我们分别建立了ARMA、卡尔曼滤波、小波神经网络三种预测模型对指定的发电机组的输出功率进行了预测,取得了较为理想的结果。ARMA模型的预测精确度为75.4%—79.3%,卡尔曼滤波模型的预测精确度为81.3%-95%,小波神经网络模型的预测精确度为92.1%—94.7%,故小波神经网络的预测效果最好。对于问题二,我们分析比较了三种模型下单台机组和多机组5月21日至6月6日的平均相对预测误差,得知风电机组的汇聚会使得总体的预测误差减小。针对问题三,我们在问题一小波神经网络模型的基础上建立了遗传神经网络模型。经过仿真,我们发现该模型能显著减小峰值误差,有力地抑制时间延迟现象,有效地提高了预测的精确度。对仿真误差进行分析,我们指出突加的扰动是阻碍风电功率实时预测精度进一步改善的主要因素,预测的精度不可能无限提高。关键词:ARMA,卡尔曼滤波,小波神经网络,遗传神经网络4一、问题重述随着科学技术的发展,风力发电技术也得到快速发展。因为风力具有波动性、间歇性、能量密度低等特点,风电功率也是波动的。大规模风电场接入电网运行时,大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。因此,如何对风电场的发电功率进行尽可能准确的预测是急需解决的问题。本文在某风电场58台风电机组输出功率数据的基础上,需解决以下问题:(1)至少采用三种预测方法对给定的数据进行风电功率实时预测并检验预测结果是否满足预测精度的相关要求。(2)比较单台风电机组功率的相对预测误差与多机总功率的相对预测误差,分析风电机组的汇聚对于预测结果误差的影响,并做出预期。(3)在问题(1)的基础上,构建有更高预测精度的实时预测方法,并用预测结果说明其有效性。(4)在以上问题的基础上,分析论证阻碍风电功率实时预测精度进一步改善的主要因素。判断

注意事项

本文(风电功率预测问题 全国一等奖论文.doc)为本站会员(上学吧)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网(发送邮件至[email protected]或直接QQ联系客服),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。

关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

网站客服QQ:2846424093    人人文库上传用户QQ群:460291265   

[email protected] 2016-2018  renrendoc.com 网站版权所有   南天在线技术支持

经营许可证编号:苏ICP备12009002号-5