隨著風(fēng)電的高速發(fā)展以及在電網(wǎng)中滲透率的急劇增大,使得風(fēng)電功率的高度隨機(jī)性和波動(dòng)性對(duì)電網(wǎng)的影響越來(lái)越大,精確的風(fēng)電功率預(yù)測(cè)對(duì)電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行、合理發(fā)電調(diào)度以及電網(wǎng)的調(diào)峰調(diào)頻都具有重要意義。已有的一些研究工作存在著許多問(wèn)題,本文對(duì)于此做了更深入的探討。由于傳統(tǒng)的最小二乘支持向量機(jī)（Least Squares Support Veotor Maohine,LS-SVM）風(fēng)電功率預(yù)測(cè)模型僅針對(duì)模型參數(shù)（懲罰因子γ、核函數(shù)寬度σ）進(jìn)行優(yōu)化,沒(méi)有較大限度的挖掘樣本信息以及探討它們之間的依存關(guān)系,所以預(yù)測(cè)誤差相對(duì)較大。文中將風(fēng)速時(shí)間序列的空間重構(gòu)參數(shù)（嵌入維度m、延遲時(shí)間τ）共同歸入?yún)?shù)優(yōu)化中,采用粒子群算法同時(shí)優(yōu)化四個(gè)參數(shù)γ,σ,m和τ,建立LS-SVM風(fēng)功率預(yù)測(cè)模型。通過(guò)對(duì)我國(guó)西北某風(fēng)電場(chǎng)的實(shí)例分析表明,文中提出的四參數(shù)同時(shí)優(yōu)化的方法切實(shí)可行,與傳統(tǒng)兩參數(shù)優(yōu)化預(yù)測(cè)模型相比較,可以一定程度的改善風(fēng)電預(yù)測(cè)精度。單一的短期風(fēng)電功率點(diǎn)預(yù)測(cè)往往不能滿足電網(wǎng)風(fēng)險(xiǎn)評(píng)估和制定決策的需求。文中首先由MATLAB中累積經(jīng)驗(yàn)分布函數(shù)（Empirical Cumulative Distribution Functio... 

【文章來(lái)源】：華北電力大學(xué)河北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 風(fēng)電功率預(yù)測(cè)技術(shù)概述
    1.3 國(guó)內(nèi)外風(fēng)功率預(yù)測(cè)研究現(xiàn)狀
    1.4 論文的主要研究?jī)?nèi)容與章節(jié)安排
        1.4.1 論文的主要研究?jī)?nèi)容
        1.4.2 論文的章節(jié)安排
第2章 基于參數(shù)優(yōu)化LS-SVM的短期風(fēng)電功率預(yù)測(cè)
    2.1 引言
    2.2 最小二乘支持向量機(jī)和粒子群算法原理
        2.2.1 最小二乘支持向量機(jī)算法原理
        2.2.2 粒子群算法原理
    2.3 模型的整體研究思路
        2.3.1 模型參數(shù)
        2.3.2 相空間重構(gòu)參數(shù)
        2.3.3 模型優(yōu)化步驟
    2.4 算例分析
        2.4.1 四參數(shù)優(yōu)化模型的風(fēng)電功率預(yù)測(cè)
        2.4.2 兩參數(shù)優(yōu)化模型的風(fēng)電功率預(yù)測(cè)
        2.4.3 兩種模型預(yù)測(cè)結(jié)果對(duì)比
    2.5 本章小節(jié)
第3章 基于多元正態(tài)分布的短期風(fēng)電功率場(chǎng)景預(yù)測(cè)
    3.1 引言
    3.2 理論基礎(chǔ)
        3.2.1 風(fēng)電功率的經(jīng)驗(yàn)分布模型
        3.2.2 風(fēng)電功率直接抽樣法
        3.2.3 風(fēng)電功率預(yù)測(cè)箱
    3.3 風(fēng)電功率的多元正態(tài)分布模型
        3.3.1 協(xié)方差矩陣的求解
        3.3.2 動(dòng)態(tài)場(chǎng)景生成步驟
    3.4 算例分析
    3.5 本章小節(jié)
第4章 基于誤差修正ARMA-GARCH模型的
    4.1 引言
    4.2 ARMA-GARCH模型的建立
    4.3 風(fēng)電功率預(yù)測(cè)誤差的修正理論
        4.3.1 預(yù)測(cè)誤差的分層方法
        4.3.2 預(yù)測(cè)誤差的預(yù)測(cè)方法
        4.3.3 預(yù)測(cè)誤差的補(bǔ)償方法
    4.4 算例分析
        4.4.1 ARMA模型的建立
        4.4.2 GARCH模型的建立
        4.4.3 預(yù)測(cè)誤差的分布擬合
        4.4.4 預(yù)測(cè)誤差的分層及補(bǔ)償結(jié)果
        4.4.5 對(duì)比方法模型
    4.5 本章小節(jié)
第5章 結(jié)論與展望
參考文獻(xiàn)
在學(xué)期間發(fā)表的學(xué)術(shù)論文和參加科研情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]新時(shí)代我國(guó)能源政策的發(fā)展趨勢(shì)與推進(jìn)路徑[J]. 郭群,王學(xué)軍.  學(xué)習(xí)與實(shí)踐. 2018(04)
[2]粒式搜索者算法優(yōu)化的SVM短期風(fēng)電功率預(yù)測(cè)[J]. 林凱,陳國(guó)初.  自動(dòng)化儀表. 2018(03)
[3]基于卡爾曼濾波的動(dòng)態(tài)軌跡預(yù)測(cè)算法[J]. 喬少杰,韓楠,朱新文,舒紅平,鄭皎凌,元昌安.  電子學(xué)報(bào). 2018(02)
[4]基于馬克思生態(tài)經(jīng)濟(jì)思想的經(jīng)濟(jì)發(fā)展方式研究——我國(guó)經(jīng)濟(jì)增長(zhǎng)、能源消耗、碳排放的實(shí)證分析[J]. 郭百紅,高文.  經(jīng)濟(jì)問(wèn)題探索. 2018(02)
[5]改進(jìn)K近鄰算法在風(fēng)功率預(yù)測(cè)及風(fēng)水協(xié)同運(yùn)行中的應(yīng)用[J]. 楊秀媛,裘微江,金鑫城,陳勇,鄒衛(wèi)美,鄭志偉,郭中華,秦澤陽(yáng).  電網(wǎng)技術(shù). 2018(03)
[6]變尺度時(shí)間窗口和波動(dòng)特征提取的短期風(fēng)電功率組合預(yù)測(cè)[J]. 葉林,滕景竹,藍(lán)海波,仲悟之,吳林林,劉輝,王錚.  電力系統(tǒng)自動(dòng)化. 2017(17)
[7]基于廣義自回歸條件異方差偏度峰度模型的風(fēng)電功率預(yù)測(cè)方法[J]. 陳昊,高山,王玉榮,張建忠.  中國(guó)電機(jī)工程學(xué)報(bào). 2017(12)
[8]基于修正后ARIMA-GARCH模型的超短期風(fēng)速預(yù)測(cè)[J]. 丁藤,馮冬涵,林曉凡,陳靖文,陳麗霞.  電網(wǎng)技術(shù). 2017(06)
[9]基于加權(quán)系數(shù)動(dòng)態(tài)修正的短期風(fēng)電功率組合預(yù)測(cè)方法[J]. 王錚,Rui Pestana,馮雙磊,申洪,Luis Rosa.  電網(wǎng)技術(shù). 2017(02)
[10]基于波動(dòng)過(guò)程聚類(lèi)的風(fēng)電功率預(yù)測(cè)極大誤差估計(jì)方法[J]. 黃坡,朱小帆,查曉明,秦亮.  電力系統(tǒng)保護(hù)與控制. 2016(13)

博士論文
[1]大容量風(fēng)電并網(wǎng)對(duì)電力系統(tǒng)安全穩(wěn)定的影響研究[D]. 張紅光.華北電力大學(xué)（北京） 2009

碩士論文
[1]基于灰色系統(tǒng)理論的風(fēng)速—風(fēng)功率預(yù)測(cè)研究[D]. 李穎男.華北電力大學(xué) 2017



本文編號(hào)：3405797