風(fēng)功率預(yù)測論文

1、0答卷編號：論文題目：風(fēng)功率預(yù)測問題姓名專業(yè)、班級有效聯(lián)系電話參賽隊員1張畢心自動化218782996154參賽隊員2陳光磊自動化213568800366參賽隊員3占子赫自動化218782994352指導(dǎo)教師：參賽學(xué)校：西南交通大學(xué)報名序號：2476證書郵寄地址：（學(xué)校統(tǒng)一組織的請?zhí)顚懾撠?zé)人）2摘要本文對風(fēng)功率的預(yù)測問題作出了研究，并在題目提供的數(shù)據(jù)參考下給出了幾種預(yù)測方案，接著對，最后對最優(yōu)進行了優(yōu)化。本文對風(fēng)電場發(fā)電功率數(shù)據(jù)進行了研

2、究，在此基礎(chǔ)上建立了預(yù)測模型，并且進行了誤差分析以及最優(yōu)模型的建立。針對問題一，首先我們選擇了對a時間范圍進行預(yù)測，由于這屬于短期預(yù)測，短時間內(nèi)風(fēng)功率收外因影響較小，所以經(jīng)分析，我們采用了三種模型，分別是時間序列分析模型、灰色預(yù)測模型以及bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型。時間序列指數(shù)平滑模型中，指數(shù)平滑法相當(dāng)于通過對過去觀測值的加權(quán)平均進行預(yù)測，第一次預(yù)測的16數(shù)據(jù)統(tǒng)一用一個數(shù)據(jù)，而后每過一個時段覆蓋一次?；疑A(yù)測模型中，考慮到短期預(yù)測所用數(shù)據(jù)較少

3、，灰色模型中，將所要用到的歷史數(shù)據(jù)組成時間序列，建立灰色預(yù)測模型GM（11）模型，通過matlab軟件編程，從而求解到需要預(yù)測的數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)模型中，以前5個時間點的風(fēng)功率為輸入值、預(yù)測下一時間點的風(fēng)功率為輸出值，并建立單隱層bp神經(jīng)網(wǎng)絡(luò)。并且為了縮短訓(xùn)練時間同時更加精確的預(yù)測，首先根據(jù)經(jīng)驗公式初步確定隱含層神經(jīng)元個數(shù)，然后通過對不同神經(jīng)元數(shù)的網(wǎng)絡(luò)進行訓(xùn)練對比，再最終確定神經(jīng)元數(shù)。并且設(shè)定網(wǎng)絡(luò)最大迭代次數(shù)和學(xué)習(xí)精度。最后通過matlab

4、編寫程序，得出預(yù)測波形，與真實波形進行對比。針對問題二，我們通過對問題一中數(shù)據(jù)的圖像的分析和綜合，我們根據(jù)他們之間的均方誤差得出結(jié)論。針對問題三，我們采用了基于小波理論的神經(jīng)網(wǎng)絡(luò)模型。將小波多分辨率分析技術(shù)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合提出一種新的預(yù)測方法即用小波分解技術(shù)將風(fēng)速序列分解成概貌分量和各個細節(jié)分量然后對各分量分別用BP網(wǎng)絡(luò)進行預(yù)測最后經(jīng)重構(gòu)得到原始風(fēng)速序列的預(yù)測值。在網(wǎng)絡(luò)訓(xùn)練中采用自動調(diào)整學(xué)習(xí)速率的方法即自適應(yīng)學(xué)習(xí)速率法，檢查權(quán)值的修