风速向量基于三维实时数据风速短期预测

摘要:风力发电由于其环保、安全、取之不尽用之不竭的优点现已成为世界各国可再生能源中的探讨热点。但是风具有间歇性和波动性大的特点,如何减少大容量风电接入电网对电力系统安全、电能质量和电力供需平衡的影响成为风力发电进展的一个难题,由此,风速短期预测的探讨应运而生。风电功率和风速的三次方成正比,所以风速的变化情况决定了风电场可能的出力情况。由此,有效的风速短期预测可以为电网调度提供依据,使电力系统安全稳定高效运转。由于风具有随机性,传统机械式风速仪实时测量得到的数据往往偏差较大;现有风速仪都是测量水平方向的风速,对风速湍流测量的三维风速仪的探讨很少。当垂直方向风速分量对风速影响较大时,采取二维风速数据进行风速短期预测,必定带来较大误差而影响预测结果。

    摘要5-6

    Abstract6-10

    第1章 绪论10-15

    1.1 课题探讨的目的和作用10-11

    1.2 风速短期预测国内外探讨近况11-12

    1.2.1 风速短期预测国外探讨近况11-12

    1.2.2 风速短期预测国内探讨近况12

    1.3 超声波风速仪的探讨近况12-13

    1.4 本论文主要探讨工作13-15

    第2章 基于超声波阵列的三维风速仪设计15-30

    2.1 基于三维超声波阵列的风速测量原理15-17

    2.1.1 时差法风速测量原理15-16

    2.1.2 三维超声风速测量传感阵列设计16-17

    2.2 超声波风速仪的硬件设计17-25

    2.2.1 系统硬件总体功能设计17-18

    2.2.2 TDC-GP21 硬件电路设计18-21

    2.2.3 超声波驱动电路21-22

    2.2.4 带通滤波放大电路22-23

    2.2.5 多路选择器设计23-24

    2.2.6 电源的设计24-25

    2.2.7 系统制约模块25

    2.2.8 通信接口设计25

    2.3 系统软件程序设计25-28

    2.4 系统误差浅析与校准28-29

    2.4.1 超声波接收历程带来的误差28

    2.4.2 温度补偿带来的误差28-29

    2.4.3 其他误差29

    2.5 本章小结29-30

    第3章 支持向量机与粒子群优化算法原理30-35

    3.1 支持向量机论述30-33

    3.1.1 支持向量回归机30-32

    3.1.2 核函数32-33

    3.2 粒子群优化算法原理33-34

    3.3 本章小结34-35

    第4章 基于 PSO 算法和 SVR 的风速短期预测35-45

    4.1 支持向量回归机的参数寻优35-36

    4.2 基于 LIBSVM 工具箱建立 PSO-SVR 风速短期预测模型36-38

    4.2.1 LIBSVM 工具箱介绍36

    4.2.2 PSO 优化算法参数选择36-37

    4.2.3 PSO-SVR 算法流程图37-38

    4.3 实例浅析38-39

    4.4 仿真验证及结果比较浅析39-44

    4.5 本章小结44-45

    结论45-46

相关论文

实时数据可靠传输和数据集成技术探究

随着集团化管控力度的加强,各发电集团通过建立集团级实时 历史数据中心,将分散在全国各地的下属发电企业SIS实时 历史数据实时地汇总到集团。
浏览量:34952 点赞量:9216