基于神经元网络方法的风电场风电功率预报研究 wind power forecasting for wind farms based on neural network.pdfVIP

下载本文档

4
0
约2.15万字
约 5页
2017-08-14 发布于上海
举报
版权申诉

基于神经元网络方法的风电场风电功率预报研究 wind power forecasting for wind farms based on neural network.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于神经元网络方法的风电场风电功率预报研究 wind power forecasting for wind farms based on neural network

Clean Energy 第27卷第12期电网与清洁能源 VoL27No．12 2011年12月 Power andClean Dee．2011 System Energy 文章编号：1674—3814(2011)12—0090-07中图分类号：TM614 文献标志码：A 基于神经元网络方法的风电场风电功率预报研究孙川永1，陶树旺2，彭友兵3，魏磊1 建筑工程学院，陕西西安710049) Power for Wind WindFarmsBasedonNeuralNetwork Forecasting SUN Leil Chuan—yon91，TAOShu—wan92，PENGYou—bingz，WEI (1．NorthwestChinaGrid Limited，Xi’an710048，ShaanxiProvince，China；2．NationalMeteomlogicM Company SettlementandCivil 100081，China；3．Human Engineering，Xi’anJiaotongUniversity，Xi’an710049，Shaanxi ABSTRACT：Withwind with large-scaledpowerintegrated 比较重要的能源供给方式。随着风力发电的迅速发 ofwind on are grids，the powergrinds power impacts power 展，其弊端也逐渐凸显。风力发电是将空气动能转 moreandmore muchSOthat cutstolimit prominent，SO power 换为电能，其特性会直接受到风特性的影响。风的 occurin 1 GW-leveland10 consumptionmanyplaces．With 随机波动性和间歇性决定了风力发电的功率也是 GW—levelwindfarmsunder or evenunder planning 波动和间歇性的。当风电场的容量较小时，风电对 andefficientwind is construction，effective powerprediction neededtomeetthe for the 电网系统的影响并不明显。随着风电场容量在系统 urgently requirementsconnecting wind with this theANN 中所占比例的增加，风电对电网系统的影响就会越 powerpowergrids．Inpaper,weny methodto thewind thedataofwind predict power访tll speed．来越明显，大风速扰动会使系统的电压和频率产生 ofwind winddirectionfromtllenumericalmodelanddata 很大的变化，严重时将可能使系统失去稳定