风电场发电功率短期预测模型研究电气工程专业论文.docxVIP

重庆大学硕士学位论文英文摘要 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV According to the factors impacting wind power output, a method to select similar days of wind farm’s generated power is proposed and a short-term wind power forecasting model based on similar days and Chebyshev neural network is designed：wind power output contained in a large number of history days and their similar days is used to train Chebyshev neural network, and put the data of similar days of the the forecasted day to the trained Chebyshev neural network and power output prediction is gotten. The designed model is verified by the data of a certain wind farm located in Yunnan province, compared with continuous method, and the forecasting error and its probability distribution are analyzed. Analysis results show that the results forecasted by the designed forecasting model possess high accuracy and forecasting error meets normal distribution, so it is available for reference in wind power forecasting. Keywords：Wind farm, Power prediction, Chaos, Filters, Neural network, Similar days 重庆大学硕士学位论文目 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 课题的背景和意义 1 1.1.1 课题的背景 1 1.1.2 课题的意义 3 1.2 风电场风速和发电功率预测研究综述及不足 4 1.2.1 风电场风速和发电功率预测研究方法 4 1.2.2 目前研究方法的不足 9 1.3 风力发电简介 10 1.3.1 风电原理及特性 10 1.3.2 风力发电技术简介 10 1.3.3 风电场出力随机模型 11 1.4 本文主要工作 12 2 风电场发电功率时间序列属性研究 13 2.1 引言 13 2.2 时间序列的相空间重构理论 13 2.2.1 时间序列的相空间重构 13 2.2.2 延迟时间的确定 14 2.2.3 嵌入维数的确定 15 2.2.4 C-C 法确定重构相空间参数 16 2.3 混沌时间序列的识别 17 Lyapunov 指数 17 Wolf 法 18 2.3.3 小数据量法 18 2.4 风电场发电功率时间序列的属性研究 19 2.4.1 风电场简介及数据来源 19 2.4.2 风电场发电功率混沌识别 20 2.5 混沌时间序列预测方法概述 22 2.6 小结 24 HYPERLINK \l _TOC_250006 3 基于 VOLTERRA 自适应滤波器的风电功率混沌预测 25 HYPERLINK \l _TOC_250005 Volterra 级数展开式 25 HYPERLINK \l _TOC_250004 Volterra 级数截断形式 25 HYPERLINK \l _TOC_250003 3.3 Volterra 自适应滤波器预测模型 26 3.4 算例分析 27 3.5 小结 30 HYPERLINK \l _TOC_250002 4 基于 RBF 神经网络的风电功率混沌预测 31 4.1 径向基函数 31 HYPERLINK \l _TOC_250001 4.2 RBF 神经网络运算特性 32 HYPERLINK \l _TOC_250000 4.3 RBF 神经网络结构及参数确定方法 33