毕业设计（论文）-风电场功率短期预测方法研究

《毕业设计（论文）-风电场功率短期预测方法研究》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、风电场功率短期预测方法研究摘要风力发电作为一种清洁的可再生的发电形式，近几年来发展迅猛。但是由于风力发电的输出功率的不稳定性，使得其大量并网的难度增大，安全性和可靠性得不到保障，从而制约了风电的大面积推广应用。因此对风电的输出功率的预测显得尤为重要。研究出一种准确、有效的风电功率预测系统可以将风力发电的应用提升到一个新的高度，具有重要的意义和深远的影响。在国内，风力发电处于一个飞速发展的阶段，相对应的预测方法研究却尚处于起步阶段，因此风电功率的预测研究在国内需求更加迫切。因此，本次的本科毕业设计课题我选择了研究对于风电功率进行短期预测的一些方法，在了解了各种方法的优劣之后

2、，我选择采用BP神经网络的方法对短期的风电功率进行预测，同时分析误差，提出可行性建议。主要的工作包括了：课题研究背景的了解，国内外的研究现状了解，预测方法的了解及筛选，程序的编写，预测结果的分析及可行性建议的提出。本次论文采用BP人工神经网络的方法，根据从马科基谷电力合作社获得的某个月的相关风速、风向、温度数据作为输入变量，建立一个输入层有四个节点数，隐含层八个节点数，输出层一个节点数的BP人工神经网络结构模型，对四小时内的风电功率进行短期预测，得出结果并分析误差。通过分析得知，BP人工神经网络模型预测短时间内的风电功率时具有一定的准确性和可行性，得出的预测结果可作为并网

3、及调度的参考数据。关键词：风电；功率；短期预测；BP神经网络28TheResearchMethodsofWindPowerShort-termPredictionAbstractWindpower,asakindofcleanandrenewablepower,hasdevelopedrapidlyinrecentyears.Buttheinstablepropertyofoutputpowerhasmadethepopularizationofwindpowermoredifficultandsafetyandreliabilitycannotbeguaranteedt

4、orestrictthewideapplicationofwindpower.Sothepredictionofoutputpowerofwindpowerisparticularlyimportant.Aprecise,efficientwindpowerpredictionsystemcanliftthewindpowertoanewheight,whichhasagreatimportanceandfar-reachinginfluence.Inourcountry,windpowerisinarapiddevelopmentstage,thepredictionm

5、ethodofcorrespondingstudiesjuststarts.Thereforethedemandofwindpowerpredictionresearchindomesticdemandismuchurgent.Therefore,abouttheundergraduatecoursegraduationdesignpaper,Ichosetostudysomeshort—termforecastingmethodsofwindpower.IwillchoosethemethodbyusingBPneuralnetworkforshort-termpred

6、ictionofwindpower,atthesametimeanalyzingtheerrorandgivingsomeproposessuggestions.Themainworkincludes:knowingthebackgroundoftheresearch,findingouttheresearchsituationathomeandabroad,understandingandscreeningofpredictionmethods,writingprogram,analyzingtheresultsandproposingsuggestions.Accor

7、dingtotheinputdatavariablesofwinddirection,therelevantwindspeedandtemperaturefromtheMaquoketaValleyofElectricCooperative,thispaperusesthemethodofBPartificialneuralnetworktoestablishaninputlayerswithfournodes,eighthiddennodes,aoutputlayernodeofBPartificialneuralnetwo