- 1、本文档共22页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数学建模实验五:风电功率预测问题
数学建模实验五:风电功率预测问题
PAGE / NUMPAGES
数学建模实验五:风电功率预测问题
实验五 风电功率预测问题
一、实验目的
1)学习和掌握马尔科夫链预测方法;
2)掌握三次指数平滑预测方法;
3)掌握 BP 神经网络预测方法;
4)掌握 NAR 时间序列的动态神经网络进行预测等
二、实验步骤
2.1 问题提出:
某风电场由 58 台风电机组构成, 每台机组的额定输出功率为 85kw 。附件 2 中给出了 2006
年 5 月 10 日 ~2006 年 6 月 6 日时间段内该风电场中指定的四台风电机组( A , B, C 和 D)
每隔 15 分钟的输出功率数据(分别记为 PA、PB 、PC 和 PD;另设该四台机组总输出功率
为 P4)及全场 58 台机组总输出功率数据(记为 P58)。
问题 1:风电功率实时预测及误差分析。
请对给定数据进行风电功率实时预测并检验预测结果是否满足附件 1 中的关于预测精
度的相关要求。具体要求:
( 1)采用不少于三种预测方法(至少选择一种时间序列分析类的预测方法) 。
( 2)预测量:
a. PA,PB, PC,PD;
b. P4
c. P58
3)预测时间范围分别为(预测用的历史数据范围可自行选定)
5月31日0时 0分至 5月31日23时45分;
5月31日0时 0分至 6月6日23时 45分。
4)试根据附件 1 中关于实时预测的考核要求分析你所采用方法的准确性。
5)你推荐哪种方法?
问题 2:试分析风电机组的汇聚对于预测结果误差的影响。
在我国主要采用集中开发的方式开发风电, 各风电机组功率汇聚通过风电场或风电场群
(多个风电场汇聚而成) 接入电网。 众多风电机组的汇聚会改变风电功率波动的属性, 从而
可能影响预测的误差。
在问题 1 的预测结果中,试比较单台风电机组功率( PA、PB 、PC、PD)的相对预测误
差与多机总功率( P4, P58)预测的相对误差,其中有什么带有普遍性的规律吗?从中你能
对风电机组汇聚给风电功率预测误差带来的影响做出什么样的预期?
问题 3:进一步提高风电功率实时预测精度的探索。
提高风电功率实时预测的准确程度对改善风电联网运行性能有重要意义。 请你在问题 1
的基础上,构建有更高预测精度的实时预测方法,并用预测结果说明其有效性。
通过求解上述问题,请分析论证阻碍风电功率实时预测精度进一步改善的主要因素。
风电功率预测精度能无限提高吗?
2.2 问题 1 的分析、建模与求解
( 1)数据分析:绘制各发电机输出功率曲线(参考程序
程序代码:
ysw.m) ,分析数据的波动规律。
clc,clear,close all
load(data.mat)
a = 23; % 某一天
subplot(321),plot(PA(a,:));grid on
xlabel(
title(PA
时点 );ylabel(PA
发动机输出功率曲线
输出功率
)
);
subplot(322),plot(PB(a,:));grid on
xlabel(
title(P5
时点 );ylabel(PB
发动机输出功率曲线
输出功率
)
);
subplot(323),plot(PC(a,:));grid on
xlabel(
时点 );ylabel(PC
输出功率 );
title(PC
发动机输出功率曲线 )
subplot(324),plot(PD(a,:));grid on
xlabel(
时点 );ylabel(PD
输出功率 );
title(PD
发动机输出功率曲线 )
subplot(325),plot(P4(a,:));grid on
xlabel(
时点 );ylabel(P4
输出功率 );
title(P4
发动机输出功率曲线 )
subplot(326),plot(P58(a,:));grid on
xlabel(
时点 );ylabel(P58
输出功率 );
title(P58
发动机输出功率曲线 )
输出:
图 1
分析: 如图 1 所示,各发电机组的数据波动规律基本一致,具有周期性,并没有较强的规律
性,具有随机波动性,在
0-100 的时点内,一开始从一个特定的值逐步上升,到达一个特定
时间点(大概是
12 时点)开始迅速下降,一直降到
0,在很长一段时间内都在
0 的附近微
弱波动,从大概
40 时点开始,在动荡中上升,大概在
70 时点是上升到最大值,之后又迅速
下降,再次将到
0,从 90 时点开始又有小幅度上升。
( 2)建立三次指数平滑法模型并求解(参考问题
1 程序)
建立模型:
指数平滑预测方法是移动平均预测方法加以发展的一
文档评论(0)