文档介绍：学位论文作者签名:毒备程导师签名煮雨两导师签名以啊呙学位论文作者签名:郭缉曰童独创性声明学位论文版权使用授权书签字日期:面眨年‘月/究成果,也不包含获得兰州童逼太堂或其他教育机构的学位或证书而使用过的材料。本学位论文作者完全了解兰州童通太堂有关保留、使用学位论文的规定。特授权本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签字日期:如侈年西月『』兰刿窒通太堂可以将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。C艿难宦畚脑诮饷芎笫视帽臼谌ㄋ得签字日期:讼年占月『日
:——董连鹰麴攮撞生』理论:曼控鱼』王猩至垒生垒旦郭华旺学科、专业:学指导教师:完成日期:兰州交通大学号:一———————————————!!!!!!!!!!!!!!!!R
摘要风能是一种可再生、无污染的新型清洁能源,其储量丰富,且分布广泛。风力发电能够在短时间内实现规模化和商业化,具有巨大的发展潜力。但是由于风电的随机性、间歇性和波动性增加了电网调度的难度,对输出功率及时有效地预测能够减少电力系统的运行成本和旋转备用,从而减轻对电网的影响,提高风电利用率。尤其兆瓦级风力发电系统的输出功率预测研究具有更为重要的现实意义。本文以兆瓦级风力发电系统为研究对象,在对国内外风速和输出功率预测研究的基础上,根据风电场的风速特性、风速和输出功率的关系,可以发现准确预测风电场所在区域的风速是准确预测兆瓦级风电机组输出功率的前提和关键。为了得到较为精确的风速预测结果,针对风电场风速特性,采用模糊系统和神经网络相结合的模糊神经网络风速预测方法,将风电场历史风速、风向、风电机组的转子转速和桨距角作为输入建立模糊神经网络风速预测模型,进行实例仿真实验;并与神经网络风速预测得到的结果进行对照比较分析,结果表明采用基于模糊神经网络风速预测的方法具有更好的预测效果,能够为风电机组的输出功率的预测奠定基本文采用基于小波神经网络的时间序列输出功率预测、基于灰色神经网络输出功率预测以及基于最小二乘支持向量机回归的输出功率预测方法,将风电场的温度、气压、空气相对湿度、风向等环境因素和预测得到的风速值作为输入对兆瓦级风电机组的输出功率进行预测,建立预测模型并进行实例仿真。将上述三种方法得到的预测结果选取适当的权重进行加权平均,建立组合预测模型消除单一预测方法可能存在的较大的偏差,以达到提高预测准确性的目的。仿真结果表明组合预测具有更高的精度。关键词:风力发电;输出功率预测;神经网络;最小二乘支持向量机回归:组合预测论文类型:应用研究础。兰州交通大学硕士学位论文
篧’瓵瑆.,甋瑃瑃瑃.,..瑃.,瑆琣..瑃琾瑀,,甌,.’.琍琋琇,.。
目录髀邸论文的选题背景和研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..翁獾难芯恳庖濉课题的国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一.:А甋模糊神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于模糊神经网络风速预测建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯模糊神经网络风速预测实例仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯谛〔ㄉ窬绲恼淄呒斗绲缁槭毙蚴涑龉β试げ庋芯俊.〔ㄉ窬纭时间序列预测方法分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于小波神经网络的时间序列输出功率预测建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯诨疑窬绲恼淄呒斗绲缁槭涑龉β试げ庋芯俊兰州交通大学硕士学位论文摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...翁獾难芯勘尘啊论文的主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.谀:窬绲姆缢僭げ庋芯俊小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小波神经网络概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.〔ɡ砺邸基于小波神经网络的时间序列输出功率预测实例仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯.⋯⋯..⋯...⋯⋯.⋯⋯⋯..⋯.⋯.⋯.⋯⋯.⋯⋯⋯⋯⋯.⋯⋯⋯.⋯...⋯⋯⋯...⋯.⋯⋯⋯⋯.