论文部分内容阅读
当前,化石燃料的逐步缺乏及其带来的环境污染问题十分严重,发展可再生能源技术已经迫切成为全球最关心的焦点之一。其中,作为清洁且可再生的风能资源受到全世界国家的重视。世界各国都在不断发展风电事业,但是由于风能具有随机性和不可控性,这样就可能导致对电网产生冲击,带来一系列不安全因素。针对自然界风速的随机性和不可控性,本文对风电场的风速进行预测,使之能提高风速的预测精度,减少风电对电网的影响,提高电力系统的安全性,同时降低电力系统的正常运转的成本。本文讨论了风速预测的发展及其作用,介绍了风速预测的相关知识,同时也说明了进行风速预测的现实意义,分析了当前风电场风速预测的研究现状。确立了以RBF神经网络为核心,提出了遗传算法和梯度下降法联合优化训练RBF神经网络的预测模型。本文所需要做的工作如下:①对风速的概念、分布特性及其规律进行了比较详细的分析,接着对风速相关数据的搜集和预处理方式也进行了仔细介绍,提出了线性插值法对缺测数据的修正。最后对风速和相关气象因子进行了相关性分析。②对RBF神经网络和遗传算法的基本概念进行了详细的介绍。提出了利用遗传算法和梯度下降法联合优化训练RBF神经网络的预测模型,以便提高预测精度。最后对两个函数进行了仿真测试,充分证明了遗传算法的全局寻优能力和预测模型的非线性曲线逼近能力。③把某风电场的历史数据应用到遗传算法和梯度下降法联合优化训练的RBF神经网络预测模型中,建立一个以温度、湿度、压强、风向余弦和风向正弦为输入,风速为输出的RBF神经网络模型。试验结果表明预测结果十分满意。④利用优化成型的RBF神经网络设计一个简洁的仿真平台,将预测的数据和预测图形可视化,实现人机交互界面,便于观察。论文在结尾时,对本文研究内容进行了总结,同时也建议在后续学习中应该提升和改善的问题。