隨著化石燃料的日益枯竭以及空氣污染的不斷,可再生能源成為了當前以及未來一長段時間的重要發(fā)展方向。風能作為一種具備占地范圍小、儲存量大且燃料消耗少等優(yōu)勢的清潔能源,被賦予廣泛的發(fā)展前景。為助力電力系統(tǒng)優(yōu)化、備用系統(tǒng)安排以及電網調度決策,準確預測風速在未來時刻的波動范圍變得尤為重要。針對這一研究方向,本文以傳統(tǒng)上下界評估方法為基礎,結合風速點預測與誤差預測,分別建立了基于集成門限循環(huán)單元模型的風速區(qū)間預測模型和基于誤差預測的區(qū)間構造模型,并且在兩種模型的基礎上優(yōu)化模型結構,在保證區(qū)間預測性能的同時進一步提高模型的訓練速度。本文的主要研究工作包括:(1)提出了基于集成門限循環(huán)單元模型的風速區(qū)間預測模型,通過區(qū)間寬度預設、區(qū)間分解和區(qū)間預測得到初步預測區(qū)間,計算初步預測區(qū)間與預設區(qū)間上下界的誤差,研究誤差校正策略進一步提高預測區(qū)間的質量。(2)提出基于誤差預測的區(qū)間構造模型,利用變分模態(tài)分解算法處理原始風速數(shù)據(jù),建立點預測模型和誤差預測模型得到各子模態(tài)的預測值與誤差預測值,賦予各子模態(tài)預測誤差權重,采用模態(tài)累加的方法得到預測區(qū)間的上下界。建立受約束的單目標尋優(yōu)問題求解各子模態(tài)預測誤差的最優(yōu)權重。...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 論文章節(jié)安排
2 GRU網絡模型及其優(yōu)化方法
    2.1 神經網絡概述
    2.2 RNN網絡模型
    2.3 LSTM與 GRU網絡模型
    2.4 VMD理論與參數(shù)
    2.5 預測區(qū)間評價指標
    2.6 本章小結
3 基于集成GRU模型的風速區(qū)間預測模型
    3.1 集成GRU模型框架
    3.2 GRU預測模型
    3.3 誤差校正策略
    3.4 模型訓練步驟
    3.5 模型預測實驗
    3.6 本章小結
4 基于誤差預測的區(qū)間構造模型
    4.1 基于誤差預測的區(qū)間構造模型框架
    4.2 模型訓練步驟
    4.3 模型預測實驗
    4.4 本章小結
5 基于誤差預測的改進區(qū)間預測模型
    5.1 基于誤差預測的改進區(qū)間構造模型框架
    5.2 模型訓練步驟
    5.3 模型預測實驗
    5.4 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝



本文編號：4016289