巴音风电场发电功率预测系统开发与应用

《巴音风电场发电功率预测系统开发与应用》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、国内图书分类号：国际图书分类号：专业硕士学位论文学校代码：密级：公开巴音风电场发电功率预测系统开发与应用硕士研究生：导I)ili．企业导师：申请学位：专业领域：培养方式：所在学院：答辩日期：授予学位单位：钱健王保义教授孙浩工程硕士计算机技术在职控制与计算机工程学院2013年6月华北电力大学ClassifiedIndex：U．D．C：ThesisfortheMasterDegreeResearchandImplementationofHigh—performanceWebsiteArchitectureOptimizationforPo

2、werCustomegServiceCandidate：Supervisor：AcademicDegreeAppliedfor：Speciality：School：DateofDefenee：QianJianProf．WangBaoyiMasterofEngineeringComputerTechnologySchoolofControlandComputerPSnglneeringJune，2013Degree-Conferring-Institution：NorthChinaElectricPowerUniversity华北电力大

3、学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《面向用电客户服务的高性能网站架构优化研究与实现》，是本人在导师指导下，在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名：铉健日期：。／多年[,917日华北电力大学硕士学位论文使用授权书《面向用电客户服务的高性能网站架构优化研究与实现》系本人在华北电力大学攻读硕士学位期间在导师指导下完成

4、的硕士学位论文。本论文的研究成果归华北电力大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权华北电力大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于(请在以上相应方框内打“√”)：保密口，在年解密后适用本授权书不保密√作者签名：钨使导师签名：琊义日期：支口，3年1月ifH日期：之口，3年／月／7日华北电力大学硕士学位论文IIIll摘要风电穿透功率超过一定比

5、例之后，会严重影响电能质量和电力系统的运行。如果能对风电场发电功率进行准确预测，电网调度部门根据该预测结果提前对可能发生的问题进行计划调整，将大大降低风力发电对电网的消极影响，因此，本课题对电网的稳定运行具有重大意义。本文介绍了这一课题的国内外研究现状，并具体阐述了时问序列预测算法和神经网络预测算法的基本原理，以及这两种算法在预测领域的应用。本文分析了风电场功率预测系统的特点，提出了利用时问序列算法建立AR模型和神经网络算法建立BP网络对风电场的风速和功率进行超短期预测的解决方案，基于ActionScript表示层开发技术，完成了B／

6、S构架的风电功率预测系统，实现了各种预测数据曲线的动态绘制和各种数据报表的实时汇总功能关键词：风力发电；功率预测：时间序列；人工神经网络；华北电力大学硕士学位论文AbstractWhenWindPowerPenetrationiSoveragivenratio．itwillseverelyinfluencepowerqualityandtheoperationofpowersystem．Ifwindspeedorwindpowerinwindfarmcanbeforecastedaccurately,whennecessary,dis

7、patchingdepartmentcanadjustdispatchingplanaccordingtotheforecasteddataaheadoftime．Soitwilllessentheunfavorableinfluencecausedbywindpowertotheentireelectricalnetwork．Moreoverithasothersignificancetopowersystem．ThispaperintroducesforeignresearchesinthisfieldSOfar，andillus

8、tratesthetheoryandapplicationoftimeseriesmethodandANN(artificialneuralnetwork)．FirstlybuildstheARmodelwithtime