2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、經(jīng)過“十一五”的快速發(fā)展,我國的風電裝機容量呈現(xiàn)井噴式的增長,對電力系統(tǒng)的影響越來越大。由于風電功率受風速和風向影響呈現(xiàn)出隨機性和波動性,大規(guī)模的風電并網(wǎng)對電力系統(tǒng)的安全穩(wěn)定運行帶來了嚴峻挑戰(zhàn)。因此,風電功率預報研究具有重要的理論和現(xiàn)實意義。
   國外的風電功率預報技術(shù)起步較早,有一些預報系統(tǒng)已經(jīng)成功運營。國內(nèi)的研究還處于起步階段,雖有一些系統(tǒng)問世,但在預測精度和可靠性方面仍有很大提升空間。
   本文在總結(jié)已有預測方

2、法的基礎(chǔ)上,針對基于時間序列的預報模式,研究提高風電功率預測精度的組合預測算法,提出了兩類基于小波分析與神經(jīng)網(wǎng)絡(luò)結(jié)合的預測方法,同時開發(fā)了短期風電功率預報軟件。主要工作如下:
   首先,針對小波神經(jīng)網(wǎng)絡(luò)在風電功率預測中的問題,通過在隱含層增加一個偏移小波,自適應(yīng)優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)參數(shù),有效減少了小波變換的冗余。通過對某風場風電功率預報的算例表明,偏移小波神經(jīng)網(wǎng)絡(luò)能夠避免陷入局部極小,有效提高風電功率的預報精度。
   其次,

3、提出了基于提升小波-支持向量機的風電功率預測方法。針對風電功率序列時變非線性的特點,利用提升小波變化將原始序列分解為不同頻段的細節(jié)信號和近似信號,再用支持向量機對這些序列進行回歸預測,將各自的輸出結(jié)果疊加得到預測的風電功率。同時,運用交叉驗證法優(yōu)化SVM的懲罰參數(shù)和核參數(shù),有效提高了預測精度。算例表明,提升小波變化能夠反映風電功率數(shù)據(jù)的變化特征,為SVM的學習預測提供精確的樣本,提升小波-支持向量機預測方法的精度高,優(yōu)于現(xiàn)有的SVM預測

4、方法。
   再次,提出將小波包-支持向量機的預測方法用于風電功率預測,運用SVM對小波包分解后的子序列進行預測,然后將預測結(jié)果疊加得到風電功率預測曲線。同時采用降噪技術(shù)處理小波包分解得到的高頻分量,避免信號中夾雜的噪聲對預測結(jié)果的影響。將該方法應(yīng)用于某風電場功率數(shù)據(jù),結(jié)果表明該方法能有效提高預測精度。
   本文運用VisualC開發(fā)了短期風電功率預報軟件,實現(xiàn)了對風電功率的短期預報。該系統(tǒng)用戶界面友好,支持組合使用多

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論