基于人工神经网络的风电场功率短期预测应用研究

摘要

随着不可再生燃料的日趋枯竭和环境污染的日益加重，发展风能等清洁、可再生资源已在全世界范围内受到重视。然而，风能属于低能量密度资源且自身具有波动性和不稳定性等特点，又由于风力发电机组的输出功率和风速的三次方成正比，风力发电机组的输出功率具有一定的波动性和不稳定性不可避免。不稳定的风电接入会对电网的稳定运行、电力系统安全以及电能质量的保证带来巨大的挑战。对风电功率预测的研究，是解决这一问题的有效途径，具有较高的实际意义。
　　 本文针对目前非线性预测应用最为广泛的BP神经网络和RBF神经网络做了论述和风电场功率预测建模研究，并利用西北某省风电场历史运行机组数据和NWP气象预报数据做了实测研究和缺陷分析。在此基础上，提出了应用粒子群算法对BP神经网络进行优化的研究策略。实测效果表明，经过粒子群优化的BP神经网络具有更高的预测精度和应用价值。最后，本文在软件工程思想的指导下，以面向对象程序设计思想为原则，运用J2EE技术平台对风电场功率预测系统进行了软件设计开发。本文以安装在西北某省多个风电场的功率预测系统实际生产数据为基础，对系统预测误差和实用性做了分析。分析结果表明，该系统具有较高的预测精度和实际应用价值。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 风力发电行业现状

1．3 风电功率预测研究意义

1．4 风电功率预测的分类

1．5 国内外研究现状

1．6 本论文研究内容和方法

第二章 BP神经网络风电功率预测应用研究

2．1 神经网络概述

2．2 BP神经网络

2．3 BP神经网络功率预测模型

2．4 本章小结

第三章 粒子群优化的BP神经网络功率预测研究

3．1 粒子群算法概述

3．2 粒子群算法的数学描述

3．3 PSO优化的BP神经网络预测模型

3．4 算例实测与分析

3．5 本章小结

第四章 RBF神经网络在功率预测中的应用研究

4．1 RBF神经网络概述

4．2 RBF神经网络功率预测模型

4．3 算例分析

4．4 本章小结

第五章 风电功率预测系统的软件设计

5．1 系统体系结构

5．2 相关技术介绍

5．3 系统功能设计

5．4 系统数据库设计

5．5 系统实现

5．6 风电功率预测系统的误差及应用性分析

5．7 本章小结

第六章 总结与展望

参考文献

致谢