[基礎(chǔ)科學(xué)]風(fēng)功率預(yù)測論文-展示頁
2025-01-27 13:13本頁面
【正文】 845213753698562238547086723395571878244056728892541577389102642587490112743597591122844607692132945617793143046627894153147637995163248648096Pd117334965812183450668231935516783420365268845213753698562238547086723395571878244056728892541577389102642587490112743597591122844607692132945617793143046627894153147637995163248648096同時(shí)通過DPS這款強(qiáng)大而又方便的軟件，我們還可以得到a．PA, PB, PC, PD b．P4 c．P58的預(yù)測值和材料給出實(shí)際值的對(duì)比圖像：注：以下圖形的綠色曲線均代表真實(shí)值P58: P4: Pa: Pb: Pc: Pd: 用灰色模型預(yù)測風(fēng)功率灰色模型預(yù)測風(fēng)速的基本原理在于兩個(gè)方面：(1) 風(fēng)速在短時(shí)間內(nèi)難以發(fā)生劇烈變化，這使風(fēng)功率的超短期預(yù)測具有可行性；(2) 灰色理論不同于其他預(yù)測理論和方法的區(qū)別在于：在樣本數(shù)據(jù)很少、信息量極少的情況下也可以有效預(yù)測。公式(11)稍作變換得： (13) 可見，是期的預(yù)測值加上用調(diào)整的期的預(yù)測誤差。于是運(yùn)用指數(shù)平滑法，我們建立了一次指數(shù)平滑模型： 其中：——第次預(yù)測值；——第次的實(shí)際觀測值； ——平滑系數(shù)，且將 代入(11)式中,可得: (12)公式(12)中各項(xiàng)系數(shù)和為: 當(dāng)時(shí), , 系數(shù)和。我們決定采用小波多分辨率分析技術(shù)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種新的預(yù)測方法, 即用小波分解技術(shù)將時(shí)間序列分解成概貌分量和各個(gè)細(xì)節(jié)分量, 然后對(duì)各分量分別用BP網(wǎng)絡(luò)進(jìn)行預(yù)測, 最后經(jīng)重構(gòu)得到原始風(fēng)功率序列的預(yù)測值。對(duì)于問題三的分析。 對(duì)于問題一我們可以采用時(shí)間序列分析類的指數(shù)平滑法、bp神經(jīng)網(wǎng)絡(luò)法、灰色預(yù)測。數(shù)據(jù)掩蓋了影響風(fēng)功率變化的因素，我們只能通過歷史數(shù)據(jù)來預(yù)測下一時(shí)間的變化，我們可以利用dps、exel、matlab等軟件對(duì)數(shù)據(jù)進(jìn)行處理，并且進(jìn)行了仿真和誤差分析。風(fēng)電功率預(yù)測精度能無限提高嗎？ 問題分析 通過對(duì)附件數(shù)據(jù)進(jìn)行分析和處理來預(yù)測風(fēng)功率的變化。請(qǐng)你在問題1的基礎(chǔ)上，構(gòu)建有更高預(yù)測精度的實(shí)時(shí)預(yù)測方法（方法類型不限），并用預(yù)測結(jié)果說明其有效性。在問題1的預(yù)測結(jié)果中，試比較單臺(tái)風(fēng)電機(jī)組功率（PA，PB，PC，PD）的相對(duì)預(yù)測誤差與多機(jī)總功率（P4，P58）預(yù)測的相對(duì)誤差，其中有什么帶有普遍性的規(guī)律嗎？從中你能對(duì)風(fēng)電機(jī)組匯聚給風(fēng)電功率預(yù)測誤差帶來的影響做出什么樣的預(yù)期？問題3：進(jìn)一步提高風(fēng)電功率實(shí)時(shí)預(yù)測精度的探索。在我國主要采用集中開發(fā)的方式開發(fā)風(fēng)電，各風(fēng)電機(jī)組功率匯聚通過風(fēng)電場或風(fēng)電場群（多個(gè)風(fēng)電場匯聚而成）接入電網(wǎng)。3） 預(yù)測時(shí)間范圍分別為（預(yù)測用的歷史數(shù)據(jù)范圍可自行選定）：a. 5月31日0時(shí)0分至5月31日23時(shí)45分；b. 5月31日0時(shí)0分至6月6日23時(shí)45分。請(qǐng)對(duì)給定數(shù)據(jù)進(jìn)行風(fēng)電功率實(shí)時(shí)預(yù)測并檢驗(yàn)預(yù)測結(jié)果是否滿足附件1中的關(guān)于預(yù)測精度的相關(guān)要求。另設(shè)該四臺(tái)機(jī)組總輸出功率為P4）及全場58臺(tái)機(jī)組總輸出功率數(shù)據(jù)（記為P58）。某風(fēng)電場由58臺(tái)風(fēng)電機(jī)組構(gòu)成，每臺(tái)機(jī)組的額定輸出功率為850kW。實(shí)時(shí)預(yù)測是滾動(dòng)地預(yù)測每個(gè)時(shí)點(diǎn)未來4小時(shí)內(nèi)的16個(gè)時(shí)點(diǎn)（每15分鐘一個(gè)時(shí)點(diǎn)）的風(fēng)電功率數(shù)值。根據(jù)電力調(diào)度部門安排運(yùn)行方式的不同需求，風(fēng)電功率預(yù)測分為日前預(yù)測和實(shí)時(shí)預(yù)測。如果可以對(duì)風(fēng)電場的發(fā)電功率進(jìn)行預(yù)測，電力調(diào)度部門就能夠根據(jù)風(fēng)電功率變化預(yù)先安排調(diào)度計(jì)劃，保證電網(wǎng)的功率平衡和運(yùn)行安全。近地風(fēng)具有波動(dòng)性、間歇性、低能量密度等特點(diǎn)，因而風(fēng)電功率也是波動(dòng)的。風(fēng)能是一種可再生、清潔的能源，風(fēng)力發(fā)電是最具大規(guī)模開發(fā)技術(shù)經(jīng)濟(jì)條件的非水電再生能源。然后選取數(shù)據(jù)進(jìn)行訓(xùn)練和驗(yàn)證，本文采用平均絕對(duì)誤差(MAE)、平均絕對(duì)百分比誤差(MAPE)和均方根誤差( RMSE )來對(duì)預(yù)測效果進(jìn)行評(píng)價(jià)，最后得出結(jié)論：該模型降低了隨機(jī)成分對(duì)確定性成分的干擾, 提高了數(shù)據(jù)變化的穩(wěn)定程度, 從而提高了預(yù)測精度。在網(wǎng)絡(luò)訓(xùn)練中采用自動(dòng)調(diào)整學(xué)習(xí)速率的方法, 即自適應(yīng)學(xué)習(xí)速率法，檢查權(quán)值的修正值是否真正降低了誤差函數(shù), 如果確實(shí)如此, 則說明所選取的學(xué)習(xí)速率值小了, 可以對(duì)其增加一個(gè)量。 針對(duì)問題三，我們采用了基于小波理論的神經(jīng)網(wǎng)絡(luò)模型。 最后通過matlab編寫程序，得出預(yù)測波形，與真實(shí)波形進(jìn)行對(duì)比。并且為了縮短訓(xùn)練時(shí)間同時(shí)更加精確的預(yù)測，首先根據(jù)經(jīng)驗(yàn)公式初步確定隱含層神經(jīng)元個(gè)數(shù)，然后通過對(duì)不同神經(jīng)元數(shù)的網(wǎng)絡(luò)進(jìn)行訓(xùn)練對(duì)比，再最終確定神經(jīng)元數(shù)。灰色預(yù)測模型中，考慮到短期預(yù)測所用數(shù)據(jù)較少，灰色模型中，將所要用到的歷史數(shù)據(jù)組成時(shí)間序列，建立灰色預(yù)測模型GM（1,1）模型，通過matlab 軟件編程，從而求解到需要預(yù)測的數(shù)據(jù)。 針對(duì)問題一，首
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1