学位论文 > 优秀研究生学位论文题录展示
风电场风速短期多步预测方法的研究
作 者: 朱锋
导 师: 孙辉
学 校: 大连理工大学
专 业: 电力系统及其自动化
关键词: 风速短期预测 小波降噪 最小二乘支持向量机 时间序列分析
分类号: TM614
类 型: 硕士论文
年 份: 2009年
下 载: 567次
引 用: 6次
阅 读: 论文下载
内容摘要
目前,我国风力发电产业正处于迅猛发展的阶段。但是风能是不稳定的能源,大量风电场并网发电,会给电网的稳定性带来问题。电力调度部门也需要预先了解风电场未来数小时的输出功率,以合理的安排调度计划。这就需要研究风力发电功率短期预测问题。而风速预测通常是风电功率预测的首要步骤。本文在研究风速特性的基础上,提出了一种基于最小二乘支持向量机与时间序列法的组合方法,实现了提前三小时预测风电场各小时平均风速的功能。首先,将风速序列进行小波降噪处理,分成趋势分量(低频部分)与随机分量(高频部分);然后,将相似理论引入短期风速预测中,对趋势分量建立基于最小二乘支持向量机的模型,进行多步回归预测;再根据随机分量平稳性的特点,建立时间序列模型进行多步预测。最后将两模型预测的结果相叠加经过修正后得到预测值。通过比较不同方法对长岭风电场实测风速的预测结果,本文方法要优于常用的持续法和神经网络法。由于本文方法建立在风速变化特性的基础上,在多步预测场合,适用性更强,预测精度更高。
|
全文目录
摘要 4-5 Abstract 5-8 1 绪论 8-15 1.1 课题背景及选题意义 8-10 1.2 国内外研究现状 10-14 1.3 论文的主要工作 14-15 2 风电场风速特性分析 15-26 2.1 风的特性 15-18 2.1.1 风的形成及影响因素 15 2.1.2 风速特性 15-18 2.2 基于小波理论的风速特性分析 18-25 2.2.1 信号降噪中的小波分析 18-21 2.2.2 风速序列的小波分析 21-25 2.3 本章小结 25-26 3 基于最小二乘支持向量机的预测模型 26-40 3.1 支持向量机 26-30 3.1.1 支持向量机的概念 26-27 3.1.2 支持向量机用于回归 27-29 3.1.3 支持向量机的核函数 29-30 3.2 最小二乘支持向量机 30-36 3.2.1 最小二乘支持机用于回归 30-31 3.2.2 相关参数的设定 31-33 3.2.3 基于最小二乘支持向量机的预测模型 33-36 3.3 预测实例 36-38 3.4 本章小结 38-40 4 基于时间序列法的预测模型 40-50 4.1 时间序列分析概述 40-41 4.2 基于时间序列的预测模型 41-44 4.2.1 ARMA模型 41-42 4.2.2 建模步骤 42-44 4.3 预测实例 44-48 4.4 本章小结 48-50 5 长岭风电场风速短期多步预测 50-61 5.1 长岭风电场风速特性分析 50-51 5.2 预测模型 51-54 5.2.1 模型假设 51-52 5.2.2 建模步骤 52-54 5.3 预测结果 54-60 5.4 本章小结 60-61 结论 61-62 参考文献 62-64 攻读硕士学位期间发表学术论文情况 64-65 致谢 65-66
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于数据挖掘技术在城市供水的分析与决策,F299.24;F224
- 国际快递市场及其周期特性的研究,F224
- 基于中原地区的经济增长模型及其机理分析,F127
- 等距离采样时间序列曲线拟合,O211.61
- 农用柴油机润滑油中磨粒分析及浓度趋势预测,S218.5
- 基于LS-SVM的传感器重构及其不确定度问题的研究,TP212
- 基于LS-SVM的入侵检测,TP393.08
- 基于符号时间序列分析的金融市场收益及其波动研究,F830.9
- 丁家坟滑坡形成机制及稳定性分析,P642.22
- 基于现代时间序列分析的动态数据处理方法研究,P228.4
- 基于智能优化SVM的短期负荷预测及误差修正模型研究,F224
- 湿法冶金铜萃取组分含量软测量方法研究,TF811
- 加热炉钢坯温度建模及过程模拟,TP391.9
- 基于LS-SVM的开关磁阻电动机调速系统研究,TM352
- 300MW燃煤锅炉一次风优化研究,TK227.1
- 变形监测数据处理与分析方法的研究和应用,TU196.1
- 最小二乘支持向量机算法及应用研究,TP183
- 协同过滤推荐系统中用户概貌攻击检测算法研究,TP393.08
- 基于粗糙集理论的数据挖掘技术在时序信号分析系统中的应用,TN911.6
- 基于支持向量机的企业信用风险评估研究,F224
中图分类: > 工业技术 > 电工技术 > 发电、发电厂 > 各种发电 > 风能发电
© 2012 www.xueweilunwen.com
|