基于混沌时间序列的短期风电功率组合预测方法研究

声明

摘要

第1章 绪论

1．1 引言

1．2 课题背景及研究意义

1．2．1 风电产业发展现状及存在的问题

1．2．2 风电场输出功率预测的意义

1．3 风电功率预测分类

1．4 风电功率预测研究动态

1．4．1 国外研究现状

1．4．2 国内研究现状

1．4．3 风电功率预测方法评述

1．5 论文的主要内容

第2章 风电功率时间序列混沌特性分析

2．1 概述

2．2 风电功率时间序列混沌特性的识别方法

2．3 风电功率时间序列的相空间重构

2．3．1 延迟时间和嵌入维数求取的重要性

2．3．2 本文相空间重构参数的求取方法

2．4 实例分析

2．5 本章小结

第3章 基于改进型BP神经网络的短期风电功率混沌时间序列预测

3．1 概述

3．2 本文对基本BP神经网络的改进

3．2．1 改进思路的提出

3．2．2 改进的具体步骤

3．3 改进型BP神经网络预测过程

3．3．1 样本选取及数据预处理

3．3．2 BP神经网络结构的确定

3．3．3 训练算法的选择

3．3．4 激活函数的选择

3．3．5 学习算法

3．4 算例仿真与分析

3．4．1 数据预处理

3．4．2 建模及参数设置

3．4．3 预测模型的评价

3．4．4 预测结果分析

3．5 本章小结

第4章 基于自适应GA-Volterra神经网络的短期风电功率混沌时间序列预测

4．1 概述

4．2 自适应Volterra级数截断项数的确定方法

4．3 本文自适应GA-VNN预测模型的建立

4．3．1 自适应Volterra级数和改进型BP神经网络的等价性

4．3．2 基于风电功率混沌时间序列的自适应VNN预测模型

4．3．3 自适应GA-VNN预测模型的预测步骤

4．4 算例仿真与分析

4．4．1 数据预处理

4．4．2 建模及参数设置

4．4．3 预测结果分析

4．5 本章小结

第5章 基于经验模态分解的短期风电功率混沌时间序列组合预测

5．1 概述

5．2 EMD分解与小波分解的比较

5．3 EMD-GA-Volterra神经网络的预测模型的建立

5．4 EMD-改进型BP神经网络的建立

5．5 算例仿真与分析

5．5．1 训练样本EMD分解结果

5．5．2 EMD-GA-VNN模型的建模及预测结果

5．5．3 EMD-改进型BP神经网络的建模及预测结果

5．5．4 预测结果分析

5．6 本章小结

结论与展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录

附录B 攻读硕士学位期间参与的科研项目