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75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(rèn)領(lǐng)

文檔簡介

1、隨著全球能源危機的到來,大力發(fā)展可再生能源已在世界范圍內(nèi)達(dá)成共識。目前,可再生能源中應(yīng)用最為廣泛,技術(shù)最為成熟,在商業(yè)化生產(chǎn)及規(guī)模化開發(fā)方面最具前景的是風(fēng)能。由于風(fēng)具有較強的隨機性、間歇性以及不可控性,風(fēng)電機組的出力也隨之具有很強的波動性,不利于電網(wǎng)系統(tǒng)的安全穩(wěn)定運行。為了減小風(fēng)電對電網(wǎng)的沖擊,減少電力系統(tǒng)運行成本和旋轉(zhuǎn)備用,提高風(fēng)電穿透功率極限,有必要對風(fēng)電場風(fēng)速及功率進行準(zhǔn)確預(yù)測。
   人工神經(jīng)網(wǎng)絡(luò)法具有自學(xué)習(xí)、自組織和自

2、適應(yīng)能力,處理非線性問題的能力較強,在風(fēng)速預(yù)測領(lǐng)域應(yīng)用較為廣泛。但訓(xùn)練神經(jīng)網(wǎng)絡(luò)要求其樣本具有較高的相似度,預(yù)測效果受風(fēng)電場的風(fēng)速特性影響較大。因此,本文在深入研究風(fēng)速分布特性、風(fēng)的變化特性以及風(fēng)速與各氣象因子的關(guān)系的基礎(chǔ)上,利用風(fēng)速變化具有一定的周期變化和連續(xù)變化的特點,對樣本進行帶加權(quán)的模式識別,以便提高訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本的相似度,進而提高風(fēng)速預(yù)測的精度。
   由于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)存在收斂速度慢、處理數(shù)據(jù)量大的缺點,本文采用R

3、BF神經(jīng)網(wǎng)絡(luò)作為預(yù)測基本模型。RBF神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)和收斂速度快、全局逼近,泛化性好等特點,更適合進行風(fēng)速預(yù)測。
   本文在對國內(nèi)外風(fēng)速及風(fēng)功率預(yù)測領(lǐng)域的研究成果進行總結(jié)分析的基礎(chǔ)上,提出了一種基于氣象因子的雙徑向基神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測模型。模型以溫度、氣壓、濕度等對風(fēng)速影響較大的氣象因子構(gòu)成輸入矢量,并通過帶加權(quán)系數(shù)的模式識別方法對歷史樣本進行篩選,分別從時間連續(xù)規(guī)律與周期規(guī)律方向采用徑向基神經(jīng)網(wǎng)絡(luò)(RBF)進行風(fēng)速預(yù)測,最終通

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(yù)覽,若沒有圖紙預(yù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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