欢迎来到天天文库
浏览记录
ID:34977054
大小:2.68 MB
页数:57页
时间:2019-03-15
《风电场短期风速预测研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、学校代号10532学号S12092081分类号TM614密级公开硕士学位论文风电场短期风速预测研究学位申请人姓名廖玲珑培养单位电气与信息工程学院导师姓名及职称李培强副教授学科专业电气工程研究方向电力系统分析与控制论文提交日期2015年4月20日学校代号:10532学号:S12092081密级:公开湖南大学硕士学位论文风电场短期风速预测研究学位申请人姓名:廖玲珑导师姓名及职称:李培强副教授培养单位:电气与信息工程学院专业名称:电气工程论文提交日期:2015年4月20日论文答辩日期:2015年5月17日答辩委员会主席:姚建刚教授Stud
2、yonShort-termWindSpeedForecastingofwindfarmsbyLIAOLinglongB.E.(HunanUniversityofTechnology)2012AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinElectricalEngineeringintheGraduateSchoolofHunanUniversitySupervisorAssociateProfessor
3、LIPeiqiangApril,2015湖南大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加W标注引用的内容外,本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研巧做出重要贡献的个人和集体,均己在文中明确方式标明。本人完全意识到本声明的法律后果由本人承担。>作者签名:曰期:>皆年女月曰学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部口或机构送交论文的复印件和电
4、子版,允许论文被查阅和借阅。本人授权湖南大学可W将本学位论文的全部或部分内容编入有关数据库进行检索,可W采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□,在年解密后适用本授权书。2、不保密口。上相应方框内打""(请在V)作者签名:日期:年矣月日^113)导师签名:曰期:怎年知ク^表多夫中风电场短期风速预测研究摘要风能作为清洁能源和可再生能源,已得到世界各国的高度重视和大力发展。但风速的随机性导致风电场输出功率的不稳定性,大规模的风电接入电网势必会对电力系统的安全
5、、稳定运行以及电能质量带来严重的不利影响。为减轻风电功率的不稳定性对电力系统的不利影响,极其有必要准确地预测风电功率,而风速预测是风电预测的基础。在此背景下,本文对短期风速预测展开了深入研究。本文针对风速时间序列相邻时刻数值具有高相关性的特点,在单一的风速数据中,利用相邻时刻的已知风速来预测未来的风速。基于此思路,建立了相似数据和支持向量机相结合的预测模型,该模型运用一种新型的相似测度函数从大量的历史风速数据中提取与预测样本相似的数据创建训练样本,训练支持向量机预测模型,最后预测下一时刻的风速。新型相似测度函数兼顾了风速序列的数值大
6、小和变化趋势。在MATLAB平台下进行实验仿真,利用该模型分别实现单步预测和多步预测,在单步预测中模型每预测一次用实际风速更新历史数据,在多步预测中利用上一步预测值更新历史数据,结果表明在单步和多步风速预测中,相似数据搜索法提高了预测模型训练样本和预测样本的相关性,减小了预测误差。由于风速的随机性,无法对风速进行精确预测,本文在风速大小预测的基础上,研究风速变化区间预测。将信息粒化理论应用到区间预测中,对原始风速时间序列进行模糊信息粒化处理,得到原始数据变化的最小值、平均值和最大值三个序列,并利用相似数据和支持向量机相结合的预测模型
7、分别对三个序列进行回归预测,最后给出风速变化区间和趋势。实例仿真表明,粒化后的数据反映了风速变化特征,减少了数据的冗余,通过风电场实际风速数据验证,该模型能有效的预测风速的变化区间。关键词:短期风速预测;相似数据搜索;支持向量机;风速变化区间;信息粒化II硕士学位论文AbstractWindpower,asacleanandrenewableenergy,hasreceivedmoreattentionandbeendevelopedstronglyallovertheworld.However,duetotherandomness
8、ofwindspeed,thewindpoweroutputisunstable.Large-scalewindpowerconnectedtothegridpowersystemhasseriousadverseeffectsont
此文档下载收益归作者所有