分类号：ＵＤＣ：密级：单位代码：１００７８华东水利水电学院硕士学位论文基于ＮＷＰ数据的风电场短期功率预测研究ＳｔｕｄｙＷｉｎｄＰｏｗｅｒＳｈｏｒｔ－ＴｅｒｍＰｒｅｄｉｃｔｉｏｎＢａｓｅｄＯｎＮＷＰ研究生姓指导教专业名所在学名：电力堂医２０１独立完成与诚信申明ＪｉｌｌｌｌｌｌｌｌｌｌｉＪＪｌｌｌｌｌｌｌｌｌｌｆＪｍｆｌｌｉｌｌｌｌＪｌｌｌｌｐｌｌＵｌ『Ｙ２２８５６１８本人诚恳申明：所递交的学位论文，是本人在指导班主任的指导下，独立进行研究工作所取得的研究成果并撰写完成的。没有抄袭、抄袭等违背学术道德、学术规范的侵权行为。文中除早已标明引用的内容外，本学位论文中不包含其他人或集体早已发表或撰写过的研究成果，也不包含为获得华东水利水电学院或其它教育机构的学位或证书所使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中作了明晰的说明并表示了歉意。本人完全意识到本申明的法律后果由本人承当。ｆ保证人（导师）签名签字日期：矽ｆ三，ｒ学位论文版权使用授权书本人完全了解华东水利水电学院有关保管、使用学位论文的规定。特授权华东水利水电学院可以将学位论文的全部或部份内容公开和编入有关数据库提供检索，并采用翻印、缩印或扫描等复制手段复制、保存、汇编以供查阅和借书。axX物理好资源网(原物理ok网)

同意中学向国家有关部门或机构送交论文原件或打印件和电子文档。（涉密的学位论文在揭秘后应遵循此规导师签名：签字日期：ｌ。ｆ３ｒ！．ｆ签字日期：摘要基于ＮＷＰ数据的风电场短期功率预测研究摘要随着风电规模的降低，风电在给我们带来多方面的利益的同时，也给电网的运行带来了挑战，当风电穿透功率超过一定值以后，都会严重影响到电能质量和电力系统的稳定运行，并且会殃及常规发电形式，主要表现为电流和频度会有较大幅度的波动。更严重的是，当风马达组因为风速过大而退出运行时，可能会给电力系统导致无法承受的冲击。因而，对风电的输出功率进行确切的预测，除了可以降低风电并网给电网带来的冲击力和不稳定性，同时也可以合理的调配电力资源，致使风电发挥更大的作用。本论文在当前国外外风电功率研究现况的基础上，对风功率短期预测的方式展开了进一步的研究，论文具体工作如下：（１）剖析风马达组风速一功率模型，研究天气变化对对风马达组实际功率输出的影响，构建风电场功率短期预测的ＢＰ神经网路模型，运用数值天气预报（ＮＷＰ）数据作为输入，风电场实际输出功率为网路输出目标值，对ＢＰ神经网路进行训练，用训练好的ＢＰ神经网路对未来１２小时、２４小时、４８小时和７２小时的风电场输出功率进行预测，预测平方绝对偏差分别为：６．３３％、８．８１％、１３．６７％和１３．０３％；（２）借助ＬＭ算法优化ＢＰ神经网路模型，用优化好的模型和标准的ＢＰ网路模型进行比较，结果显示，优化后的模型训练速率更快，预测精度更高；（３）借助迭代自组织数据剖析技术（ＩＳＯＤＡＴＡ）降维算法，对ＮＷＰ数据进行降维运算，借助降维的ＮＷＰ数据对优化后的ＢＰ神经网路进行训练，用训练后的ＢＰ神经网路对风电场功率进行预测，得到降维后的ＢＰ神经网路预测平方绝对偏差分别为：６．３１％、７．１６％、１０．５４％和９．９８％。axX物理好资源网(原物理ok网)

关键词：风电功率；ＢＰ神经网路；数值天气预报（ＮＷＰ）；降维算法；ＬＭ算法华东水利水电学院硕士学位论文ＡＢｓＴＲＡＣＴＳＴＵＤＹＯＦＷＩＮＤＰＯＷＥＲＳＨＯＲＴ－ＴＥＲＭＰＲＥＤｌＣＴＩＯＮＢＡＳＥＤＯＮＮＷＰＡＢＳＴＲＡＣＴＷｉｔｈｉｎｃｒｅａｓｉｎｇｓｃａｌｅｗｉｎｄｐｏｗｅｒｗｉｎｄｐｏｗｅｒｂｒｉｎｇｓｍａｎｙｂｅｎｅｆｉｔｓｓａｍｅｔｉｍｅ，ａｌｓｏｂｒｉｎｇｓｃｈａｌｌｅｎｇｅｓｇｒｉｄｏｐｅｒａｔｉｏｎ，ｗｈｅｎｗｉｎｄｐｏｗｅｒｐｅｎｅｔｒａｔｉｏｎｅｘｃｅｅｄｓａｃｅｒｔａｉｎｖａｌｕｅ风电功率预测matlab，ｔｈｅｐｏｗｅｒｑｕａｌｉｔｙｐｏｗｅｒｓｙｓｔｅｍｏｐｅｒａｔｉｏｎｓｅｒｉｏｕｓｌｙａｆｆｅｃｔｅｄ，ｂｕｔａｌｓｏｎｏｒｍａｌｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｆｌｕｃｔｕａｔｉｏｎｆｒｅｑｕｅｎｃｙ．Ｗｈａｔｍｏｒｅｓｅｒｉｏｕｓｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｏｒｏｕｔｏｐｅｒａｔｉｏｎｄｕｅｔｏｏｌａｒｇｅ，ｍａｙｃａｕｓｅｕｎｂｅａｒａｂｌｅｉｍｐａｃｔｅｌｅｃｔｒｉｃｐｏｗｅｒｓｙｓｔｅｍ．Ｔｈｅｒｅｆｏｒｅ，ａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｐｏｗｅｒｎｏｔｏｎｌｙｃａｎｒｅｄｕｃｅｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｉｏｎｇｄｄ，ｂｕｔａｌｓｏｃａｎｄｅｐｌｏｙｐｏｗｅｒｒｅｓｏｕｒｃｅｓｒａｔｉｏｎａｌｌｙｔｏｍａｋｅｗｉｎｄｐｌａｙａｇｒｅａｔｅｒｒｏｌｅ．Ｉｎｗｉｎｄｐｏｗｅｒｐｒｅｓｅｎｔ，ｃａｒｒｉｅｄＯｕｔｆｕｒｔｈｅｒｒｅｓｅａｒｃｈｗｉｎｄｐｏｗｅｒｓｈｏｒｔ－ｔｅｒｍｆｏｒｅｃａｓｔ，ｔｈｅｃｏｎｃｒｅｔｅｗｏｒｋｆｏｌｌｏｗｓ：（１）Ａｎａｌｙｓｉｓｗｉｎｄｔｕｒｂｉｎｅｗｉｎｄ．ｐｏｗｅｒｍｏｄｅｌ，ｅｆｆｅｃｔｓｃｌｉｍａｔｅｃｈａｎｇｅｗｉｎｄｔｕｒｂｉｎｅｐｏｗｅｒｏｕｔｐｕｔ．ＴｏｅｓｔａｂｌｉｓｈＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｓｈｏｒｔ．ｔｅ砷ｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎ，ａｐｐｌｉｃａｔｉｏｎｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎ（ＮＷＰｌｄａｔａｉｎｐｕｔ，ｔｈｅａｃｔｕａｌｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｆａｒｍｏｕｔｐｕｔｔａｒｇｅｔｖａｌｕｅｎｅｔｗｏｒｋ，ｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋＷａｓｔｒａｉｎｅｄ，ｔｈｅｏｕｔｐｕｔｐｏｗｅｒｗｉｎｄｆａｒｍｎｅｘｔ１２ｈｏｕｒｓ．２４ｈｏｕｒｓ，４８ｈｏｕｒｓ７２ｈｏｕｒｓｔｒａｉｎｅｄＢＰｎｅｕｒａｌｎｅ咖ｒｌ（．ａｎｄａｎａｌｙｓｉｓｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓ，ｔｈｅｓｑｕａｒｅａｂｓｏｌｕｔｅｅｒｒｏｒｐｒｅｄｉｃｔｉｏｎｒｅｓｐｅｃｔｉｖｅｌｖｉｓ：６．３３％，８．８１％，１３．６７％ａｎｄ１３．０３％．（２）ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｏｐｔｉｍｉｚｅｄｍｏｄｅｌｓｔａｎｄａｒｄｍｏｄｅｌＩＩＩｕｓｉｎｇＬＭａｌｇｏｒｉｔｈｍ；ｔｈｅｏｐｔｉｍｉｚｅｄ华东水利水电学院硕士学位论文（３）Ｔｏｕｓｅｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇｄａｔａａｎａｌｙｓｉｓｔｅｃｈｎｉｑｕｅ（ＩＳＯＤＡＴＡ）ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ＮＷＰｄａｔａｃｌｕｓｔｅｒｅｄ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｃｌｕｓｔｅｒｅｄＮＷＰｄａｔａ，ｔｈｅｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｅｄｕｓｉｎｇｔｒａｉｎｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ风电功率预测matlab，ｃｏｍｐａｒｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｃｌｕｓｔｅｒｅｄｂｅｆｏｒｅ，ｔｈｅｓｑｕａｒｅａｂｓｏｌｕｔｅｅｒｒｏｒｃｌｕｓｔｅｒｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｒｅｓｐｅｃｔｉｖｅｌｙｉｓ：６．３１％．７．１６％．１０．５４％ａｎｄ９．９８％．ＫＥＹＷＯＲＤＳ：Ｗｉｎｄｐｏｗｅｒ；ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ；Ｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎ（ＮＷＰ）；Ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ；ＬＭａｌｇｏｒｉｔｈｍ目录目录摘要………二…………………………………………………………………………………ＩＡＢＳＴＲＡＣＴ…………………………………………………………………………………………ＩＩＩ１总论…………………………………………………………………………………………………………………………１１．１课题研究的背景、目的及意义…．．．．．．．．．．．．……………．．．．……．．．．．．．．．．．．…．．１１．２风电场功率短期预测的国外外研社究现况．……………．．．．．．．………．．．…．………．４１．３课题的研究内容及论文安排．．．．．．．．．．………．．……．．．．．．．………．．．．．．．．．．…．．６２风电场功率预测数据获取…………………………………………………………………．８２．１生物质能参数类型…．．．．．…．．．．．…．．．．…．．．………………．．．．…．……．…．．．．．．８２．１．１生物质能参数种类剖析．．．．．．．．．．．．．．…………………．…．．．．．．．……．……．．．８２．１．２生物质能功率的物理模型．．．．．．．．．．………………………．．．．．．．．．…………．．１２２．２风力发电机输出功率物理模型……………………．．．．．．．．．．．．…．……．．．．．．．．．｛２２．３ＮＷＰ数据获取…．．…．．．．……………．………．………．．．．．．．．．．……．……１４２．３．１ＮＷＰ数据获取．．．．．…．．…．…．．．……．．．……．．．…．．．．．．…．．…………．．１４２．３．２预测方式选定．…．…………．．．…．．．……．………．．…．．．．．．．．．．．．．．…．．１４３神经网路在短期风电场功率预测中的应用………………………………………………１８３．１神经网路原理剖析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．１８３．１．１神经网路基本概念．．．．．…．．．．．……．．。axX物理好资源网(原物理ok网)

…。．。。．．…．。。………………，．．．…１８３．１．２神经网路学习方法．．．．．…．．．．……．．……．．．．…………………．．．．．．．．．．２０３．１．３常用神经网路模型………………………………………．．．．．．．．．．．．．．．．２１ＢＰ神经网路原理…………．……．…………．…………………．．．．．．．．．…．２２３．２．１ＢＰ神经网路简介．．………………．．……．．．．……．…．………………．．２２３．２．２即神经网路算法设计．．…．．．…．……．．…．．．．．…．．………．……………．２２３．３ＢＰ网路在风电场功率短期预测中的应用…．．…．…．．．．…．．．．．．．．…．……………．２４３．３．１数据预处理．．．……………………………………………。。．。．．．．。．…２４３．３．２模型构建……………．………………．…………………．…．…．…．２７３．３．３算例剖析．．……．．．．．…．…．．．…．．．…．．．．．．．．．．．．…．．……．．．………．．２７３．４风功率预测结果评价…．．……………………………………．．．．．………．．３０４改进ＢＰ网路在风电场功率短期预测中的应用…………………………………………．３３４．１ＬＭ算法优化神经网路．．．．．．．．．．．．．．．，．．…．．…．．．．．．………．．……．．．．．．．．．．．…３３４．１．１堋算法原理剖析．．．．．…．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．…．．．．．．．３３axX物理好资源网(原物理ok网)