导读:本文包含了功率误差论文开题报告文献综述及选题提纲参考文献，主要关键词:多端柔直系统,功率预测,信息误差,自动诊断技术
功率误差论文文献综述
唐志军,周刚,林国栋,李超,晁武杰[1]（2019）在《多端柔直系统功率预测信息误差自动诊断技术》一文中研究指出传统的误差诊断技术在诊断多端柔直系统功率预测信息中耗费成本较高,精准度差。针对这一问题,提出了一种新的预测信息误差自动诊断技术,该技术遵循N-1法则,利用串联、并联、混联叁种方式连接,通过数据采集、数据处理和数据分析叁步完成误差的诊断。由实验可知,与传统技术相比,所设定的自动诊断技术消耗成本明显降低,精准度更高。(本文来源于《自动化与仪器仪表》期刊2019年07期）
吴晓刚,鲁宗相,乔颖[2]（2019）在《基于功率预测误差修正的日前风电出力分布估计》一文中研究指出风电功率预测是整个风电运行与控制体系的基础支撑技术模块。基于功率预测误差的修正结果,提出了一种风电场日前有功出力分布的估计方法。首先验证了风电功率的预测误差水平受到风速大小的叁次方、风电功率的峰度、风电功率的大小和功率预测相关性等多个因素的影响;然后利用多元线性回归法建立风电功率预测误差的估计模型,并对风电场日前的点功率预测值进行修正;最后利用广义误差分布模型估计出风电出力的上下限。以华北地区某座风电场作为测试算例进行分析,验证了该出力分布估计方法的有效性。(本文来源于《云南电力技术》期刊2019年03期）
梁涛,杨改文,姜文,李永强[3]（2019）在《基于ARMA误差修正的LM-BP模型的风功率预测》一文中研究指出风的间歇性和波动性导致训练样本的多样性,为提高短期风电功率预测精度,保证电网正常运行以及电能质量,对风功率进行建模预测尤为紧迫。针对上述问题,首先对原始数据进行预处理将非正常数据剔除。其次,运用Levenberg-Marquardt(LM)改进的牛顿算法优化反向传播(BP)神经网络(LM-BP)构建预测模型,并与传统的前馈BP神经网络进行比较,仿真结果表明,提出的基于LM-BP的预测模型相比单一的BP模型更加接近实际功率值,性能更优。最后,针对LM-BP模型的预测误差建立自回归滑动平均(ARMA)模型来修正负荷预测结果,结果表明误差修正后预测精度明显提高。(本文来源于《高技术通讯》期刊2019年05期）
张俊玮,罗丹,丁超,张博[4]（2019）在《R46非正弦条件下的有功功率计量误差研究》一文中研究指出随着分布式发电的发展及非线性器件的广泛应用,电能表运行工况日益复杂,对电能计量的准确计量提出了新的挑战。针对OIML组织颁布的R46国际建议中提出的、需考量特殊谐波波形下的电能计量误差,对谐波影响下的有功功率计量进行了深入的分析。通过推导有功功率计量的误差表达式,阐述了谐波等影响量对有功功率计量的影响。采用仿真验证有功功率计量表达式的准确性。仿真结果表明,当功率因素比较小时,有功功率计量的误差会超过高精度电能表的误差极限。此外,设置试验探究了谐波对电能表有功功率计量的影响,为R46国际建议的推广和测试试验提供技术支持。(本文来源于《自动化仪表》期刊2019年04期）
孙朋杰,王彬滨,陈正洪,张雪婷,许杨[5]（2019）在《测风塔风速插补对风功率密度误差的影响分析》一文中研究指出在风资源评估过程中,针对缺测风速,一般采用数理统计方法(比值法、线性回归等)进行插补,使之达到要求,而与之对应的风功率密度,目前未进行检验。为验证风速插补后对应的风功率精度,选取湖北省内2座测风塔观测资料分别代表风速观测"大风年"(2013年)及"小风年"(2014年)状况,利用线性回归方法及比值法,将测风塔有观测数据的8月作为缺测时段进行插补,结果发现:风速实测值与推算值变化趋势一致且达到要求。而与风速对应的风功率密度,1#测风塔实测值与推算值的平均绝对百分比误差(MAPE)超过150%,相对均方根误差(rRMSE)超过90%,平均偏差(MBE)在-15.5～-10W/m~2,模拟值较实测值明显偏小,2#测风塔风功率密度实测值与推算值的MAPE超过100%,rRMSE超过70%,MBE在1.9～6.3W/m2。因此,在对风速缺测插补过程中,会造成平均风速拟合误差不大,而风功率密度差异较大的现象,且在"大风年"插补风速对应的风功率密度较实测值偏小,"小风年"插补风速对应的风功率密度较实测值偏大。(本文来源于《气象科技进展》期刊2019年02期）
闫晓然[6]（2019）在《风功率预测误差的TLS模型矩估计法研究》一文中研究指出风功率预测误差分布的准确描述,对确保电力系统的安全经济运行有着非常重要的意义。研究发现,在很多情况下风功率预测误差都会表现出尖峰厚尾特征,而T-Location-Scale(TLS)分布具有非常明显的厚尾适应性,是目前广泛使用的模型之一。常用的TLS分布的参数估计方法是最大似然法,该方法是通过最大化样本联合概率值来求解分布参数。由于不能通过导数方程的解析方法得到TLS分布参数的最优解,因此需要采用一个优化方法来完成最优解的搜索。然而,由于TLS分布是一个叁参数模型,它的最优解搜索过程不仅时间效率差,而且容易陷入局部极值点,在一些特殊的电力系统中难以应用。因此,寻找一种简单快速的参数估计方法,对TLS分布在风功率预测误差建模中的应用有极大的现实意义。针对以上问题,本文进行了以下研究:第一,研究了TLS分布的定义、性质和参数变化对形态变化的影响规律;给出了利用最大似然法进行TLS分布参数估计的实现算法,为进一步的研究奠定理论基础;第二,研究了TLS分布常用统计矩与分布参数的函数关系,根据这些关系,首次提出了TLS分布参数的矩估计法思想;同时推导出基于样本统计特征估计TLS分布参数的矩估计方法理论公式和算法流程,并且利用标准分布的随机样本验证了该方法的正确性;第叁,研究了TLS分布矩估计法的性能,包括时间效率和拟合精度。在时间效率方面,采用模拟统计的方法,对比了矩估计法和最大似然法,矩估计法和改进最大似然法的时间效率;在拟合精度方面,首先对比了矩估计法、最大似然法和其对应的真实值之间的误差,其次研究了矩估计法和最大似然法之间的相对误差以及相对误差随着样本数量和统计特征的变化规律,在这些变化规律的基础上,进一步得到了矩估计法的成立条件;第四,针对不同装机容量,不同时间尺度的实际风电功率曲线,仿真对比了TLS分布、正态分布、柯西分布、拉普拉斯分布的建模效果,实验结果验证了TLS分布在风电功率预测误差建模中的适用性。(本文来源于《华北电力大学》期刊2019-03-01）
丁明,张超,王勃,毕锐,缪乐颖[7]（2019）在《基于功率波动过程的风电功率短期预测及误差修正》一文中研究指出风资源因具有较强的波动性、随机性与间断性等特点而导致风电功率预测精度不高。为减小风电功率波动对电网的冲击,提高电力系统对风电的接受与消纳能力,提出了改进的风电功率短期预测方法与基于波动的误差修正方法。首先将风电功率按不同波动过程进行聚类划分,提取不同波动的特征曲线对功率值进行修正;采用引力搜索算法优化的反向传播神经网络(GSA-BP)作为基本预测方法进行预测;分析不同波动过程下的预测误差表现,建立预测误差与综合气象指标的映射关系。针对不同波动过程建立相应的风电功率误差修正模型,提出了线性模型和GSA-BP非线性模型相结合的方式对预测误差进行修正,最后以功率预测值迭加预测误差修正值作为最终预测结果。该风电功率预测误差修正方法不仅涉及风速风向等常规因素,而且考虑到了风电功率的波动性。(本文来源于《电力系统自动化》期刊2019年03期）
于泽琦,屈海朋,陈晓雷,张春洋,张恩光[8]（2019）在《一种免滤波数字D类功率放大器功率级误差校正方法》一文中研究指出针对免滤波数字D类功率放大器功率级非线性和电源噪声产生的误差,提出了一种基于前馈电源噪声抑制(FFPSNS)和局部闭环负反馈(LCLNF)技术的免滤波数字D类功率放大器桥接负载(BTL)功率级误差校正方法。该方法通过对BTL功率级构造一阶LCLNF回路,并在反馈回路中利用FFPSNS技术引入功率级电源噪声以在校正功率级误差的同时,进一步降低功率级电源噪声对功率放大器的输出影响。仿真结果表明,当功率放大器输入为频率1 kHz、幅度-5 dB的正弦信号时,与一阶LCLNF方法相比,所提出的方法可使功率放大器输出在800 Hz和1 200 Hz处的电源互调失真(PS-IMD)分量降低约15.6 dB(功率级电源噪声为频率200 Hz,幅度-40 dB的正弦波),功率放大器输出信噪比增加约为17 dB,从而使功率放大器达到较高的性能。(本文来源于《半导体技术》期刊2019年02期）
王建辉,匡洪海,张瀚超,朱国平[9]（2019）在《基于支持向量机和误差修正算法的风电短期功率预测》一文中研究指出基于风电功率预测单一算法带来的预测精度较低问题,提出一种新型的基于粒子群优化支持向量机结合误差修正算法的短期风电功率预测组合算法。该方法首先对原始数据进行分析和清洗;然后通过粒子群算法对支持向量机参数进行寻优,对风电功率进行一次预测,通过经验模态算法对一次预测进行滤波,达到降噪效果,同时得到一次预测误差;最后,利用误差修正算法对一次预测误差进行修正,得到最终的预测值。仿真和测试结果表明,相较于传统的单一算法,该组合算法能更好地提高预测精度。(本文来源于《湖南工业大学学报》期刊2019年01期）
李春红,刘丽娟,张华[10]（2018）在《丙类高频谐振功率放大器实验效率误差分析》一文中研究指出高频功率放大器是无线电发送设备的重要组成部分,丙类高频功率放大器实验是高频电子线路实验课程的最重要的必做实验之一。和甲类和乙类放大器相比,丙类放大器的特点就是效率较高,但往往学生所测实验数据结果误差较大,所以,进行丙类高频谐振功率放大器的实验误差分析有重要实际意义。研究了丙类高频功率放大器实验原理,详细分析了放大器效率误差偏大的原因,并提出了实验注意事项和几点实验教学启示,为高校开设相关实验课程的教工和学生提供参考。(本文来源于《大学物理实验》期刊2018年06期）
功率误差论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
风电功率预测是整个风电运行与控制体系的基础支撑技术模块。基于功率预测误差的修正结果,提出了一种风电场日前有功出力分布的估计方法。首先验证了风电功率的预测误差水平受到风速大小的叁次方、风电功率的峰度、风电功率的大小和功率预测相关性等多个因素的影响;然后利用多元线性回归法建立风电功率预测误差的估计模型,并对风电场日前的点功率预测值进行修正;最后利用广义误差分布模型估计出风电出力的上下限。以华北地区某座风电场作为测试算例进行分析,验证了该出力分布估计方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
功率误差论文参考文献
[1].唐志军,周刚,林国栋,李超,晁武杰.多端柔直系统功率预测信息误差自动诊断技术[J].自动化与仪器仪表.2019
[2].吴晓刚,鲁宗相,乔颖.基于功率预测误差修正的日前风电出力分布估计[J].云南电力技术.2019
[3].梁涛,杨改文,姜文,李永强.基于ARMA误差修正的LM-BP模型的风功率预测[J].高技术通讯.2019
[4].张俊玮,罗丹,丁超,张博.R46非正弦条件下的有功功率计量误差研究[J].自动化仪表.2019
[5].孙朋杰,王彬滨,陈正洪,张雪婷,许杨.测风塔风速插补对风功率密度误差的影响分析[J].气象科技进展.2019
[6].闫晓然.风功率预测误差的TLS模型矩估计法研究[D].华北电力大学.2019
[7].丁明,张超,王勃,毕锐,缪乐颖.基于功率波动过程的风电功率短期预测及误差修正[J].电力系统自动化.2019
[8].于泽琦,屈海朋,陈晓雷,张春洋,张恩光.一种免滤波数字D类功率放大器功率级误差校正方法[J].半导体技术.2019
[9].王建辉,匡洪海,张瀚超,朱国平.基于支持向量机和误差修正算法的风电短期功率预测[J].湖南工业大学学报.2019
[10].李春红,刘丽娟,张华.丙类高频谐振功率放大器实验效率误差分析[J].大学物理实验.2018