独立完成与诚信声明ＪｉｌｌｌｌｌｌｌｌｌｌｉＪＪｌｌｌｌｌｌｌｌｌｌｆＪｍｆｌｌｉｌｌｌｌＪｌｌｌｌｐｌｌＵｌ『Ｙ２２８５６１８本人郑重声明：所提交的学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的研究成果并撰写完成的。没有剽窃、抄袭等违反学术道德、学术规范的侵权行为。文中除已经标注引用的内容外，本学位论文中不包含其他人或集体已经发表或撰写过的研究成果，也不包含为获得华北水利水电大学或其它教育机构的学位或证书所使用过的材料。对本文的研究做出重要贡献的个人和集体，均已在文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律后果由本人承担。ｆ保证人（导师）签名签字日期：矽ｆ三，ｒ学位论文版权使用授权书本人完全了解华北水利水电大学有关保管、使用学位论文的规定。特授权华北水利水电大学可以将学位论文的全部或部分内容公开和编入有关数据库提供检索，并采用影印、缩印或扫描等复制手段复制、保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文原件或复印件和电子文档。（涉密的学位论文在解密后应遵守此规导师签名：签字日期：ｌ。ｆ３ｒ！．ｆ签字日期：摘要基于ＮＷＰ数据的风电场短期功率预测研究摘要随着风电规模的增加，风电在给我们带来多方面的利益的同时，也给电网的运行带来了挑战，当风电穿透功率超过一定值之后，就会严重影响到电能质量和电力系统的稳定运行，而且会危及常规发电方式，主要表现为电压和频率会有较大幅度的波动。
更严重的是，当风电机组由于风速过大而退出运行时，可能会给电力系统造成难以承受的冲击。因此，对风电的输出功率进行准确的预测，不仅可以减少风电并网给电网带来的冲击力和不稳定性，同时也可以合理的调配电力资源，使得风电发挥更大的作用。本论文在当前国内外风电功率研究现状的基础上，对风功率短期预测的方法展开了进一步的研究，论文具体工作如下：（１）分析风电机组风速一功率模型，研究天气变化对对风电机组实际功率输出的影响，建立风电场功率短期预测的ＢＰ神经网络模型，运用数值天气预报（ＮＷＰ）数据作为输入，风电场实际输出功率为网络输出目标值，对ＢＰ神经网络进行训练，用训练好的ＢＰ神经网络对未来１２小时、２４小时、４８小时和７２小时的风电场输出功率进行预测，预测平方绝对误差分别为：６．３３％、８．８１％、１３．６７％和１３．０３％；（２）利用ＬＭ算法优化ＢＰ神经网络模型，用优化好的模型和标准的ＢＰ网络模型进行比较，结果显示，优化后的模型训练速度更快，预测精度更高；（３）利用迭代自组织数据分析技术（ＩＳＯＤＡＴＡ）聚类算法，对ＮＷＰ数据进行聚类运算，利用聚类的ＮＷＰ数据对优化后的ＢＰ神经网络进行训练，用训练后的ＢＰ神经网络对风电场功率进行预测，得到聚类后的ＢＰ神经网络预测平方绝对误差分别为：６．３１％、７．１６％、１０．５４％和９．９８％。
关键词：风电功率；ＢＰ神经网络；数值天气预报（ＮＷＰ）；聚类算法；ＬＭ算法华北水利水电大学硕士学位论文ＡＢｓＴＲＡＣＴＳＴＵＤＹＯＦＷＩＮＤＰＯＷＥＲＳＨＯＲＴ－ＴＥＲＭＰＲＥＤｌＣＴＩＯＮＢＡＳＥＤＯＮＮＷＰＡＢＳＴＲＡＣＴＷｉｔｈｉｎｃｒｅａｓｉｎｇｓｃａｌｅｗｉｎｄｐｏｗｅｒｗｉｎｄｐｏｗｅｒｂｒｉｎｇｓｍａｎｙｂｅｎｅｆｉｔｓｓａｍｅｔｉｍｅ，ａｌｓｏｂｒｉｎｇｓｃｈａｌｌｅｎｇｅｓｇｒｉｄｏｐｅｒａｔｉｏｎ，ｗｈｅｎｗｉｎｄｐｏｗｅｒｐｅｎｅｔｒａｔｉｏｎｅｘｃｅｅｄｓａｃｅｒｔａｉｎｖａｌｕｅ，ｔｈｅｐｏｗｅｒｑｕａｌｉｔｙｐｏｗｅｒｓｙｓｔｅｍｏｐｅｒａｔｉｏｎｓｅｒｉｏｕｓｌｙａｆｆｅｃｔｅｄ，ｂｕｔａｌｓｏｎｏｒｍａｌｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｆｌｕｃｔｕａｔｉｏｎｆｒｅｑｕｅｎｃｙ．Ｗｈａｔｍｏｒｅｓｅｒｉｏｕｓｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｏｒｏｕｔｏｐｅｒａｔｉｏｎｄｕｅｔｏｏｌａｒｇｅ，ｍａｙｃａｕｓｅｕｎｂｅａｒａｂｌｅｉｍｐａｃｔｅｌｅｃｔｒｉｃｐｏｗｅｒｓｙｓｔｅｍ．Ｔｈｅｒｅｆｏｒｅ，ａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｐｏｗｅｒｎｏｔｏｎｌｙｃａｎｒｅｄｕｃｅｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｉｏｎｇｄｄ，ｂｕｔａｌｓｏｃａｎｄｅｐｌｏｙｐｏｗｅｒｒｅｓｏｕｒｃｅｓｒａｔｉｏｎａｌｌｙｔｏｍａｋｅｗｉｎｄｐｌａｙａｇｒｅａｔｅｒｒｏｌｅ．Ｉｎｗｉｎｄｐｏｗｅｒｐｒｅｓｅｎｔ，ｃａｒｒｉｅｄＯｕｔｆｕｒｔｈｅｒｒｅｓｅａｒｃｈｗｉｎｄｐｏｗｅｒｓｈｏｒｔ－ｔｅｒｍｆｏｒｅｃａｓｔ，ｔｈｅｃｏｎｃｒｅｔｅｗｏｒｋｆｏｌｌｏｗｓ：（１）Ａｎａｌｙｓｉｓｗｉｎｄｔｕｒｂｉｎｅｗｉｎｄ．ｐｏｗｅｒｍｏｄｅｌ，ｅｆｆｅｃｔｓｃｌｉｍａｔｅｃｈａｎｇｅｗｉｎｄｔｕｒｂｉｎｅｐｏｗｅｒｏｕｔｐｕｔ．ＴｏｅｓｔａｂｌｉｓｈＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｓｈｏｒｔ．ｔｅ砷ｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎ，ａｐｐｌｉｃａｔｉｏｎｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎ（ＮＷＰｌｄａｔａｉｎｐｕｔ，ｔｈｅａｃｔｕａｌｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｆａｒｍｏｕｔｐｕｔｔａｒｇｅｔｖａｌｕｅｎｅｔｗｏｒｋ，ｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋＷａｓｔｒａｉｎｅｄ，ｔｈｅｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｆａｒｍｎｅｘｔ１２ｈｏｕｒｓ．２４ｈｏｕｒｓ，４８ｈｏｕｒｓ７２ｈｏｕｒｓｔｒａｉｎｅｄＢＰｎｅｕｒａｌｎｅ咖ｒｌ（．ａｎｄａｎａｌｙｓｉｓｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓ，ｔｈｅｓｑｕａｒｅａｂｓｏｌｕｔｅｅｒｒｏｒｐｒｅｄｉｃｔｉｏｎｒｅｓｐｅｃｔｉｖｅｌｖｉｓ：６．３３％，８．８１％，１３．６７％ａｎｄ１３．０３％．（２）ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｏｐｔｉｍｉｚｅｄｍｏｄｅｌｓｔａｎｄａｒｄｍｏｄｅｌＩＩＩｕｓｉｎｇＬＭａｌｇｏｒｉｔｈｍ；ｔｈｅｏｐｔｉｍｉｚｅｄ华北水利水电大学硕士学位论文（３）Ｔｏｕｓｅｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇｄａｔａａｎａｌｙｓｉｓｔｅｃｈｎｉｑｕｅ（ＩＳＯＤＡＴＡ）ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ＮＷＰｄａｔａｃｌｕｓｔｅｒｅｄ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｃｌｕｓｔｅｒｅｄＮＷＰｄａｔａ，ｔｈｅｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｅｄｕｓｉｎｇｔｒａｉｎｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ｃｏｍｐａｒｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｃｌｕｓｔｅｒｅｄｂｅｆｏｒｅ，ｔｈｅｓｑｕａｒｅａｂｓｏｌｕｔｅｅｒｒｏｒｃｌｕｓｔｅｒｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｒｅｓｐｅｃｔｉｖｅｌｙｉｓ：６．３１％．７．１６％．１０．５４％ａｎｄ９．９８％．ＫＥＹＷＯＲＤＳ：Ｗｉｎｄｐｏｗｅｒ；ＢＰｎｅｕｒａｌ ｎｅｔｗｏｒｋ；Ｎｕｍｅｒｉｃａｌ ｗｅａｔｈｅｒ ｐｒｅｄｉｃｔｉｏｎ （ＮＷＰ）；Ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ；ＬＭ ａｌｇｏｒｉｔｈｍ 目录目录摘要………二…………………………………………………………………………………Ｉ ＡＢＳＴＲＡＣＴ…………………………………………………………………………………………ＩＩＩ １绪论…………………………………………………………………………………………………………………………１ １．１课题研究的背景、目的及意义…．．．．．．．．．．．．……………．．．．……．．．．．．．．．．．．…．．１ １．２风电场功率短期预测的国内外研究现状．……………．．．．．．．………．．．…．………．４ １．３课题的研究内容及论文安排．．．．．．．．．．………．．……．．．．．．．………．．．．．．．．．．…．．６ ２风电场功率预测数据获取…………………………………………………………………．８ ２．１风能参数类型…．．．．．…．．．．．…．．．．…．．．………………．．．．…．……．…．．．．．．８ ２．１．１风能参数种类分析．．．．．．．．．．．．．．…………………．…．．．．．．．……．……．．．８ ２．１．２风能功率的数学模型．．．．．．．．．．………………………．．．．．．．．．…………．．１２ ２．２风力发电机输出功率数学模型……………………．．．．．．．．．．．．…．……．．．．．．．．．｛２ ２．３ ＮＷＰ数据获取…．．…．．．．……………．………．………．．．．．．．．．．……．……１４ ２．３．１ＮＷＰ数据获取．．．．．…．．…．…．．．……．．．……．．．…．．．．．．…．．…………．．１４ ２．３．２预测方法选取．…．…………．．．…．．．……．………．．…．．．．．．．．．．．．．．…．．１４ ３神经网络在短期风电场功率预测中的应用………………………………………………１８ ３．１神经网络原理分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１８ ３．１．１神经网络基本概念．．．．．…．．．．．……．．。
…。．。。．．…．。。………………，．．．…１８ ３．１．２神经网络学习方式．．．．．…．．．．……．．……．．．．…………………．．．．．．．．．．２０ ３．１．３常用神经网络模型………………………………………．．．．．．．．．．．．．．．．２１ ＢＰ神经网络原理…………．……．…………．…………………．．．．．．．．．…．２２３．２．１ ＢＰ神经网络简介．．………………．．……．．．．……．…．………………．．２２ ３．２．２即神经网络算法设计．．…．．．…．……．．…．．．．．…．．………．……………．２２ ３．３ ＢＰ网络在风电场功率短期预测中的应用…．．…．…．．．．…．．．．．．．．…．……………．２４ ３．３．１数据预处理．．．……………………………………………。。．。．．．．。．…２４ ３．３．２模型建立……………．………………．…………………．…．…．…．２７ ３．３．３算例分析．．……．．．．．…．…．．．…．．．…．．．．．．．．．．．．…．．……．．．………．．２７ ３．４风功率预测结果评价…．．……………………………………．．．．．………．．３０ ４改进ＢＰ网络在风电场功率短期预测中的应用…………………………………………．３３ ４．１ ＬＭ算法优化神经网络．．．．．．．．．．．．．．．，．．…．．…．．．．．．………．．……．．．．．．．．．．．…３３ ４．１．１堋算法原理分析．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．３３
发表评论