文档介绍：风电功率预测问题
答卷编号:
论文题目:风电功率预测问题
姓名
专业、班级
有效联系电话
参赛队员1
吴育文
信息与计算科学
70901班
**********
参赛队员2
廖军荣
数学与应用数学
70903班
**********
参赛队员3
贺长波
机械工程及自动化
5091601
**********
指导教师:姜玉山
参赛学校:东北大学秦皇岛分校
报名序号:807
证书邮寄地址:(学校统一组织的请填写负责人)
河北省秦皇岛市经济技术开发区泰山路143
号东北大学秦皇岛分校信息与计算科学系
答卷编号:
阅卷专家1
阅卷专家2
阅卷专家3
论文等级
风电功率预测问题
摘要
本文分别运用数据迭代、GM(1,1)灰色理论、ARMA和BP神经网络模型对该风电场2006年5月31日至6月6日各个时点的风电功率PA,PB,PC,PD,P4,P58进行预测,通过对预测误差的综合分析发现BP神经网络的精确度最高;研究第一问所得误差数据发现:机组数的增加会影响模型预测的精度,,但由于ARMA模型自身所存在的误差以及外界条件的影响,故风电功率预测精度不可能无限提高.
对问题一,分别建立数据迭代模型、BP神经网络模型、GM(1,1)模型和ARMA模型,%—%,GM(1,1)的预测误差集中在45%左右,%—25%,%—%,故BP神经网络模型预测效果最好.
对问题二,通过计算问题一中四个模型的相对误差,并比较各组风电功率,.
对问题三,我们对问题中的BP神经网络模型进行优化处理得到基于ARMA的神经网络模型,并且重新对问题一的要求进行求解,,,异常性气候等因素的影响造成不能无限提高风电功率的预测精度这一结论.
关键词:风电功率预测 ARMA GM(1,1) BP神经网络 ARMA神经网络
目录
风电功率预测问题 1
摘要 1
1 问题重述 4
2 问题分析 4
问题一的分析 4
问题二的分析 5
问题三的分析 5
3 模型假设 5
4 符号说明 5
5 问题一模型的建立与求解 6
模型一:基于数据迭代的风电功率预测模型 6
数据分析 6
模型建立 6
模型求解 7
模型二:基于灰色理论的风电功率预测模型 10
灰色模型预测风电功率的基本原理与模型建立 10
模型二求解 11
模型二评价 14
模型三:基于时间序列(ARMA)的风电功率预测模型 15
平稳性检验 15
ARMA模型的建立 15
ARMA模型的求解 21
模型四:基于BP神经网络的风电功率预测模型 28
BP网络结构 28
BP神经网络学****算法 28
神经网络输入、输出变量的选取 30
BP神经的隐层数及隐层节点数 30
BP神经网络的训练 31
模型四求解 32
预测模型的对比分析 38
6 问题二模型的建立与求解 39
平均相对误差的计算 39
平均相对误差的进一步分析 40
7 问题三模型的建立与求解 40
模型五:基于ARMA的改进神经网络模型 40
模型建立 40
模型求解 41
阻碍精度进一步改善的原因分析 43
精度值提高的极限 43
8 模型评价 43
GM(1,1)灰色预测模型优缺点 43
ARMA时间序列预测模型优缺点 44
BP神经网络模型优缺点 44
9 模型的改进方向 44
参考文献 44
附录 45
1 问题重述
随着科学技术的发展,风力发电技术得到了快速发展,、间歇性、低能量密度等特点,因而电