風速相似性形態(tài)研究及其在短期風速預(yù)測中的應(yīng)用.pdf

1、風能的波動性，影響了電力系統(tǒng)的安全和穩(wěn)定。準確的短期風速預(yù)測是電力系統(tǒng)可靠運行的一個重要保障。本文從風速的日變化與下墊面地表溫度關(guān)系密切而呈現(xiàn)24小時弱周期變化的特點出發(fā)，查找風速數(shù)據(jù)的相似性序列，采用動態(tài)時間規(guī)整法和相關(guān)系數(shù)法組合預(yù)報，進行短期風速預(yù)測。
　　因為進行風速預(yù)測的原始數(shù)據(jù)存在缺陷，不能直接用于預(yù)測，所以先要對原始風速數(shù)據(jù)進行質(zhì)量控制，因此，本文的研究工作主要包括原始風速數(shù)據(jù)的質(zhì)量控制和短期風速預(yù)報兩方面，其中主要的

2、創(chuàng)新在于提出了構(gòu)造基于熵權(quán)的缺損風速集成填充模型和采用基于改進的廣義回歸神經(jīng)網(wǎng)絡(luò)進行短期風速預(yù)測兩點。原始風速數(shù)據(jù)的質(zhì)量控制中最重要的就是缺損數(shù)據(jù)的填充問題，本文采用了基于風速相似性形態(tài)分析的風電機缺損測量風速集成填充方法。首先，在現(xiàn)有空間鄰點法(SNN)的基礎(chǔ)上，以“成員等同性”為評價標準，引入了動態(tài)時間規(guī)整法(DTW)和相關(guān)系數(shù)法(PCC)，分別搜尋與缺損測量風速風電機風速演化最為相似的若干臺風電機及對應(yīng)的測量風速時序，建立基于廣義

3、回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的填充子模型，采用粒子群算法對廣義回歸神經(jīng)網(wǎng)絡(luò)的模型參數(shù)和訓(xùn)練集的構(gòu)成進行全局優(yōu)化，之后選取較好的子模型構(gòu)造自適應(yīng)的基于信息熵的集成填充模型。在短期風速預(yù)測方面，分別采用動態(tài)時間規(guī)整法和相關(guān)系數(shù)法，對預(yù)報風機數(shù)據(jù)與所有風機數(shù)據(jù)逐日對應(yīng)一定時段的風速子序列進行相似性分析，提取演化最相似的若干子序列的風速數(shù)據(jù)，分別建立基于動態(tài)時間規(guī)整法和相關(guān)系數(shù)法的廣義回歸神經(jīng)網(wǎng)絡(luò)子模型預(yù)報單元，各子模型的具體參數(shù)采用粒子群算法進行