隨著化石能源的消耗和日益突出的環(huán)境污染問題,風(fēng)電作為一種儲量巨大的可再生清潔能源,受到世界各國的廣泛關(guān)注。我國風(fēng)電總裝機(jī)容量已位居世界第一,由于采用風(fēng)電集中并網(wǎng)的開發(fā)模式,電網(wǎng)受風(fēng)電波動性影響的問題十分嚴(yán)重,也影響了風(fēng)電自身的發(fā)展前景。利用風(fēng)電功率預(yù)測技術(shù)實(shí)現(xiàn)風(fēng)電功率的準(zhǔn)確預(yù)測,有利于風(fēng)電的上網(wǎng)競價、減少棄風(fēng)、緩解風(fēng)電并網(wǎng)對電網(wǎng)的不利影響等,實(shí)現(xiàn)雙贏的目標(biāo)。目前,組合預(yù)測模型是風(fēng)電功率預(yù)測研究的一大熱點(diǎn),然而如何選擇單項預(yù)測模型以及組合方式,還值得進(jìn)一步探討。同時,如何提高風(fēng)電功率預(yù)測模型的超短期多步預(yù)測性能,仍然值得探索。圍繞以上問題,論文展開了風(fēng)電功率超短期預(yù)測的相關(guān)研究。提出一種基于灰色關(guān)聯(lián)度理論的單項預(yù)測模型篩選方法。在建立風(fēng)電功率組合預(yù)測模型前,需要從預(yù)測模型集合中篩選出備用的單項預(yù)測模型。本文所提方法給出了單項預(yù)測模型的選擇標(biāo)準(zhǔn),避免了直接給定單項預(yù)測模型的主觀性和盲目性,確保了篩選出的備用單項預(yù)測模型的合理性和有效性。提出一種基于不同優(yōu)化準(zhǔn)則和廣義回歸神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率非線性組合預(yù)測模型。利用篩選出的單項預(yù)測模型建立基于不同優(yōu)化準(zhǔn)則的線性組合預(yù)測模型,為兼顧不同準(zhǔn)則下的優(yōu)化效果,利用廣義回歸神經(jīng)網(wǎng)絡(luò)對各優(yōu)化準(zhǔn)則下的線性模型進(jìn)行非線性加權(quán)組合,得到優(yōu)化模型。對風(fēng)電場實(shí)測數(shù)據(jù)進(jìn)行仿真分析,結(jié)果表明:所提優(yōu)化模型的各項指標(biāo)相比于改進(jìn)前都有所改善,有效的提高了風(fēng)電功率超短期預(yù)測精度。考慮到梯度下降算法求解自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)(AWNN)的權(quán)值和閾值時易陷入局部極小的缺陷,提出一種改進(jìn)PSO-DE算法優(yōu)化AWNN的權(quán)值和閾值。粒子群(PSO)算法和差分進(jìn)化(DE)算法的新個體產(chǎn)生方式不同,將兩者相結(jié)合,引入一種信息溝通機(jī)制搭建兩個種群之間信息自由交流的橋梁,有利于避免單個啟發(fā)式算法因信息判斷錯誤而陷入局部極小。利用改進(jìn)模型對風(fēng)電功率進(jìn)行超短期多步預(yù)測,并進(jìn)行仿真分析,結(jié)果表明:改進(jìn)PSO-DE算法有效的優(yōu)化了AWNN的權(quán)值和閾值,所提模型具有較高的超前多步預(yù)測精度和良好的工程實(shí)用價值。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TM614

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐青山;鄭維高;卞海紅;張樂;黃煜;;考慮游程檢測法重構(gòu)的EMD-Elman風(fēng)電功率短時組合預(yù)測[J];太陽能學(xué)報;2015年12期

2 梁沛;盧繼平;鐘璐;張奮強(qiáng);;非迭代與分時段最優(yōu)的風(fēng)電功率短期預(yù)測[J];電網(wǎng)技術(shù);2015年10期

3 江岳春;張丙江;邢方方;張雨;王志剛;;基于混沌時間序列GA-VNN模型的超短期風(fēng)功率多步預(yù)測[J];電網(wǎng)技術(shù);2015年08期

4 陳燁;高亞靜;張建成;;基于離散Hopfield模式識別樣本的GRNN非線性組合短期風(fēng)速預(yù)測模型[J];電力自動化設(shè)備;2015年08期

5 雷慶坤;李生虎;陳曦鳴;王艷艷;華玉婷;;基于改進(jìn)的LMD和GRNN組合風(fēng)速預(yù)測[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2015年07期

6 張露;盧繼平;梅亦蕾;朱三立;;基于不同優(yōu)化準(zhǔn)則的風(fēng)電功率預(yù)測[J];電力自動化設(shè)備;2015年05期

7 薛禹勝;郁琛;趙俊華;Kang LI;Xueqin LIU;Qiuwei WU;Guangya YANG;;關(guān)于短期及超短期風(fēng)電功率預(yù)測的評述[J];電力系統(tǒng)自動化;2015年06期

8 王東風(fēng);王富強(qiáng);牛成林;;小波分解層數(shù)及其組合分量對短期風(fēng)速多步預(yù)測的影響分析[J];電力系統(tǒng)保護(hù)與控制;2014年08期

9 柳玉;曾德良;劉吉臻;白愷;宋鵬;;基于小波包變換的最小二乘支持向量機(jī)短期風(fēng)速多步預(yù)測和信息�；A(yù)測的研究[J];太陽能學(xué)報;2014年02期

10 王賀;胡志堅;陳珍;仉夢林;賀建波;李晨;;基于集合經(jīng)驗?zāi)B(tài)分解和小波神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率組合預(yù)測[J];電工技術(shù)學(xué)報;2013年09期

相關(guān)碩士學(xué)位論文 前7條

1 馬斌;基于人工智能的短期風(fēng)電功率組合預(yù)測研究[D];西南交通大學(xué);2016年

2 張露;風(fēng)電功率組合預(yù)測模型的研究[D];重慶大學(xué);2015年

3 朱思萌;風(fēng)電場輸出功率概率預(yù)測理論與方法[D];山東大學(xué);2014年

4 劉榮;基于Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[D];浙江大學(xué);2013年

5 寧美鳳;風(fēng)速及風(fēng)電功率短期預(yù)測方法研究[D];鄭州大學(xué);2012年

6 劉艷萍;風(fēng)電場出力的短期預(yù)測研究[D];華北電力大學(xué);2011年

7 楊良軍;基于灰色關(guān)聯(lián)度和理想解法的變壓器狀態(tài)維修策略決策[D];重慶大學(xué);2009年

本文編號：2677844