文档介绍：:都晨副教授硕士学位论文作指导教师:张俊芳南京理工大学年月
.瓸甋瓺臗兹
研究生签名:与将研究生签名:牟蜘州年妇扣知·弓年≥月≥学位论文使用授权声明声明本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本学位论文中,除员曜⒑椭滦坏牟糠滞猓话渌艘丫⒈砘蚬ú过的研究成果,也不包含我为获得任何教育机构的学位或学历而使用过的网公布本学位论文的部分或全部内容,可以向有关部门或机构送交并授权尸材料。与我一同工作的同事对本学位论文做出的贡献均己在论文中作了明确的说明。南京理工大学有权保存本学位论文的电子和纸质文档,可以借阅或上其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文,按保密的有关规定和程序处理。
摘要关键词:气象因素,风电功率预测,遗传算法,模糊聚类技术,神经网络模型风能具有很强的随机性和波动性,这两种特性将会导致接入电网的风电功率带有剧烈的波动特性,给系统带来一系列问题。严重时还会破坏电力系统经济、安全、稳定和可靠的运行状态。因此精确有效的风电场风速及功率预测可以使运行人员提前制定调度计划、安排机组出力及系统备用等相关措施来降低风电并网所带来的影响。但是由于影响风速的因素众多以及风力自身的多变性,使得目前的预测往往很难做到精确预测,只能在算法研究、模型优化以及有用信息的提取等方面进行不断地改进。论文利用某地风电厂的历史数据作为样本数据,在算法研究的基础上对于风电场短期风速及发电功率预测。首先研究了短期风速及功率预测的一般方法:物理法、统计法和神经网络等方法:分别对基于单一的神经网络和径向基网络对短期风速预测进行深入研究,运用软件编程预测输出,并分析对比两种预测模型的预测结果。随后利用遗传算法对网络进行优化,采用相同的数据建立—短期风速预测模型。为了提高精度,通过利用模糊聚类技术对常规的历史数据进行处理,选取与预测曰有较高相似度值的几天的风速数据,,预测结果表明,基于该预测方式能显著提高风电场短期风速及功率预测的精度。
‰———————————————————————————————————————————~——.鷆￡如觚垒琁—,肌.￡、放’瑆,琠,瑅琭瑃甌,,..,—.。玛￡’.瑂瑃..。】。產琱痗。。.甌痚,.硕士论文::::‘
,,
录图表目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯Ⅵ目摘宴荽。。.....。..。.。。。......。⋯.。⋯⋯。⋯。。....。...。。....。。。.⋯。。...。。..⋯⋯.。。⋯。。。诘ヒ簧窬绲亩唐诜缢僭げ狻谝糯惴ㄓ呕疊窬纭谀:劾嗨惴ǖ腉瓸窬缍唐诜缢偌肮β试げ狻髀邸琹研究的目的和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯风电场风速及功率预测概要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.绲绯》》∈涑龉β实墓叵怠国内外风电功率预测现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯神经网络....⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯神经网络学习算法的计算步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于神经网络算法的短期风速预测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.实现神经网络对风速的短期预测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..神经网络对风速的短期预测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.~⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯琹遗传算法⋯⋯⋯⋯⋯⋯⋯⋯⋯....⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯遗传算法对神经网络的优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~⋯⋯⋯⋯⋯⋯⋯⋯.实现遗传算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于—神经网络算法的短期风速预测⋯⋯~⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯~⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~⋯⋯⋯⋯一模糊聚类算法⋯⋯⋯⋯⋯⋯⋯~⋯⋯⋯~⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯~⋯.........⋯......⋯.......⋯⋯⋯..⋯⋯..⋯.....⋯...⋯......⋯..........⋯......⋯.....⋯⋯....,硕士论文
崧塾胝雇谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯。⋯⋯⋯.⋯。参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.