欢迎来到天天文库
浏览记录
ID:8241333
大小:3.60 MB
页数:88页
时间:2018-03-12
《硕士学位论文-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、兰州理工大学硕士学位论文风电场短期风速预测研究姓名:王明伟申请学位级别:硕士专业:电力电子与电力传动指导教师:王晓兰20090601硕卜学位论文摘要开发与利用新能源是我国21世纪的重要能源战略。风能是一种“取之不尽,用之不竭”、环境友好的可持续性能源,已受到了越来越广泛的重视,并成为发展最快的新型能源。但是风电具有间歇性和随机性的固有缺点,随着大量的风力发电接入电网,势必会对电力系统的安全、稳定运行以及保证电能质量带来严峻挑战,从而限制风力发电的发展规模。风电场短期风速和发电功率预测是解决该问题
2、的有效途径之一。中国的风电场大都是集中的、大容量的风电场,而且处于电网建设相对比较薄弱的地区,因此,中国更需要进行风电场短期风速和发电功率预测的研究,而发电功率的预测主要源自风速的预测。在此背景下,选择风电场短期风速预测方法作为主要研究内容,主要包括以下几个方面:首先运用统计学方法来分析风速的时间序列特性及其预测方法和应用特点,说明现实中的风速序列具有很强的非平稳性。然后运用具有“数字显微镜”之美誉的小波变换来分析历史纪录的风速数据,通过运用二进正交小波变换Mallat算法对香港和河西走廊地区风
3、速序列进行分解和重构,分离出风速序列中的低频信息和高频信息。对Mallat算法分解后的信号,运用最小二乘支持向量机分别进行向前一步预测,然后再把各预测结果合成,得到预测值。建立了基于小波交换和最小二乘支持向量机的短期风速预测方法。应用Matlab对该算法进行了仿真,仿真试验表明,小波变换是非平稳风速序列时频分析的有效工具,对风速序列的高频和低频信息起到很好的分离作用;最小二乘支持向量机的应用提高了预测的准确性。应用香港地区与河西走廊地区小时平均风速历史数据,验证了方法的有效性。关键词:风速预测;
4、风力发电;风电场;时间序列;小波分解;最小二乘支持向量机;发电功率预测AbstractDeveloping柚dmakinguseofnewenergyisimpOnantstrategyin21centuriesinChina.Windenergyhasbeenincreasin百yembracedandwindgenerationisoneofthemostprospective玳啊energyduet0itsexhaustless.Butwindpowerhasthedisadvanta星r
5、esofinte皿1ittenCe孤drandomicity,whichwillbringchallengetothesafetyandstabilizationofpower酊dandthenrestriCtthescaleofwindpowerdeVelopment.Shortt锄windspeedf:0recas“ngandwindpowerforecastinginwindf撕nisaneffediveapproachfortheabo寸epfoblem.T1lewindfa珊sina
6、
7、linaafemostlycentralized觚dlargescaledones,whilethepower鲥dsconstmctionisweak.Shorttemwindspeedforec硒tingandwindpowerfor删inginwindfarmismoreneededinChina.ThewiIldpowerforecastingisori酉natedf幻mthewindspeedforec筋tingmajldy.硼1ispaperstudiedshonte彻windspee
8、dforecastingmethods.Themainwor:ksareas置bUows:Firstlv,thestatisticsmethodisusedtoallalysethetimeseriescharacteristicofwindspeedandthewindspeedfbrecastingmethodanditsapplication.Windspeedisanon.stationarytimeseries.Seconmy,thewaveletanalysiswith“digita
9、lmicroscope”reputationisusedt0觚alysethehavenotedwindspeeddat弱.ThewaVeletdecomposition柚dreConstmctionisusedinthewilldspeeddatasinHongK0ng锄dHexicofridor,thewindspeedtimesefieswithtcndencyafedecomposedintoalow骶quencycomponent锄dseveralhigllfrequencycompo
此文档下载收益归作者所有