基于最大风能追踪的风速预测研究

【摘要】： 能源与环境问题已成为全球可持续发展所面临的主要问题之一,风力发电以其无污染和可再生性,日益受到世界各国的重视,并保持增长最快的能源地位。我国西部地区由于历史、地理位置等诸多因素,存在着较多的无电地区和无电人口。全国6000多万无电人口大部分分布在西部地区,要解决长期稳定可靠的供电问题,只能依赖当地的自然能源。甘肃省河西走廊地区具有丰富的风力资源,风能密度达到200-300W/m2,有效风力出现时间百分率为70%左右,具有较大的风能利用价值。本课题的研究将充分发挥这一地区资源优势,在缓解全省乃至全国用电压力、降低不可再生能源消耗以及保护生态环境等方面具有重要的促进作用。 在保证风力发电系统正常稳定工作的同时,尽可能多的利用风能,实现最大风能追踪控制始终是风能控制系统的主要目标之一。根据风力机功率特性及贝茨理论,风力机从风中获得机械能的大小与风速和发电机的转速有直接关系,因此,在风力发电系统中风速值的准确测量对风能的利用至关重要。由于空气动力系统的不确定性,传统的风速计实时测量得到的数据往往偏差较大,而且这种机械测量还大大增加了系统成本和复杂性。 选择恰当的最大的风能追踪控制方法是提高风电机组效率的关键因素,针对以上问题,本文提出基于改进粒子群(IPSO)优化的径向基(RBF)神经网络风速预测和基于最小二乘支持向量机(LS-SVM)风速预测方法来提高风速预测精度,进而提高风力发电机组风能捕获效率。首先,在传统PSO的基础上应用不对称学习因子的IPSO,该方法可以使粒子在搜索的初期获得更好的多样性,从而使粒子具有更强的摆脱局部极值的能力,同时在搜索后期加快粒子的收敛速度,提高全局寻优能力。用IPSO优化RBF神经网络核参数的中心值ci和扩展常数σi来确定更加准确的神经网络预测模型,从该模型运用到最大风能追踪的风速预测的结果看,预测误差的平均值比优化前的RBF神经网络减少了11%。由于该算法对样本数据具有强依赖性,需要大量的数据样本来训练网络,本文又提出了一种新型LS-SVM风速预测模型,该模型需要确定的参数只有正则参数γ和RBF核参数σi，模型结构简单,仿真结果的绝对值平均误差为0.2385,可以看出,该方法达到了预测目标,而且该方法具有小样本学习能力强、模型推广性能好、高维数据处理能力强等特性,值得在风电场风速预测应用中推广。 通过以上研究,为建立具有我国自主知识产权的新型永磁直驱式风电系统设计与控制奠定理论和试验基础。 【关键词】：直驱式永磁同步发电 风速预测 IPSO优化算法 RBF神经网络 最小二乘支持向量机
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TM614
【目录】：

• 目录5-8
• 摘要8-9
• ABSTRACT9-11
• 插图索引11-13
• 第1章 绪论13-19
• 1.1 课题背景及研究意义13-14
• 1.1.1 课题背景13
• 1.1.2 课题意义13-14
• 1.2 风力发电技术的研究现状14-17
• 1.2.1 风力发电系统的研究现状14-16
• 1.2.2 最大功率追踪控制策略的研究现状16-17
• 1.3 本论文的主要工作17-19
• 第2章 直驱式永磁同步风力发电系统19-32
• 2.1 系统介绍19
• 2.2 风力机控制19-23
• 2.2.1 风力机的功率特性20-21
• 2.2.2 风力机发电机运行原理21-23
• 2.3 发电机与逆变器控制23-28
• 2.3.1 发电机控制23-24
• 2.3.2 仿真研究24-27
• 2.3.3 逆变器控制27-28
• 2.4 控制系统中的风速估计28-31
• 2.4.1 风速特性28
• 2.4.2 风速估计模型28-29
• 2.4.3 风速估计的样本数据29-31
• 2.5 小结31-32
• 第3章 基于IPSO算法的RBF神经网络的风速预测32-50
• 3.1 粒子群优化算法介绍32-36
• 3.1.1 标准粒子群优化算法32-33
• 3.1.2 PSO算法收敛性分析33-34
• 3.1.3 学习因子线性变化的粒子群算法34-36
• 3.2 人工神经网络36-38
• 3.2.1 神经元模型36-37
• 3.2.2 神经网络的激活函数37-38
• 3.3 RBF神经网络38-43
• 3.3.1 RBF网络的结构及特点39-40
• 3.3.2 RBF神经网络隐含层单元数量的确定方法40-41
• 3.3.3 RBF神经网络权值算法研究41-43
• 3.4 基于IPSO算法的RBF神经网络的优化设计43-47
• 3.5 基于IPSO-RBF神经网络在风速预测中的应用47-49
• 3.5.1 神经网络模型的建立47
• 3.5.2 仿真结果分析47-49
• 3.6 小结49-50
• 第4章 基于最小二乘支持向量机的风速预测50-66
• 4.1 概述50
• 4.2 统计学习理论50-53
• 4.2.1 VC维50-51
• 4.2.2 推广型的界51
• 4.2.3 结构风险最小化51-53
• 4.3 支持向量机分类53-57
• 4.3.1 最优分割超平面53-54
• 4.3.2 线性SVM54-56
• 4.3.3 非线性SVM56-57
• 4.4 核函数的选取57-58
• 4.5 支持向量机的回归分析58-61
• 4.5.1 支持向量机回归原理58-60
• 4.5.2 回归算法60-61
• 4.6 最小二乘支持向量机原理61-63
• 4.7 基于LS-SVM的风速估预测研究63-65
• 4.7.1 基于LS-SVM的风速预测模型63
• 4.7.2 核函数的构造和参数选择63-64
• 4.7.3 仿真结果分析64-65
• 4.8 小结65-66
• 结论与展望66-68
• 参考文献68-72
• 致谢72-73
• 附录A 攻读学位期间所发表的学术论文目录73

您可以在本站搜索以下学术论文文献来了解更多相关内容

粒子群优化BP算法在电力系统短期负荷预测中的应用    傅忠云;

几种变速恒频风力发电系统控制方案的对比分析    马洪飞,徐殿国,苗立杰

大型风电场及风电机组的控制系统    徐甫荣

无刷双馈电机在变速恒频风力发电系统中的应用    张志刚,王毅,黄守道,王耀南

基于神经网络的直驱式风力发电最大风能控制研究    任艳锋;毛开富;包广清;

风电对电力系统运行的价值分析    雷亚洲,王伟胜,印永华,戴慧珠

群体智能优化算法    王辉;钱锋;

基于PSO的RBF神经网络学习算法及其应用    张顶学;关治洪;刘新芝;

基于合作粒子群算法的PID神经网络非线性控制系统    朴海国;王志新;张华强;

一种RBF网络结构优化方法    张友民，李庆国，戴冠中，张洪才

风电场风速及发电功率的概率预测研究    杜颖

基于Matlab的组合风速建模与仿真    杨之俊;

基于支持向量机的我国水产品出口贸易风险预警研究    李淑华;徐良培;陶建平;

SVR-KNN法用于除草剂QSAR研究    区卫民;谭泗桥;袁哲明;柏连阳;熊洁仪;

SVM方法及其在乳制品分类问题上的应用    韩勇鹏;

支持向量机在粮食产量预测中的应用    程伟;张燕平;赵姝;

基于支持向量机的农村用电量需求预测    赵万明;黄彦全;谌贵辉;

基于支持向量机遥感图像融合分类方法研究进展    郭立萍;唐家奎;米素娟;张成雯;赵理君;

支持向量回归分光光度法同时测定苋菜红和果绿    张永生;魏新军;侯振雨;彭娟;

支持向量机在害虫预测预报中的应用    张永生;

最小二乘支持向量机的研究与应用    冯学军;

一种基于黎曼度量的训练样本类不平衡SVM分类方法研究    周绮凤;林成德;罗林开;彭洪;

基于支持向量机的旋转机械多类故障识别研究    顾小军;杨世锡;钱苏翔;

基于最小二乘支持向量机的迟滞建模方法    康传会;汪晓东;汪轲;常健丽;

基于SVM的热轧钢卷性能分析    刘英林;刘洪鹏;査星云;宋扬;

基于二维小波变换的激光成像雷达目标识别算法    陈晓清;马君国;赵宏钟;付强;

基于bladed软件的风力发电机组稳态风性能曲线研究    陆晔;滕蓓;祁恩荣;

支持向量机及其在电机故障诊断中的应用    冯辅周;郭恒毅;江鹏程;

基于一维距离像的目标识别算法    马君国;赵宏钟;王微;

1．5MW双馈式变速恒频风电机组设计技术介绍    张大同;

支持相量机方法在渤海湾风暴增水强度预报中的应用    刘锡兰;杨昱;

半监督支持向量机学习算法研究    赵莹

煤矿安全预警系统的方法研究    母丽华

基于内容的医学图像检索及语义建模关键技术研究    梁洪

基于统计学习理论的分类方法研究    殷志伟

引线键合视觉检测关键技术研究    孔凡芝

六自由度Stewart平台分散智能控制研究    李晚龙

计算机辅助卷烟配方设计关键技术研究    杨宁

分布式电源的概率建模及其对电力系统的影响    王敏

柔性坐标测量机空间误差模型及最佳测量区研究    郑大腾

基于群体智能的机器视觉的关键技术研究    陈志国

基于支持向量机的人民币序列号识别方法的研究    田文娟

优化问题的PVD算法研究    徐芳芳

支持向量机在冲击地压预测模型中的应用研究    朱耿峰

吉林省洮南风电场选址及长远发展分析    陈海清

基于支持向量机的时间序列预测    姜成玉

支持向量机在金融市场预测中的应用    李海清

信息论在粗糙集连续属性离散化中的应用    岳海亮

基于全矢高阶谱的故障诊断方法及其应用研究    李朋勇

风力发电机组暂态模型和稳定性分析方法研究    陈建伟

基于在线聚类和最小二乘支持向量机的模糊建模方法研究    李光远

交-交直接变换控制下矩阵式变换器的仿真研究    贺益康,刘勇

无刷双馈调速电机的绕组结构    杨顺昌

定子双馈磁阻电机的气隙磁场分析与设计特点    王凤翔，张凤阁

并网型风力发电机组的控制技术综述    耿华;杨耕;马小亮;

大型风力发电机组微机监控装置的研制    邰圣平,赵天洪,陈思宁,何云,滕小羽

与风电并网相关的研究课题    雷亚洲

变速恒频风力发电系统最大风能追踪控制    刘其辉,贺益康,赵仁德

基于分解协调的人工鱼群优化算法研究    李晓磊,钱积新

如东沿海地区风速数据分析及风力发电量计算    姚国平,余岳峰,王志征

基于MPPT算法的风力永磁发电系统的仿真研究    王丰收;沈传文;孟永庆;

风力发电变速恒频技术综述    刘伟东;尹忠东;朱永强;肖湘宁;

独立运行风电系统的电能质量优化    高平;王辉;

垂直轴风力发电机组应力与效率分析    王荣爱;郝建红;邵志伟;

风能资源应用探讨    吴伟;吴明朝;

基于磁场定向的永磁同步发电机功率控制    黄科元;佘峰;黄守道;孙延昭;

单周期控制在风力发电并网逆变器中的应用    付勋波;

风力发电系统中的IGBT寿命期望    Norbert Pluschke;

考虑风速特性的动态电压崩溃指标    马瑞;周志飞;徐慧明;徐晓东;

使用永磁同步发电机和boost斩波电路的风力发电系统    邓秋玲;谢卫才;林友杰;彭磊;许志伟;

双馈发电机并网后功率控制策略研究    李艳秀;黄琦兰;王宇;车延博;

基于状态观测器的风力发电系统无速度传感器控制    任丽娜;刘福才;焦晓红;

浅析风力发电系统雷电综合防护    李响;

风力发电 绿色能源    徐应娜;徐懋生;

变速风力发电系统的MATLAB仿真    周洪伟;张辉;刘金虹;阮少华;

风力发电与电力电子技术    李建丽;李黎黎;

基于永磁同步电机的风力发电系统用模拟风车的研制    胡维昊;贾要勤;裴云庆;王兆安;

变速恒频风力发电系统及其控制技术研究    沙非;马成廉;汪子翔;

风力发电前景展望与风能电缆研发策略浅析    张乒;黄文才;王建军;王力;

基于模糊控制的交流励磁变速恒频风力发电系统的仿真分析    王旭东;

最佳转速，最佳桨距风力发电系统(摘要)    张智伟;

张利平与斯维奇风力发电系统(北京)有限公司高管座谈    记者 王庆华

以科技创造风能行业的未来    林虎

“明年的订单都接满了”    记者 程连红

我国与丹麦合作展开风电研究    

采用8大节能系统 可为电动汽车充电    记者 钟文

风电功率模块应具备高可靠性长寿命特征    

惠山风电产业实现核心技术突破    苏卫东

浙江移动试点风能基站    记者 陈珊

“三能”互补节能逾九成    记者 王翠霞　通讯员 周道军

我区首座单机容量最大风光互补发电站投入使用    记者 马疆虎　巴桑 梁秦

定子双绕组感应风力发电系统的关键技术研究    施凯

海岛中小型独立风电系统可靠运行技术研究    董永军

低电压故障下双馈风力发电系统特性分析与运行控制    宋战锋

双馈风力发电系统能量成型控制策略研究    宋蕙慧

直驱式永磁风力发电系统多重化功率变换器运行控制    王志强

直驱永磁同步风力发电系统功率平滑策略的研究与控制系统设计    胡雪松

直驱型永磁同步风力发电系统变流器控制方法研究    姜燕

大容量双馈式风力发电系统并网关键问题研究    周宏林

直驱永磁风力发电系统并网技术研究    唐芬

Boost斩波型直驱式永磁风力发电系统功率变换器运行控制    耿强

风力发电系统基于能量的非线性控制    高文亮

风力发电系统低电压穿越特性的研究    胡兵

变速恒频风力发电系统控制方法研究    孟涛

直驱型风力发电系统低压穿越控制研究    陈朋朋

随机分布控制理论在风力发电系统中的应用研究    田野

电励磁风力发电系统控制策略的研究    梁清清

风力发电系统功率调节的研究    尹平平

双馈型风力发电系统的建模与仿真    王蒙

液压风力发电系统稳定性控制仿真研究    单铁亮

风力发电系统的风速预测及控制策略研究    董雷