文档介绍：1
导师签名:!!!关于学位论文使用权的说明本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究法律责任由本人承担。中包括:①学校有权保管、并向有关部门送交学位论文的原件与复印件;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;③学校可允许学位论文被查阅或借阅:④学校可以学术交流为目的,容C苎宦畚脑诮饷芎笞袷卮斯娑。声做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的论文作者签名:日期:本人完全了解太原理工大学有关保管、使用学位论文的规定,其复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内签名:明駄f
2
基于多元时间序列的神经网络短期风速预测模型的研究摘要近年来,新能源的开发与利用已成为一个重要的研究课题,其中风能以其巨大的潜力被广泛应用,风力发电是风能利用最主要的形式。风速决定了风力发电机组的出力情况,风速的波动性、间歇性会使风电的可控难度增大。当大容量的风电接入电网时,产生的冲击也将不可估量,甚至会导致发电功率的不稳定、破坏电网的电能质量以及安全稳定运行,因此,准确的风速预测能够大大降低风速随机性对风电场稳定运行造成的影响,使电网能够及时地进行调度。本文在国家自然科学基金项目嗪牛的资助下,着重研究了风电场短期风速预测模型,考虑了风向对风速的影响,采用了一元时间序列与神经网络组合法建立了神经网络短期风速预测模型,但是建模过程较为复杂,为此,本文提出了一种基于多元时问序列的神经网络短期风速预测模型,为风速预测提供了一种新的方法。主要研究工作如下:(1)总结目前国内外对风速预测的研究状况与常见的风速预测方法,以及目前风速预测中存在的主要问题。(2)电场风速特性以及风速变化对电网的影响。太原理工大学硕士研究生学位论文
3
(3)BP络进行改进;采用灰色关联法分析风速与风向的关联程度,验证了加入风向的有效性,并通过相关系数计算与下一时刻的风速相关性较大的风向,与时间序列确定的历史风速、风速残差作为神经网络的输入变量,建立了加入风向的基于一元时间序列的神经网络风速预测模型。仿真结果表明了风向的加入能够提高风速的预测精度。(4)取以及相关程度的确定,带有一定的主观意识,为此,本文提出了一种基于多元时间序列模型的神经网络法,采用多元时间序列模型确定的风速、风向个数以及风速回归残差个数,确定神经网络的输入变量个数。仿真结果表明本文提出的方法对提高风速预测精度是可行且有效的。关键词:风速预测,一元时间序列,神经网络,多元时间序列太原理工大学硕士研究生学位论文
4
琓瓻shon-tewind够錮絚shorttewindfamSHOIUl-TERMMODELlaecapacwiIld27)ItsummzedBASEDutilizationWjnd哆血difHculofsafband。SPEEDyearsmedeVelopmentandutilization鄖hasspeedtheinstabiliof郺stability竐effects產,
5
(2)neorkItneork(4)WhenWORDSwind(1)Itper,铲edeVelopmentsummadzes琺leamsdiVersificationmoreoVer琣培,umcy太原理工大学硕士研究生学位论文nleandspeed,-on!
6
⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯风电场风速特性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯粒子群算法优化神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯