资料下载
×
基于人工神经网络和粒子群算法的风能预测模型_廖辉英
消耗积分:1 |
格式:pdf |
大小:299KB |
2017-03-08
#Freedom
分享资料个
基于人工神经网络和粒子群算法的风能预测模型_廖辉英
作为一种可再生的清洁能源, 近年来风能资源正在得到广 泛的开 发与 利 用。截止 2009 年, 中 国风 电 装 机容 量 已 达 25.8GW;2020 年,预计全国风电总装机容量将达到 30GW。风电 场的输出功率受风能随机性影响很大。随着规模越来越大、数 量越来越多的风力发电机并网运行, 这种随机性对电力系统的 影响越来越不可忽视。因此,有必要提出一种基于准确有效风能 预测的运行策略。 预测风能的方法众多, 常见的有基于数字天气预报(NWP) 的预测、以时间序列法为代表的统计预测以及以神经网络法为 主的学习预测。基于 NWP 的预测数学模型复杂,需运行在超级 计算机上,其应用有一定的局限性,有时短期预测的有效性还不 如持续型预测模型。时间序列预测法是一种历史资料的延伸预 测法,常用模型有经典时间序列分析模型、自回归滑动平均(AR－ MA)模型、卡尔曼滤波器模型、自回归滑动平均求和模型。电力 系统和风能均为复杂的非线性动态过程, 传统的模型不能准确 地描述风速或风电场功率的实际变化情况, 将影响到预测结果 的精度。人工神经网络方法一般无需研究对象的精确数学模型, 可有效弥补传统方法单纯依靠数学求解的不足。
作为一种可再生的清洁能源, 近年来风能资源正在得到广 泛的开 发与 利 用。截止 2009 年, 中 国风 电 装 机容 量 已 达 25.8GW;2020 年,预计全国风电总装机容量将达到 30GW。风电 场的输出功率受风能随机性影响很大。随着规模越来越大、数 量越来越多的风力发电机并网运行, 这种随机性对电力系统的 影响越来越不可忽视。因此,有必要提出一种基于准确有效风能 预测的运行策略。 预测风能的方法众多, 常见的有基于数字天气预报(NWP) 的预测、以时间序列法为代表的统计预测以及以神经网络法为 主的学习预测。基于 NWP 的预测数学模型复杂,需运行在超级 计算机上,其应用有一定的局限性,有时短期预测的有效性还不 如持续型预测模型。时间序列预测法是一种历史资料的延伸预 测法,常用模型有经典时间序列分析模型、自回归滑动平均(AR－ MA)模型、卡尔曼滤波器模型、自回归滑动平均求和模型。电力 系统和风能均为复杂的非线性动态过程, 传统的模型不能准确 地描述风速或风电场功率的实际变化情况, 将影响到预测结果 的精度。人工神经网络方法一般无需研究对象的精确数学模型, 可有效弥补传统方法单纯依靠数学求解的不足。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
