风电功率预测问题3
关于实时预测风电机组功率的研究
摘要
能源、环境是当今人类生存和发展所要解决的紧迫问题。风力发电由于清洁 无污染，施工周期短，投资灵活，占地少，具有较好的经济效益和社会效益， 己受到世界各国政府的高度重视，成为当今世界增长最快的可再生能源，许多 国家已把发展风力发电作为改善能源结构、减少环境污染和保护生态环境的一 种措施。
电力系统调度部门必要时及时调整调度计划，这样便可有效的减轻风电对整个电网的影响。所以，风速和风力发电功率的准确预测对于负荷管理和系统运行便显得十分重要，而且还可以减少电力系统运行成本和旋转备用，提高风电穿 透功率极限，并且有利于在电力市场环境下正确制定电能交换计划，以充分利用风力资源，获得更多的经济效益和社会效益。
本文针对风电功率的预测问题进行了一系列的研究建模。对于风电功率的预测建立了三种不同的模型，然后将其进行误差分析，得出误差最小的人工神经网络模型，并对模型进行进一步的探讨，得出更高精度的模型。同时，也将单台风电机的输出功率的预测数据与多台风电机的输出功率预测数据进行比较。得出了相关规律。
对于问题一，我们利用ARIMA模型、灰色模型和人工神经网络模型对风电功率进行了实时预测，并将预测数据与事先准备好的实际数据进行比较，然后分析误差，得出了人工神经网络模型为最优模型的结论。对于ARIMA模型我们主要采用SPSS软件对数据进行预处理，然后建立。而灰色模型主要利用EXCEL软件。至于人工神经网络模型主要利用的MATLAB软件进行模型的建立。最后利用最小二乘法原理，预测数据并将数据进行拟合修正。分析误差，得出结论及相应的预测数据。
对于问题二，我们将但台风电机的预测数据与多台风电机的预测数据进行比较，得出多台风电机输出功率并不是单台风电机的输出功率单纯的叠加，而需要利用加权算法进行运算得出总功率，并进行修正，才能得出精度较高的结果。 对于问题三，我们在问题一的得出人工神经网络模型的精度最高，根据此启示，我们再次利用MATLAB建立了小波神经网络模型，然后对数据进行预测，拟合修正，得出最优解。
关键词：风电功率 最小二乘法 数据拟合 Matlab 人工神经网络模型
§1 问题的重述
你可能喜欢
- 时间序列分析
- 风功率预测系统
- 灰色预测程序
- MATLAB神经网络
- 数据分类
- 时间序列ARMA模型
- 时间序列分析综合版109页
- 时间序列分析(Time Serials Analysis)233页
- 时间序列分析(Time Serials Analysis)32页
- 麻省理工学院经济系时间序列分析2001期末考试2页
- 第八章 时间序列分析42页
- 时间序列分析17页
- 风功率预测系统基础知识(精华版)7页
- 风功率预测系统Cener_LocalPred_v12页
- 风功率预测系统的应用与优化的讨论9页
- 风功率预测系统检查说明1页
- 风功率预测系统1页
- 风功率预测系统使用手册(v2.0)33页
- BP神经网络MATLAB实例5页
- 基于MATLAB 的神经网络的仿真6页
- 基于MATLAB的BP神经网络生态用水量预测_钱淼华3页
- 基于BP神经网络的PID控制器及其MATLAB仿真1页
- 基于MATLAB的BP神经网络应用28页
- MATLAB程序代码--神经网络应用实例14页
- 经济数据的分类、来源及23页
- 8 数据挖掘之分类与预测6页
- 数据分类汇总方法8页
- 数据恢复分类17页
- 数据分类程序13页
- 第三章 数据分类汇总分析61页
