风电场短期风速预测研究

论文摘要

风电在可再生能源中前景良好,调整能源结构,加强能源安全已成为全国关注的一个热点,对可再生能源的利用,特别是风能开发利用得到了高度的重视。风速预测对风电场和电力系统的运行都具有重要意义。准确的风速预测可以有效地减轻或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力,有利于电力系统调度部门及时调整调度计划。风速预测也是风能预测、风电场规划设计的一项重要的基础工作。风速预测一直是风电研究热点和技术必需,最紧急的发展需要就是改进短期预测方法。论文介绍了风速预测领域使用的预测方法及其应用特点,利用时间序列分析法和神经网络法实现风速短期预测,并对预测方法加以结合和改进。最后,对于预测效果和预测特点进行了分析和总结。MATLAB软件具有强大的计算能力和功能众多的工具箱,预测实现过程中的建立预测模型、参数识别、预测和分析等过程都用MATLAB编程实现。首先,论文对风电产业的世界和国内发展现状作以概述。其次,对预测技术原理和预测效果分析作以概述,介绍了几种常用的预测方法和预测模型以及MATLAB软件在预测算法研究中的应用。然后,介绍了时间序列相关概念,时间序列法建模过程,并详细说明了时间序列分析法实现风速超短期预测的过程。随后的两个章节中,介绍了关于神经网络的相关内容:神经网络预测发展概况、BP网络和BP算法和BP网络设计、训练以及预测方法。详细说明了BP网络实现风速短期预测的过程,结合时间序列法和神经网络法,提出了时序神经网络预测法。阐述了该法实现和设计过程。最后,论文对本课题进行了总结讨论,指出了后续工作中应努力提高和改善的地方。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 风电产业发展现状及课题背景
• 1.1.1 世界风能产业发展现状
• 1.1.2 国内风能产业发展情况
• 1.2 课题背景
• 1.3 本论文主要工作
• 第二章 预测技术及其研究发展概况
• 2.1 我国风速预测的特点
• 2.2 风速数据采集
• 2.3 预测技术原理
• 2.4 风速预测方法
• 2.5 预测效果分析方法
• 2.6 MATLAB 语言以及其在预测算法研究中的应用
• 第三章 时间序列方法的短期风速预测
• 3.1 时间序列方法概述
• 3.1.1 时间序列
• 3.1.2 时间序列分析
• 3.1.3 时间序列分析法发展概况
• 3.1.4 时间序列分析法理论依据
• 3.2 ARMA 模型形式
• 3.3 预测模型的建立
• 3.3.1 数据处理
• 3.3.2 模型识别
• 3.3.3 模型诊断
• 3.3.4 预测
• 3.4 时间序列分析法预测风速
• 3.4.1 数据处理
• 3.4.2 模型参数识别
• 3.4.3 模型诊断、检验
• 3.4.4 预测结果分析
• 第四章 神经网络算法的短期风速预测研究
• 4.1 神经网络预测发展概况
• 4.2 人工神经网络概述
• 4.2.1 人工神经元结构
• 4.2.2 人工神经网络
• 4.2.3 神经网络拓扑结构
• 4.3 BP 神经网络
• 4.3.1 BP 神经网络原理
• 4.3.2 BP 学习算法
• 4.3.3 BP 算法改进
• 4.3.4 BP 神经网络的逼近能力
• 4.3.5 BP 神经网络的泛化能力
• 4.3.6 BP 网络训练
• 4.4 BP 网络的设计
• 4.5 神经网络法预测风速
• 4.5.1 数据归一化
• 4.5.2 建立网络模型
• 4.5.3 预测分析
• 4.5.4 网络性能分析
• 第五章 时序神经网络算法及其在风速预测中的应用
• 5.1 时序神经网络算法概述
• 5.2 神经网络算法建模
• 5.2.1 归一化数据
• 5.2.2 网络结构设计
• 5.2.3 网络训练
• 5.2.4 预测
• 5.3 时序神经网络的风速预测
• 5.3.1 归一化数据处理
• 5.3.2 网络结构设计
• 5.4 预测分析
• 5.5 网络性能分析与比较
• 第六章 结论与展望
• 参考文献
• 致谢
• 硕士期间发表文章