基于非线性时间序列和神经网络的风电功率短期预测

《基于非线性时间序列和神经网络的风电功率短期预测》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、醇，，—葬；Ｖ－—■■．．、：■■分类号：ＴＭ６１４密级：＆开一＇１０１４２ＵＤＣ单位代码：：巧復３寺少、葛硕壬学位论文基于非线性时间序列和神经网络的风电功率短期预测Ｗ学号：２０１３２９６作者Ｊ施艳春学位类别：ｘｍｍ±领域：电气工程论文类型：研巧论文２０１６年０３月０４日沈阳工业大学硕士学位论文基于非线性时间序列和神经网络的风电功率短期预测ShortTermPredictionofWindPowerBase

2、dNonlinearTimeSeriesandNeuralNetwork作者：施艳春单位：电气工程学院指导教师：李勇讲师单位：电气工程学院协助指导教师：单位：单位：论文答辩日期：2016年02月26日学位授予单位：沈阳工业大学独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加［＾标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得沈阳工业大学或其他教育机构的学位或证书所使用过的材料一。与我同工作的同志对本研

3、究所做的任何贡献均己在论文中做了明确的说明并表示了谢意。签名：也媒卷日期：＾人、。、。十关于学位论文使用授权的说明本学位论文作者和指导教师完全了解沈阳工业大学有关保留、使用目学位论文的规定，Ｐ；学校有权保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权沈阳工业大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索、交流，可采用影印、缩印或其他复制手段保存论文和汇编本学位论文。（保密的论文在解密后应遵循此规定）签名；池艳著导师签名：走也日親

4、巧一／摘要随着风能在世界能源中的比重快速增加，风电产业快速发展，高精度的风电功率预测有效地减轻或避免风电场接入电网对电力系统造成的坏影响，利于实行电网调度和对风电场的管理，提高其在电力市场中的竞争能力。采用历史数据进行预测适合超短期的风电场功率预测，较长时间的预测须使用数值天气预报，目前用于风电场风速及功率预测的办法不计其数，统计方法中应用最好的分别是时间序列和神经网络方法，论文选用时间序列中ARIMA模型和神经网络模型，结合数值天气预报，组合预测风速，并对功率进行预测，主要工作包括以下几方面：论文根据相

5、关科研文献，总结了风电场风速以及功率预测发展的背景、意义以及全球现状，以及目前研究现状所面临的问题及困难。对影响风电功率预测的主要气象参数进行了简要介绍，分析了其对风电功率的影响，参数数据的处理方式及规律，讲诉了现有预测方法的分类及原理。建立ARIMA模型、BP神经网络模型以及数值天气预报的调整模型，分析三种预测方法的误差规律性。在三种单一模型的基础上进行了基于熵的风速组合预测，同时为了更进一步的提高模型预测精度，在统计三种单一模型预测误差的基础上，将权重扩展为针对24小时96时刻的权重序列，根据获得的日预测误差

6、统计到建模所需的误差统计序列中，更新权重序列，获得按日循环更新权重序列的动态熵权风速组合预测模型。建立神经网络功率预测模型，在同等条件下，对输入参数的选择和隐层神经元数目的确定进行了比较分析，确定最优参数和神经元数目，获得最优的功率预测模型。同时将建立的风速动态组合预测模型应用到功率预测模型中，对比应用前后的预测误差并进行结果分析。关键词：风速预测，风功率预测，熵权，组合预测，动态组合预测IAbstractWiththeincreasingproportionofwindpowerintheworldofener

7、gyandtherapiddevelopmentofwindpowerindustry,thehigh-precisionpredictionofwindpowerimprovesitscompetitivenessintheelectricitymarketwithitseffectivereduceandavoidnessofthebadeffectscausedbytheintegrationofwindpoweronthepowersystem,aswellasitsconducivenesstothei

8、mplementationofthepowergriddispatchingandmanagementofwindfarm.Historicaldatasareusedinshort-termwindpowerprediction,whereaslongtimepredictionmustusenumericalweatherprediction.Currently,co