本文關鍵詞：基于云計算和智能算法的風電功率預測方法研究

  更多相關文章： 風電功率預測 云計算 Spark平臺 菌群優(yōu)化算法 人工神經(jīng)網(wǎng)絡

【摘要】：隨著能源問題的進一步嚴峻,我國能源結構中可再生能源部分逐步增大。風力發(fā)電作為一種清潔能源,將成為未來能源結構的主體。當前風力發(fā)電設備與技術已經(jīng)相當成熟,但是風力發(fā)電的不穩(wěn)定性直接影響風電并網(wǎng),也就造成了大量的風電浪費。因而高效的風電功率預測能夠提高風電的利用率。風電功率預測比一般預測問題要更加復雜,影響風力發(fā)電的因素有很多。為了能夠進行有效的風電預測輸入?yún)?shù)必須要比一般電力功率預測問題要多。人工神經(jīng)網(wǎng)絡在風電功率預測領域應用廣泛,但是由于它容易陷入局部最優(yōu),因而多采用智能優(yōu)化算法對其進行改進。粒子群算法,遺傳算法等算法雖然能解決神經(jīng)網(wǎng)絡陷入局部最優(yōu)的問題但是當輸入?yún)?shù)維數(shù)增多時,上述算法的性能很低,很難有效的進行風電功率預測,于是本文引入菌群優(yōu)化算法對傳統(tǒng)神經(jīng)網(wǎng)絡算法進行改進,以此來進行風電功率預測。并將該算法在Spark云平臺下實現(xiàn),提高整個算法的運行相率。本文主要進行以下幾個方面的工作。(1)分析了傳統(tǒng)風電預測面臨的問題,并研究了不同預測方法的優(yōu)缺點。比較幾種智能算法的性能,根據(jù)風電預測的特殊性選擇合適的智能算法對現(xiàn)有算法進行針對性改進。(2)研究分析了菌群優(yōu)化算法的原理其特點,確定了其相對其他優(yōu)化算法對多維優(yōu)化問題具有更大優(yōu)勢。并將菌群優(yōu)化算法與人工神經(jīng)網(wǎng)絡結合,給出一種新型的神經(jīng)網(wǎng)絡預測方法—菌群神經(jīng)網(wǎng)絡(BCO-NN)。將神經(jīng)網(wǎng)絡權值、閾值等相關參數(shù)定義成一個矢量,作為菌群優(yōu)化算法的細菌個體進行優(yōu)化。并對該改進算法進行并行化設計。(3)提出了S-BCO-NN風電預測算法,在每一個Spark節(jié)點通過訓練數(shù)據(jù)集訓練BCO-NN,并通過訓練數(shù)據(jù)集評價神經(jīng)網(wǎng)絡的性能。將神經(jīng)網(wǎng)絡的性能指標傳遞至Spark主節(jié)點,根據(jù)權值決策策略給各個節(jié)點賦予不同的權值,以獲得最終的預測結果。(4)進行實驗測試與算例分析。選用內(nèi)蒙古某風電場提供的真實數(shù)據(jù),在實驗室搭建的9節(jié)點的云計算集群上對提出的算法進行性能測試,并與現(xiàn)有的風電預測方法進行對比。實驗結果表明提出算法的風電預測精度均優(yōu)于已有算法,可為風電預測提供有效依據(jù),且具有較好的并行性能。
【關鍵詞】：風電功率預測 云計算 Spark平臺 菌群優(yōu)化算法 人工神經(jīng)網(wǎng)絡
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM614;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-14
• 1.1 選題背景與意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.2.1 風電預測算法研究現(xiàn)狀11
• 1.2.2 云計算研究現(xiàn)狀11-12
• 1.3 課題研究的主要內(nèi)容12-13
• 1.4 論文的組織安排13-14
• 第2章 相關技術14-24
• 2.1 云計算14-19
• 2.1.1 hadoop云平臺14-16
• 2.1.2 Spark云計算技術16-18
• 2.1.3 hadoop與Spark技術比較18-19
• 2.2 菌群優(yōu)化算法19-22
• 2.2.1 菌群優(yōu)化算法模型19-20
• 2.2.2 菌群優(yōu)化算法原理20-22
• 2.2.3 菌群優(yōu)化算法特點22
• 2.3 本章小結22-24
• 第3章 BCO-NN風電預測算法設計24-31
• 3.1 BP神經(jīng)網(wǎng)絡24-27
• 3.1.1 BP神經(jīng)網(wǎng)絡原理24-25
• 3.1.2 BP神經(jīng)網(wǎng)絡算法的數(shù)學描述25-26
• 3.1.3 BP神經(jīng)網(wǎng)絡的不足26-27
• 3.2 風電功率預測特點27
• 3.3 BCO-NN算法設計27-30
• 3.3.1 算法設計思想27-28
• 3.3.2 人工細菌粒子設計28-29
• 3.3.3 BCO-NN算法具體實現(xiàn)29-30
• 3.4 本章小結30-31
• 4 基于Spark的S-BCO-NN算法設計31-37
• 4.1 BCO-NN算法并行化設計31
• 4.1.1 BCO-NN算法算法不足31
• 4.1.2 BCO-NN算法并行化設計思想31
• 4.2 S-BCO-NN算法設計31-35
• 4.2.1 Spark平臺并行化31-32
• 4.2.2 S-BCO-NN算法設計32-33
• 4.2.3 S-BCO-NN算法具體實現(xiàn)步驟33-34
• 4.2.4 算法性能分析34-35
• 4.3 本章小結35-37
• 第5章 Spark云計算平臺的搭建與配置37-45
• 5.1 Hadoop平臺說明37-38
• 5.2 全分布環(huán)境下Hadoop的安裝配置38-42
• 5.2.1 Hadoop安裝配置說明38
• 5.2.2 配置hosts文件38-39
• 5.2.3 安裝并配置JDK39
• 5.2.4 安裝并配置Hadoop平臺39-42
• 5.3 開發(fā)平臺搭建及配置42-44
• 5.3.1 下載并安裝Scala42
• 5.3.2 下載并安裝Spark42-44
• 5.4 本章小結44-45
• 第6章 實驗測試與算例分析45-49
• 6.1 數(shù)據(jù)集設計45
• 6.2 評價指標45-46
• 6.3 算例分析46-48
• 6.3.1 BCO-NN算法預測結果均方根誤差分析46-47
• 6.3.2 S-BCO-NN算法并行性能分析47-48
• 6.4 本章小結48-49
• 第7章 總結與展望49-51
• 7.1 本論文的主要工作49-50
• 7.2 對未來工作的展望50-51
• 參考文獻51-54
• 攻讀碩士學位期間發(fā)表的論文及其它成果54-55
• 致謝55

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡的應用與展望[J];佛山科學技術學院學報(自然科學版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡的研究及其應用[J];國際技術經(jīng)濟研究學報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡技術及其在軍用系統(tǒng)中的應用[J];現(xiàn)代防御技術;1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡及其在鐵道科技中應用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡診斷──神經(jīng)網(wǎng)絡在自動化領域里的應用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡技術的研究與應用概況[J];電機電器技術;1995年04期

10 王中賢，，錢頌迪;神經(jīng)網(wǎng)絡法在經(jīng)濟管理中的應用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

2 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

3 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

4 胡婷;改進QGA-BP模型及其在彌苴河總氮量預測中的應用[D];昆明理工大學;2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預測研究[D];昆明理工大學;2015年

6 劉波;短期風電功率預測方法研究[D];南京信息工程大學;2015年

7 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應用[D];浙江大學;2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學;2015年

9 李菊;BP神經(jīng)網(wǎng)絡在房地產(chǎn)批量評估中的應用研究[D];昆明理工大學;2015年

10 馬亮;降水點分類預測方法研究[D];中國地質(zhì)大學(北京);2015年

本文編號：620561