风电场的风速短期预测方法研究.docx

摘要：随着中国电力事业的快速发展，风能作为清洁可再生能源的一种形式进入日常生产和生活。风力发电可以解决能源供应和为在中国的二氧化碳排放量的问题提供了新的思路，从而实现可持续发展。随着风电规模的愈发拓展，国内外对风速的研究愈发深切和普遍。

由于风速的波动和不可控性，电网系统的稳定性受到很大的影响，进一步加剧了电网调配的难度。准确的风速预测既有利于减轻或避免风电场对电力运行系统的不利影响，而且有助于电力系统调度部门及时按需调整调度计划。作为研究热点，预测精度是其核心内容。

本文起先介绍中国风电产业的成长历程。其次，分析数种常见预测模型和手段后，论述本文的预测原理和建模依据：时间序列法以及人工神经网络法。原始数据需经由归一化、稳定化后再处理。经历建模、预测、比较、筛选，建立随机时间序列法和神经网络法模型。利用MATLAB语言编程对误差和预测精度进行对比。建立的时序神经网络法模型, 较大误差未出现，学习训练时间短，新训练的样本集拟合较好, 预测精度进一步提高。网络输出值和真实观测值之间无大偏差。

关键词：短期风速预测，神经网络，MATLAB

目 录

摘 要

ABSTRACT

第一章 绪论-1

1.1 课题背景及意义-1

1.1.1 风力发电的现状及发展趋势-1

1.1.2 风速预测的意义-3

1.2 风速预测技术发展历程-3

1.3 本文的主要研究内容-4

第二章  风速测量和短期预报方法概述-5

2.1 风速的相关概念-5

2.2 风速预测方法概述-6

2.3 预测效果误差指标-6

2.4 预测误差评价-7

2.5 本章小结-7

第三章 风速预测的时间序列法-8

3.1 时间序列分析原理及实现-8

3.2 预测模型的建立-9

3.2.1 数据模型处理-9

3.2.2 数据标准化处理-9

3.2.3 预测模型参数确立-10

3.3 建模计算步骤与计算流程-11

3.4 风速预测的时间序列分析法实例-11

3.5 本章小结-13

第四章 简单人工神经网络介绍-14

4.1 人工神经网络概述-14

4.2 RBF神经网络基本理论-14

4.2.1 RBF神经网络模型-14

4.2.2 RBF网络的学习算法-15

4.2.3 RBF基函数形式-15

4.2.4 RBF的广义回归网络-16

4.3 BP神经网络基本理论-16

4.3.1 BP网络和广义回归网络的不同-16

4.3.2 BP网络感知机模型-17

4.3.3 BP神经网络模型-17

4.4 Elman神经网络-18

4.4.1 网络定义-18

4.4.2  Elman网络结构-18

4.4.3 构建Elman网络-19

 4.5 本章小结-19

第五章  MATLAB中的神经网络实例分析-20

5.1 神经网络的创建-20

5.1.1 RBF神经网络的创建函数-20

5.1.2 BP网络的工具箱常用函数表格-20

5.1.3 Elman网络的基本构建函数-20

5.1.4 编程中的注意点-21

5.2时间序列建模预测实例分析-22

5.3 神经网络建模预测实例分析-23

5.3.1 数据归一化-23

5.3.2 RBF神经网络建模-23

5.3.3 BP网络建模-24

5.3.4 Elman神经网络建模-26

5.4 数据分析-28

5.5 本章小结-28

第六章 全文的总结与展望-29

6.1 全文总结-29

6.2 展望-29

参考文献-30

致  谢-31