风电场风速及发电功率预测与经济效益研究

论文摘要

随着风力发电的发展,电力系统中风力发电的比例越来越大。预报发电量,提高电网运行的可靠性与经济性,已经成为重要研究问题。国内外有很多关于风力发电功率预测方法的研究。然而,极少有基于发电功率预测的经济效益分析。本文首先用Matlab支持向量机工具箱为平台,实现了风速与发电功率的预测。并且采用RBF神经网络法对发电功率进行了预测,与支持向量机进行对比分析,结果表明,运用支持向量机预测效果优于RBF神经网络。最后,通过对我国电力调度以及影响风电电价的因素等方面的研究,结合国外的先进经验,对我国利用风电发电功率预测提高风电经济效益进行了分析。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 风力发电国内外发展现状
• 1.2.1 风能资源的特性分析
• 1.2.2 世界风能资源经济效益研究
• 1.2.3 我国风力发电现状及经济效益分析
• 1.3 课题的主要工作
• 1.3.1 主要目的
• 1.3.2 完成的主要工作
• 第二章 支持向量机基本理论分析及RBF神经网络介绍
• 2.1 统计学习理论
• 2.1.1 经验风险最小化原则
• 2.1.2 VC维（Vapnik-Chervonenkis Dimension）
• 2.1.3 推广性的界理论
• 2.1.4 结构风险最小化原则
• 2.2 支持向量机算法
• 2.2.1 支持向量机基本思想
• 2.2.2 支持向量机核函数
• 2.2.3 支持向量机回归
• 2.3 RBF神经网络
• 2.3.1 RBF网络结构
• 2.3.2 RBF网络的逼近
• 2.3.3 RBF网络的学习
• 第三章 风电场风速及发电功率的预测
• 3.1 风特性分析
• 3.2 归一化法
• 3.3 风速预测模型
• 3.3.1 数据样本的处理
• 3.3.2 核函数及参数的选取
• 3.3.3 预测方法
• 3.3.4 实例分析
• 3.4 风电功率预测
• 3.4.1 风力机的空气动力特性
• 3.4.2 风电机组发电功率预报
• 第四章 经济效益的研究
• 4.1 引言
• 4.2 国外基于发电功率预测的经济效益分析
• 4.3 我国基于发电功率预测的经济效益的研究
• 4.4 结论
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 在学期间发表论文和参加科研情况