

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、隨著化石能源的全面緊張和環(huán)境污染的日益加劇,世界各國普遍把開發(fā)、利用可再生能源作為其重要的能源發(fā)展戰(zhàn)略。而在可再生能源中,風能是發(fā)展最快的清潔能源,風力發(fā)電方式也最具規(guī)模開發(fā)需求和商業(yè)發(fā)展前景。就目前情況來看,風力發(fā)電設備與技術已相對成熟,但是由于風力發(fā)電過程中的隨機性、波動性和間歇性,造成風電輸出功率穩(wěn)定性較差,因此限電棄風問題嚴重制約風電并網(wǎng)。目前存在的主要問題是如何提高風電功率預測的精度,特別是未來24小時的預測精度?;谝陨媳尘?/p>
2、,本文主要就以下幾個方面展開研究。
(1)風力發(fā)電系統(tǒng)歷史數(shù)據(jù)的真實可靠是進行風電功率預測的基礎,而在風力發(fā)電系統(tǒng)運行或數(shù)據(jù)采集、測量、傳輸、轉(zhuǎn)換等環(huán)節(jié),尤其是人為的限電棄風,歷史數(shù)據(jù)中不可避免的存在異常數(shù)據(jù)。本文在分析風電場異常數(shù)據(jù)特征的基礎上,采用四分位數(shù)法對風電系統(tǒng)棄風數(shù)據(jù)進行前期預處理,提高歷史數(shù)據(jù)的準確率。
(2)相比于其他智能預測算法,人工神經(jīng)網(wǎng)絡在自學習性、自適應性、魯棒性、容錯性和推廣能力方面性能表現(xiàn)
3、突出。當前風電功率預測中使用較多的人工神經(jīng)網(wǎng)絡是靜態(tài)神經(jīng)網(wǎng)絡,而利用靜態(tài)型神經(jīng)網(wǎng)絡進行預測,造成風電功率序列喪失時變特性能力,因此預測精度不高。所以,本文選用能夠更好反映風電功率動態(tài)特征的Elman神經(jīng)網(wǎng)絡,給出Elman神經(jīng)網(wǎng)絡風電功率預測算法。
(3)Elman神經(jīng)網(wǎng)絡所采用的網(wǎng)絡參數(shù)會影響網(wǎng)絡性能,而當前在神經(jīng)網(wǎng)絡學習階段,普遍采用固定梯度變化方向的梯度下降方法,采用這種方法會存在收斂速度慢、易陷入局部最優(yōu)解等缺陷,這些
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于云計算和智能算法的風電功率預測方法研究.pdf
- 基于云計算和機器學習的短期風電功率預測研究.pdf
- 基于云計算與智能算法的短期電力負荷預測方法研究.pdf
- 風電功率短期智能預測方法研究與實現(xiàn).pdf
- 短期風電功率預測方法研究.pdf
- 風電功率短期預測方法研究.pdf
- 基于MKL方法的短期風電功率預測研究.pdf
- 基于混沌特性的風電功率短期預測方法研究.pdf
- 基于人工智能的短期風電功率組合預測研究.pdf
- 基于混沌理論的短期風電功率預測方法研究.pdf
- 基于混合算法的超短期風電功率預測研究.pdf
- 基于非參數(shù)方法的短期風電功率預測研究.pdf
- 風速及風電功率短期預測方法研究.pdf
- 基于實測數(shù)據(jù)的短期風電功率混合預測方法研究.pdf
- 風電短期發(fā)電功率預測優(yōu)化算法研究.pdf
- 風電場風電功率短期智能組合預測技術.pdf
- 基于概率核學習方法的短期風電功率預測.pdf
- 短期風電功率預測技術研究.pdf
- 基于混沌時間序列的短期風電功率組合預測方法研究.pdf
- 基于支持向量機的短期風電功率預測.pdf
評論
0/150
提交評論