文档介绍：兰州理工大学
硕士学位论文
基于最大风能追踪的风速预测研究
姓名:任艳锋
申请学位级别:硕士
专业:电力电子与电力传动
指导教师:包广清
20100511
摘要能密度达到痬行Х缌Τ鱿质奔浒俜致饰プ笥遥哂薪洗蟮姆能源与环境问题已成为全球可持续发展所面临的主要问题之一,风力发电以其无污染和可再生性,日益受到世界各国的重视,并保持增长最快的能源地位。我国西部地区由于历史、地理位置等诸多因素,存在着较多的无电地区和无电人口。全国多万无电人口大部分分布在西部地区,要解决长期稳定可靠的供电问题,只能依赖当地的自然能源。甘肃省河西走廊地区具有丰富的风力资源,风能利用价值。本课题的研究将充分发挥这一地区资源优势,在缓解全省乃至全国用电压力、降低不可再生能源消耗以及保护牛态环境等方面具有重要的促进作用。在保证风力发电系统正常稳定工作的同时,尽可能多的利用风能,实现最大风能追踪控制始终是风能控制系统的主要目标之一。根据风力机功率特性及贝茨理论,风力机从风中获得机械能的大小与风速和发电机的转速有直接关系,因此,在风力发电系统中风速值的准确测量对风能的利用至关重要。由于空气动力系统的不确定性,传统的风速计实时测量得到的数据往往偏差较大,而且这种机械测量还大大增加了系统成本和复杂性。选择恰当的最大的风能追踪控制方法是提高风电机组效率的关键因素,针对以上问题,本文提出基于改进粒子群优化的径向基窬绶缢预测和基于最小二乘支持向量机风速预测方法来提高风速预测精度,进而提高风力发电机组风能捕获效率。首先,在传统幕∩嫌τ貌欢猿蒲习因子的,该方法可以使粒子在搜索的初期获得更好的多样性,从而使粒子具有更强的摆脱局部极值的能力,同时在搜索后期加快粒子的收敛速度,提高全局寻优能力。用优化窬绾瞬问闹行闹礳,和扩展常数吼来确定更加准确的神经网络预测模型,从该模型运用到最大风能追踪的风速预测的结果看,预测误差的平均值比优化前的窬缂跎倭ァS捎诟盟惴ǘ匝数据具有强依赖性,需要大量的数据样本来训练网络,本文又提出了一种新型风速预测模型,该模型需要确定的参数只有正则参数蚏核参数模型结构简单,仿真结果的绝对值平均误差为梢钥闯觯梅椒ù锏搅预测目标,而且该方法具有小样本学习能力强、模型推广性能好、高维数据处理能力强等特性,值得在风电场风速预测应用中推广。通过以上研究,为建立具有我国自主知识产权的新型永磁直驱式风电系统设计与控制奠定理论和试验基础。关键词:直驱式永磁同步发电;风速预测;优化算法;窬纾蛔钚二乘支持向量机硕十学位论文
,..基丁最大风能追踪的风速预测研究.,琫琣瓸琲瑃甌..甌甊,.,瓸琣,,琤琣猻甎阥,
—;硕十学位论文ィ瓸瑃;琒厂瑃.,,,.—:.篜—籔.
插图索引平均适应度曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯￡,圪咄肌图直驱式永磁同步风力发电系统结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图叶尖速比控制原理图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图功率反馈控制原理图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图爬山搜索法原理图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一图风力机运行区域曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图风力机功率系数曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图发电机运行区域曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图风力机的功率特性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一浠黄骺刂频缏返耐仄私峁埂图不控整流结构图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图发电机功率一占空比关系图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图刂葡低持械姆缢僭げ饽P汀图来欧⒌缁诱髌鞯牡刃У缏贰图缢俟兰频难臼荨樟睬颉图神经元模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图阈值函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯退泻图分段线性函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图训练样本矩阵⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.W颖嗦虢峁埂算法优化窬绲牧鞒掏肌图劾嗨惴ㄈ范ㄒ愕ピ5氖俊胂哐盗飞窬缒P汀图贗惴ǖ腞神经网络测试样本与估计值⋯⋯⋯⋯⋯⋯⋯⋯贗惴ǖ腞神经例络测试误差曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图变速恒频双馈风力发电系统结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一图肌图神经网络的结构图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图基于最大风能追踪的风速预测研究
图赗神经网络的样本及预测值⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图赗神经网络的预测误差曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图结构风险最小化示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图最优分类线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯