

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著風(fēng)力發(fā)電的快速發(fā)展,風(fēng)電場并網(wǎng)容量不斷遞增。近幾年來,大型風(fēng)電場建設(shè)已基本完成,為增加新能源發(fā)電裝機(jī)容量,我國開始挖掘分散式風(fēng)電場的資源,大力發(fā)展分散式風(fēng)電場。但由于風(fēng)速的波動性和不確定性,風(fēng)力發(fā)電產(chǎn)生的風(fēng)功率大小也具有不確定性,對電網(wǎng)的擾動也越來越大。當(dāng)前,許多分散式風(fēng)電場并沒有風(fēng)功率短期預(yù)測設(shè)備,給當(dāng)?shù)卣{(diào)度和自身發(fā)展帶來諸多難題。因此分散式風(fēng)電場的風(fēng)功率短期預(yù)測勢在必行,準(zhǔn)確的風(fēng)功率預(yù)測為風(fēng)電場競價上網(wǎng)提供了可靠保證,對調(diào)度自動
2、化實現(xiàn)和現(xiàn)場指導(dǎo)具有深遠(yuǎn)意義。
當(dāng)前,風(fēng)功率的預(yù)測方法主要有時間序列法、BP神經(jīng)網(wǎng)絡(luò)法和支持向量機(jī)。但是,時間序列法存在定階困難的問題,BP神經(jīng)網(wǎng)絡(luò)存在權(quán)值選擇問題,支持向量機(jī)存在參數(shù)設(shè)置的問題。本文針對不同風(fēng)電場的現(xiàn)實狀況和預(yù)測需求,利用改進(jìn)人工蜂群結(jié)合三種不同方法對上述風(fēng)電場經(jīng)網(wǎng)絡(luò)法對0-4小時以內(nèi)的風(fēng)功率進(jìn)行預(yù)測,結(jié)果發(fā)現(xiàn),該方法適用于歷史數(shù)據(jù)比較充裕,對預(yù)測精度要求比較高的場合。最后,針對BP神經(jīng)網(wǎng)絡(luò)需要數(shù)據(jù)量大、容易
3、陷入局部最優(yōu)和學(xué)習(xí)速度慢等問題,將改進(jìn)人工蜂群的支持向量機(jī)法應(yīng)用到風(fēng)功率預(yù)測中來;該算法需求的數(shù)據(jù)樣本少,預(yù)測準(zhǔn)確度較高,避免了其它一些學(xué)習(xí)算法的復(fù)雜學(xué)習(xí)過程。事實證明,該算法適合于數(shù)據(jù)樣本少、預(yù)測準(zhǔn)確度要求比較高的場合。
為了滿足國家電網(wǎng)對分散式風(fēng)電并網(wǎng)和風(fēng)電場自身發(fā)展要求,本文還開發(fā)了一種分散式風(fēng)電風(fēng)功率預(yù)測軟件。該軟件基于VB.net語言,在處理復(fù)雜計算過程時,主要依賴于MATLAB的動態(tài)鏈接庫文件;該軟件可以基于實時數(shù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)人工蜂群算法的lssvm燃?xì)庳?fù)荷預(yù)測
- 基于改進(jìn)人工蜂群算法的LSSVM燃?xì)庳?fù)荷預(yù)測.pdf
- 基于改進(jìn)人工蜂群算法的聚類研究
- 人工蜂群算法的研究與改進(jìn).pdf
- 混合人工蜂群算法的改進(jìn)研究.pdf
- 基于改進(jìn)人工蜂群算法的聚類研究.pdf
- 基于改進(jìn)人工蜂群算法的中長期電力負(fù)荷預(yù)測.pdf
- 基于改進(jìn)人工蜂群算法的機(jī)組組合優(yōu)化方法.pdf
- 人工蜂群算法的改進(jìn)與應(yīng)用.pdf
- 基于人工蜂群算法的Hadoop調(diào)度算法研究與改進(jìn).pdf
- 基于改進(jìn)人工蜂群算法的模糊聚類研究.pdf
- 基于人工蜂群算法的分類算法研究.pdf
- 人工蜂群算法的改進(jìn)及應(yīng)用研究.pdf
- 人工蜂群算法的改進(jìn)及其應(yīng)用研究.pdf
- 基于改進(jìn)人工蜂群算法的玻璃幕墻風(fēng)振可靠性研究.pdf
- 基于平均熵的自適應(yīng)人工蜂群算法改進(jìn)研究.pdf
- 基于改進(jìn)人工蜂群算法的輸電網(wǎng)擴(kuò)展規(guī)劃研究.pdf
- 人工蜂群算法的改進(jìn)方法與收斂性理論的研究.pdf
- 基于改進(jìn)人工蜂群的模糊C均值聚類算法研究.pdf
- 基于人工蜂群算法的云計算.pdf
評論
0/150
提交評論