学位论文 > 优秀研究生学位论文题录展示

神经网络算法在风电场功率预测中的应用研究

作　者: 朴金姬
导　师: 刘永前；韩爽
学　校: 华北电力大学（北京）
专　业: 流体机械及工程
关键词: 风电场功率预测数值天气预报 BP神经网络径向基函数
分类号: TM614
类　型: 硕士论文
年　份: 2011年
下　载: 320次
引　用: 1次
阅　读: 论文下载

内容摘要

准确的风电场功率预测,可以有效地减轻或避免风电场接入电网对电力系统造成的不利影响,同时提高风电在电力市场中的竞争能力。基于历史数据的方法只能用于超短期的风电场功率预测(1～6小时),对于0～24小时或者更长时间的0～72小时预测必须使用数值天气预报。本文借助数值天气预报,进行了基于神经网络方法的风电场功率预测中研究,主要工作包括：1.数据前处理方法的研究。对数值天气预报和风电场测量数据进行预处理并建立了比较完备的数据库,研究了数据的前期处理原则。2.风电场功率预测中神经网络算法的研究。首先对应用广泛的BP神经网络在风电场功率预测中的应用进行研究；然后考虑RBF具有擅长处理非线性复杂问题的能力,探索将其应用于风电场功率预测中。通过实例验证,比较了两者的优劣。结果表明RBF神经网络更加适合基于数值天气预报的风电场功率预测。3.影响风电场功率预测精度的主要因素分析。①数据的影响：输入变量和训练样本。②神经网络模型参数：BP神经网络模型中网络结构、隐层神经元以及权值和阈值的选取是构建模型的关键因素；RBF神经网络模型中隐节点数据中心、扩展常数和输出层权值的调节是关键因素。4.BP和RBF神经网络模型优化算法研究。用遗传算法对BP神经网络模型的权值和阈值进行了全局寻优；提出用正交最小二乘和梯度下降训练算法分别优化RBF神经网络模型。应用于实际算例的结果表明,经上述方法优化后的两种模型均提高了预测精度,尤其是正交最小二乘训练算法优化RBF模型预测效果更好。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-18
  1.1 课题研究背景  9-10
  1.2 课题研究的目的和意义  10-11
  1.3 风电场功率预测研究现状  11-15
    1.3.1 国外研究现状  13-15
    1.3.2 国内研究现状  15
  1.4 课题研究内容和论文结构安排  15-18
第二章神经网络原理  18-27
  2.1 引言  18
  2.2 神经网络的基本知识  18-19
    2.2.1 神经网络的基本概念  18
    2.2.2 神经网络的分类  18-19
  2.3 神经网络的基本特性  19-23
    2.3.1 神经网络的基本特征  19-21
    2.3.2 神经网络的基本功能  21-23
    2.3.3 神经网络的优点  23
  2.4 神经网络建模基础  23-26
    2.4.1 神经网络的模型  23-24
    2.4.2 神经网络常用的激发函数  24-26
  2.5 本章小结  26-27
第三章神经网络算法在风电场功率预测中的应用研究  27-46
  3.1 引言  27
  3.2 建立数据库  27-30
  3.3 BP神经网络建模  30-32
  3.4 RBF神经网络建模  32-36
  3.5 案例分析  36-44
    3.5.1 数据预处理  37
    3.5.2 预测精度评价指标  37
    3.5.3 BP神经网络实例分析  37-41
    3.5.4 RBF神经网络实例分析  41-42
    3.5.5 两种神经网络预测结果分析  42-44
  3.6 本章小结  44-46
第四章神经网络预测模型的优化  46-55
  4.1 引言  46
  4.2 遗传算法优化BP神经网络  46-51
    4.2.1 遗传算法优化BP原理  46-48
    4.2.2 模型构建  48
    4.2.3 实例与结果分析  48-51
  4.3 RBF神经网络训练算法优化  51-53
    4.3.1 正交最小二乘训练算法  51
    4.3.2 梯度下降训练算法  51-53
  4.4 本章小结  53-55
第五章结论与展望  55-57
  5.1 论文结论  55
  5.2 论文创新点  55
  5.3 课题研究展望  55-57
参考文献  57-60
攻读硕士学位期间发表的论文及其它成果  60-61
致谢  61

神经网络算法在风电场功率预测中的应用研究

内容摘要

全文目录

相似论文