基于LSTM和时间序列分析法的短期风速预测

短期风速对输电线路影响巨大,由于短期风速的随机性和非线性特性,使得短期风速难以精确预测。提出了一种将长短时记忆网络和时间序列分析法相结合的组合预测算法来实现对短期风速的预测。首先,利用时间序列分析法对短期风速进行预测得到预测结果和预测残差,然后利用长短时记忆网络对预测残差进行预测,最后将两种方法得到的预测结果进行线性组合得到最终的预测结果序列。为验证所提出的算法的实际效果,将提出的算法与时间序列分析法、长短时记忆网络以及BP神经网络等进行对比。实验结果表明,组合算法有效提高了短期风速序列预测精度,是一种可行的分析方法。     

一种基于时间序列模型的风速预测方法

根据风速数据特点,提出一种基于时间序列的风速预测模型,对模型中的相关参数进行确定。实验结果表明,对风速进行提前1小时预测时,预测风速与实际风速较吻合,误差仅为10%,从而为大气污染物浓度确定提供有效依据。     

多特征嵌入的Seq2Seq风速预测模型

针对由于风速变化因素复杂导致的风速预测模型准确率低的问题,提出一种多特征嵌入的Seq2 Seq(序列到序列)风速预测模型.以Seq2 Seq为基础,将影响风速的多种因素数据进行多特征嵌入编码,实现对未来若干个小时风速的预测.通过准确率、预测评分和平均绝对误差等指标的实验评价,验证Seq2 Seq模型相比当前最优模型达到了更好的预测稳定性,风速多特征嵌入编码方法的加入显著提高了Seq2 Seq模型的预测准确性.实验结果验证了该模型的有效性.     

时序神经网络算法的短期风速预测研究

采用神经网络对风速进行短期预测,研究BP型短期风速预测网络中BP算法、BP网络构建以及网络训练方法.结合时间序列法和神经网络法提出了时序神经网络预测方法,对短期风速预测网络中输入变量数量和隐舍层节点数量的选择方法进行了探讨.仿真实验结果表明,时序神经网络法建立的网络,训练时间明显缩短,网络输出的预测值与真实的观察值之间...     

基于EMD与LS-SVM的风电场短期风速预测

为了提高风电场风速短期预测的精度,提出了将经验模式分解与数据挖掘方法相结合对风速时间序列进行建模预测.对风速时间序列进行经验模式分解,使之分解为若干不同频带的本征模式分量.对不同频带的平稳分量建立相应的最小二乘支持向量机预测模型,将各模型的预测值等权求和得到最终预测值.仿真实验结果表明,风电场短期风速预测的MAPE为1.507%,提高了此类预测的精度,表明了该方法的有效性.     

基于改进的RBF网络的混沌时间序列预测

为使传统的时间序列预测适合于非线性系统的时间序列建模与预测,提出了一种改进的RBF神经网络,并采用该网络对混沌时间序列进行预测.通过实例计算,预测效果较好.     

基于趋势点状态模型的时间序列预测算法

针对传统的时间序列线性预测算法对时间序列的线性程度要求高,而非线性方法一般建模复杂且计算量大,提出了一种基于趋势点状态模型的时间序列预测算法.该算法无须考虑时间序列是否具有显著线性特征,通过序列间耦合度挖掘时间序列上的相似子序列,找出相对应的相似序列趋势点,建立趋势点状态模型并求出预测值.算法建模简单,复杂度较低.通过模拟实验,结果表明该算法性能良好,尤其对具有周期性的时间序列预测精度很高.     

最小二乘支持向量机在混沌时间序列中的应用

针对混沌时间序列存在噪声和不稳定性问题,混沌时间序列预测是当前的一个热点问题.根据当前预测方法预测精度低的难题,提出一种优化的混沌时间序列预测方法(GA_LSSVM).GA_LSSVM首先采用相空间重构对时间序列样本进行重构,采用遗传算法对最小二乘支持向量机参数进行优化,得到混沌时间序列的最优预测模型,最后以经典时间序列Lorenz数据对最优模型进行仿真测试和分析.实验结果表明,GA_LSSVM比神经网络的预测精度高.GA_LSSVM方法是一种可行的、有效的混沌时间序列预测算法,在混沌时间序列具有广泛的应用前景,可为应用提供科学依据.     

一种基于自演化预训练的多变量时间序列预测算法

时间序列预测是典型的时间序列分析任务,对于辅助决策、资源配置、提前采取止损措施等方面有重要意义,在包括电力、气象、交通、商业等领域有广泛应用.近年来,时间序列预测算法一直是机器学习的热门研究领域,其中多变量时间序列预测是一个具有挑战性的任务.本文研究多变量时间序列预测的局部变量预测精度问题,即多变量预测需要在提升整体预...     

Granger 相关性与时间序列预测

提出一种将Granger相关信息用于时间序列预测的方法,以解决时间序列预测过程中信息利用不完全的问题.首先,通过Granger相关性检验确定时间序列系统中的可利用信息;然后,利用神经网络将可利用信息抽取出来;最后,将抽取的可利用信息融入到时间序列的预测中.实验结果验证了所提出预测方法的有效性和稳定性.     

基于EEMDSE-ILSTM的风电场超短期风速预测

不可再生资源的枯竭推动着新能源的发展,风电作为目前风能利用的主要形式得到了大面积推广。但风速非线性、非平稳性、时序性的特点对风机本身和电力系统都会产生不利的影响,因此精准的风速预测已经成为亟待解决的关键课题。基于组合预测方法,提出了一种EEMDSE-ILSTM风速预测模型。该模型利用集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）将风速数据分解为若干个分量数据集,并通过样本熵对各分量进行筛选以简化数据。将改进的鲸鱼算法与长短期记忆网络（Long Short-Term Memory,LSTM）结合,无监督生成合适的模型预测参数。在预测时依次对每个分量数据预测并将结果累加获得最终预测值。仿真结果表明,该模型与其他方法比较,显示出较好的预测精度和泛化性能。     

风电场风功率预测系统研究

对风电场发电功率的准确预测,可以有效优化电网调度,使得电网经济运行,同时提高风电场在电力市场中的竞争能力.文中提出了基于先进统计方法的风电功率预测系统,以高精度数值气象预报为基础,搭建完备的数据库系统,利用各种通讯接口采集风电场监控数据.提出并实现了“自适应逻辑网络”(ALN),为风电场建立功率预测算法引擎,可以准确预报风电场未来72小时短期功率负荷,并能针对单台风机、风电场或风机集群进行预测和上报,为风电场管理提供重要辅助手段.现场运行测试验证了系统在风速预测以及针对不同型号风机风功率预测的可行性和有效性.     

基于AM-LSTM的风电场内多点位风电功率预测

为了提高大型风电场的风电功率预测的准确性,构建基于多点位的注意力机制(AM)和长短期记忆神经网络(LSTM)混合预测模型.对于风电功率影响因素特征提取模块,利用属性简约方法,在保证不影响原有的分类效果上,去掉多余属性,大幅度提高预测效率.对于风电功率预测模块,首先,利用15分钟数据间隔,不同高度的风速等作为模型输入,然后通过LSTM处理输入的时间序列与风电功率之间的非线性关系,接下来通过AM进一步优化LSTM的权重,最终得到风电功率的预测结果.通过国外某电场数据的验证:将数据集按照季度分开,各个模型预测结果最为优的是第四季度,对于基于多点位的注意力机制和长短期记忆混合预测模型的均方根误差和平均绝对误差分别比前馈神经网络预测模型降低48.8％和17.4％,比单一长短期记忆神经网络预测模型降低37.2％和7.8％.     

风力发电机风向小脑神经网络软测量方法研究

风向测量值是控制风力发电机偏航的依据。风向测量值和原始风向值之间通常会存在偏差,这是影响风力发电机风能捕捉效率的主要因素之一。受风力发电机结构限制,机舱上的风向标难以准确测量风向。分析了风向测量误差产生原因,叙述了风向测量值和原始风向值之间的数学关系。风向软测量技术是降低风向测量偏差的有效方法。简述了风向软测量技术的传统方法。传统风向软测量方法可以显著减小测量误差,但计算量大,风力发电机翼型参数精度要求高,不适合工程使用。针对传统风向软测量技术的不足,提出了小脑神经网络(CMAC)软测量方法。该方法降低了风向测量的计算量,进一步提高了风向测量精度。实践证明了该方法的可行性。     

基于TSC的异步风力发电机风电场的无功功率补偿

为解决风电场并网运行存在的电压质量问题,提出了在风电场并网点进行电容器的分组投切控制方法。本文对风电场安装快速投切电容器组的容量及投切规则进行了研究。提出了计及风速变化对风电场输出有功和无功功率影响的电容器总容量计算方法及控制规则。应用PSCAD/EMTDC软件对某风电场进行了无功补偿优化仿真,结果表明：无功补偿的总容量和分组容量计算准确,可使风电场母线电压保持在允许范围内运行,并且电容器动作次数较少,保证了风电场并网运行时的电压质量。     

基于高层气象大数据的风电场中长期风功率预测研究

针对风电场风电功率波动性强,中长期风功率预测精度不高的问题,本文提出了一种基于高层气象数据的风电场中长期风功率预测方法。首先通过规则化和规范化高层气象数据,找出并完善与风功率强相关的气象因素;其次,结合大气运动方程与和下降梯度方程,建立高层气象数据的演变物理模型;随后,采用大数据聚类和挖掘等算法,对多维度海量高层大气数据进行分类,并基于数据对推导的高层大气数据模型进行训练和修正;最后,基于模型和大数据机器学习方法,构建高层大气运动数据和风电场历史数据之间规律,采用统计分析与物理模型相结合方法,对风电场中长期风功率进行预测。通过结合中国西南某地的风资源数据对某风电场中长期风功率进行预测,证明本文提出的方法能有效提高风电场中长期风功率预测精度。     

风电最佳装机容量的研究

提出了一种确定区域电网最佳风电装机容量的新方法。该方法对传统火电机组组合模型进行改进,增加负荷跟踪时间和快速旋转备用的限制,使之可以运用到还有风电的电力系统中。根据全年的风速情况,进行含有风电的火电机组组合优化,研究风电机组装机容量的变化对系统经济性的影响,最后考虑风电的装机成本和运行成本,确定最优的风电机组装机容量。仿真结果证明,所提出的方法可以有效地分析风电装机容量对电网经济性的影响,为确定区域电网最优风电装机容量提供重要参考。     

基于DSP28035的风能控制器设计

针对小型离网型风力发电机的特点,设计了2kW风能控制器对蓄电池进行有效的充电管理。控制器的特点是采用了触摸屏对控制器参数进行设置、修改并实时显示。在设计中采用TI公司的DSP28335进行控制器主电路的控制,通过buck电路对蓄电池进行三阶段充电。通过AT89S51单片机控制触摸屏,实现对控制器参数的设定、显示和DSP之间的通信。通过实验证明,该控制器设计新颖,通过智能化三阶段蓄电池充电管理,提高蓄电池的充电效率,有效延长蓄电池使用寿命。     

基于外部风向初始信息的SAR影像海面风场反演研究

首先利用SeaWinds散射计风向作为初始信息进行SAR(Synthetic Aperture Radar)影像海面风场反演,在对SAR影像进行了噪声剔除、辐射定标、极化转换等处理后获得VV极化下各分辨单元的后向散射系数,结合地球物理模式函数获取风速并显示输出海面风场的分布情况。在此基础上,尝试利用WRF(Weather Research Forecast)数值预报模式风向作为初始场从SAR影像中反演风速信息,将结果与之前以散射计风向作为初始信息得到的反演结果进行对比,验证实验方法的正确性,高分辨率数值预报模式风向结合SAR影像将是未来业务化近岸海面风场反演的发展趋势。     

基于6RA70的风洞稳风速控制系统的设计与实现

XX风洞稳风速控制系统采用西门子6RA70直流调速装置完成电机转速的控制,软调节器采用参数智能决策和PID相结合的控制结构,确保了试验段风速的精确控制。