导读:本文包含了组合电场论文开题报告文献综述及选题提纲参考文献，主要关键词:风电场功率,预测,组合算法,多尺度
组合电场论文文献综述
黄伟[1]（2019）在《基于组合算法的巴拉素风电场多尺度功率预测模型研究》一文中研究指出企业自建风电场可以解决企业自身负荷供电需求的紧迫性,实现优势互补和能源充分利用,对风电场发电功率进行预测可以为风电上网正常运行提供有用基础,目前我国资源密集省份电网、各能源投资商都在积极开展相关研究,所必需的通信基础、气象服务配套都在筹建中,但对于我国风电功率预报系统如何规划、采取何种形式还在摸索中。虽然欧美各国预报系统日渐成熟可充分借鉴,但风力资源的独特性而不能照搬现有系统,而是应紧密结合我国电网资源特点,开展算法研究。针对巴拉素风电场风力资源的特点和预测需求,提出了风电功率预测及误差分析模型,论文主要工作如下:首先,从理论上分析了影响风电功率输出的影响因素及其作用机理;其;人,研究了风电功率预测的一般性方法,提出了数据预处理的方法,研究短期、超短期等多时间尺度风电功率预测技术并加以改建,构建多算法组合的风电场功率预测模型,对功率预测多种预测模型进行比较,并对误差机理进行分析.最后,根据巴拉素风电场的实际参数建立预测模型,基于国内数值天气预报数据,对巴拉素风电场功率进行超短时和短时预测和误差分析;论文研究成果可为同类企业供电系统接入风力发电进行功率预测提有用参考。(本文来源于《西安科技大学》期刊2019-07-01）
张瀚超[2]（2019）在《基于神经网络组合模型的风电场短期功率预测方法研究》一文中研究指出随着清洁能源概念的普及,风力发电因其资源丰富、技术成熟、利用效率高等优势逐渐成为主要的发电方式之一。但由于风的间歇性、不确定性以及大规模风电并网危害电力系统安全稳定性问题的日益突出,因此精准的风电短期功率预测技术起到极其重要的作用。功率预测能够让电网工作人员安排更加合理的调度计划,准确地做出启停机判断,使更多风电得到消纳。为此,本文的研究主要围绕如何提高风电短期功率预测的精度展开。首先,概述了国内外关于风电短期功率预测的研究方法及分类方式,介绍了风电功率预测的流程、理论基础,对风电运行参数进行了分析。将风场采集的数据进行六次多项式拟合,结果符合风速-功率曲线,为接下来的数据清洗提供了理论基础。其次选用了BP神经网络、Elman神经网络、小波神经网络叁种典型的浅层神经网络对风电场短期功率预测进行建模与仿真分析,对比了叁种神经网络的预测效果及误差。利用灰狼优化算法对叁种模型的参数进行优化,将单一的浅层预测模型与优化后的模型进行仿真对比,通过预测效果及误差分析得出,基于灰狼优化后的浅层神经网络预测模型的预测值更加接近真实值,证实了灰狼优化算法可以提高功率预测的精度。再次,在浅层神经网络进行风电短期功率预测的基础上,提出了一种新型深层神经网络组合模型的预测方法。该方法以卷积神经网络为基础,利用灰狼优化算法对超参数进行初始化寻优,再通过BP神经网络对整个网络进行微调,引入预测偏差二次修正,建立了基于GWO-CNN-ec的组合预测模型。通过仿真分析得出,基于GWO-CNN-ec组合模型的预测曲线更加接近实际值,在高风速段时尤为明显。证明深层卷积神经网络组合模型对风电短期功率预测精度的提升有显着作用。最后对比了经灰狼算法优化后的深层、浅层网络预测效果,证实了深层神经网络组合模型在风电短期功率预测的方面具有更多优势。(本文来源于《湖南工业大学》期刊2019-06-10）
陈祖成[3]（2019）在《基于改进深度置信网络的风电场短期功率组合预测研究》一文中研究指出随着一次能源的渐渐枯竭和传统的火力发电对环境的污染越来越严重,可再生能源的有效利用越来越受到人们的重视。风力发电作为一种无污染、可再生和资源丰富的清洁能源,对调整能源结构、保护生态环境发挥着重要作用。然而风能具有随机性与波动性,导致风电场的出力情况不易掌握。因此需要研究风电场功率预测的关键技术,以保证电力系统稳定运行。主要工作内容如下:首先,本文以张北某风电场为研究对象,分析了风力发电的特性,定性的讨论了风功率和风速、风向、温度、湿度、气压的关系,确定了预测模型的输入向量;根据该风电场提供的风电场数据和气象数据,提取有价值数据信息,为了保证数据的有效性需要对采集的数据进行预处理;采用归一化方法对输入向量进行处理,消除量纲的影响;采用加权法对输入向量进行处理,提高重要影响因素对风功率的影响程度,从而提高预测精度。其次,本文针对传统的深度置信网络(Deep Belief Network,DBN)在训练过程中时间过长和易陷入局部最优问题,分析了该问题的原因,找出问题所在;采用模拟退火算法对DBN结构的初始参数和输入特征向量进行寻优,以减少该网络模型在训练过程中的振荡次数和提高数据的特征提取能力;利用自适应步长算法减少DBN训练网络模型时重构误差所需要的时间,进一步改进该网络模型;建立了改进的深度置信网络风速预测模型,并加以验证。然后,本文针对单一预测模型的稳定性低,预测精度低,提出了一种改进的DBN风速短期组合预测模型,组合预测方法是诱导有序加权平均算法。组合预测前对参与预测的单一模型进行冗余性分析,选出优选模型,剔除冗余模型;以优选模型的预测精度为诱导因子,按照从大到小的顺序进行排序,以排序之后的对应的各个时刻的预测值构造预测误差平方和函数,进而求出权重向量;再根据权重向量将优选模型进行组合,建立了改进的DBN风速短期组合预测模型,得到预测风速;研究分析风速功率曲线,求出预测功率,并进行误差分析。结果证明提高了预测精度和效率。最后,本文根据建立的预测模型利用MATLAB和C#开发了一款风电场功率预测软件,具有一定的实用性。(本文来源于《石家庄铁道大学》期刊2019-06-01）
张晓菲[4]（2019）在《求解含风电场机组组合问题的交替方向乘子法》一文中研究指出机组组合(Unit commitment,UC)问题在电力系统研究中具有举足轻重的地位.风能作为一种清洁无公害的可再生能源,利用它来发电不需要消耗燃料,可以为电力系统节省燃料成本.因此,含风电场机组组合问题(Unit commitment with volatile wind power,WUC)具有重要的理论研究价值和实际意义.交替方向乘子法(Alternating direction method of multipliers,ADMM)是一类求解具有可分结构的凸优化问题的分解方法,通过交替求解一系列子问题来获得原问题的最优解.本文利用ADMM提出了一种求解UC问题和WUC问题的确定性方法.本文针对求解UC问题和WUC问题的ADMM进行了研究.论文的主要工作如下:1.针对UC问题,考虑到开关机状态为0-1整数变量的情况,首先通过引入一个新的变量对该UC问题进行分块,然后将其转化为可用ADMM进行求解的形式,对原问题进行分块求解.同时,在求解的过程中采用了基于热耗的邻域搜索算法来产生初始解以加快ADMM的收敛速度.通过对不含爬坡约束和含爬坡约束两种情况进行数值实验并进行结果分析,数值仿真结果验证了ADMM的有效性.2.针对WUC问题,考虑到预测场景和误差场景下的耦合关系,首先通过引入一系列新的变量对该WUC问题进行解耦,随后将其转化为可用ADMM进行求解的形式,对原问题进行分块求解.同时,在求解的过程中采用了邻域搜索算法来加快ADMM的收敛速度.通过对10误差场景和100误差场景两种情况进行数值实验并进行结果分析,数值仿真结果验证了ADMM的有效性.(本文来源于《河南工业大学》期刊2019-05-01）
董洪达,黄涛,刘俊博,赵春明,张赛鹏[5]（2019）在《组合电器自由金属颗粒的电场分析与缺陷诊断》一文中研究指出为了准确识别组合电器(gas insulated switchgear,GIS)自由金属颗粒缺陷,研究了GIS母线气室金属颗粒的受力情况、运动特性,用仿真方式分析了不同位置颗粒的电场分布,归纳了金属颗粒的缺陷表征,比较了颗粒缺陷的检测方法,找到了识别颗粒缺陷的主要图谱和诊断方法,并用案例进行了验证。研究结果表明:金属颗粒在GIS母线气室中,其所处位置不同,受到的电场力也不同,电场力越强,颗粒运动越剧烈,更易引起局部放电; GIS设备内部存在金属颗粒缺陷时,信号幅值图、波形图、飞行图和声音等主要图谱能够有效反映缺陷类型,检测时通过多图谱诊断方式可准确识别颗粒缺陷。(本文来源于《科学技术与工程》期刊2019年11期）
刘威峰,马飞越,田禄,丁培,闫振华[6]（2019）在《SF_6组合电器典型缺陷模型电场仿真优化设计》一文中研究指出SF_6组合电器设备逐年增多,以及部分设备运行年限较长,SF_6组合电器设备发生故障也越来越多。组合电器局部放电故障极其复杂,缺陷的特性、电场分布情况无法被直观观察到,造成检测人员不能准确地分析放电缺陷。通过电场仿真分析悬浮电位放电、绝缘缺陷、电晕放电、自由颗粒缺陷4种典型缺陷,2种结构模型的电场分布情况,进一步阐释局部放电缺陷形成机理,有助于检测人员分析局部放电缺陷形成过程。(本文来源于《宁夏电力》期刊2019年01期）
刘文颖,王方雨,蔡万通,汪宁渤,拜润卿[7]（2019）在《基于L2范数组合云的风电场短期风速–功率拟合方法》一文中研究指出为解决大型风电场运行分散性引起的风速–功率拟合误差较大的问题,提出一种基于L2范数组合云的风电场短期风速–功率拟合方法。首先,针对不同风速下风电场功率概率密度曲线峰值特性不同问题,以其概率密度曲线峰值点为边界点,建立组合云拟合模型;其次,为了避免样本峰值扰动引起的组合云模型拟合误差升高,基于L2范数理论对风电场特定风速下的功率离散点进行多项式拟合,以该多项式的峰值点作为边界,对上述组合云拟合模型进行修正;最后,采用贝叶斯法对上述组合云拟合模型参数进行计算。经仿真验证:对具有不确定性的不规则单峰或多峰风速–功率概率分布,所提组合云拟合方法均能获得较高的拟合精度,拟合误差较小。(本文来源于《中国电机工程学报》期刊2019年04期）
郎燕生,杨东冀,杨晓楠,温渤婴,赵昆[8]（2019）在《多风电场柔直并网调频的组合控制策略》一文中研究指出大规模多个风电场通过多端柔性直流系统向受端交流电网供电,会解耦风电场和交流电网的频率联系。并且对于含有多个换流站的柔直系统,直流电压控制更为复杂。针对多端直流系统参与交流电网调频以及换流站故障时协调直流电压稳定运行的问题,提出一种不依靠通信的汇集风电多端柔直系统的变下垂组合控制策略。首先,对于连接交流电网的受端换流站(grid side VSC,GSVSC)采用改进虚拟同步机(VSG)电压变下垂策略,该策略一方面可以通过变下垂控制改善直流系统的电压质量;另一方面根据受端电网频率波动幅度不同,可以有选择地为交流电网频率提供惯性响应。其次针对传统电压下垂不适用于含风电场的柔性直流系统的问题,对连接风电场的换流站(wind farm VSC,WFVSC)采用改进电压–频率下垂控制策略。对风电场采用变调频因子惯量控制实时改变出力,根据不同风速下风机改变出力的能力不同,在改进惯量控制中引入转速调频能力因子防止转速越限。最后,在PSCAD/EMTDC仿真软件上进行仿真分析,验证所提控制策略的正确性和有效性。(本文来源于《电网技术》期刊2019年12期）
朱建红,黄琼,孟棒棒[9]（2018）在《基于智能组合算法风电场调度功率预报设计》一文中研究指出提出组合预测及智能算法滤波应用于风电功率预报曲线。对BP神经网络、小波神经网络、支持向量机3种风电预测技术进行研究,借助仿真软件进行预测误差比较分析;利用小波包分解平滑技术,对上述3种预测结果进行波动平抑,对比分析平抑前后波动率。综合比较分析预测误差及平滑效果,确定风电场功率平滑兼准确预报的系统优化方案,为后续参数控制选择提供依据。(本文来源于《计算机工程与设计》期刊2018年10期）
罗权权,李保国,许子雄[10]（2018）在《高压电场组合干燥技术的研究进展》一文中研究指出针对目前干燥设备干燥效率不高、能耗较大的问题,分析了高压电场组合热风干燥和高压电场组合真空冷冻干燥,论述了一种新型干燥工艺——太阳能辅助高压电场干燥。该工艺利用高压电场实现高效干燥,再利用太阳能辅助来达到节能的目的。该设备由太阳能系统、控制系统、高压发生装置系统、干燥室系统四部分组成。介绍了高压电场在不同产品干燥中的利用,并结合太阳能利用对新型干燥工艺进行理论研究,同时介绍了设备局限性以及发展趋势。(本文来源于《能源工程》期刊2018年04期）
组合电场论文开题报告
（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：
随着清洁能源概念的普及,风力发电因其资源丰富、技术成熟、利用效率高等优势逐渐成为主要的发电方式之一。但由于风的间歇性、不确定性以及大规模风电并网危害电力系统安全稳定性问题的日益突出,因此精准的风电短期功率预测技术起到极其重要的作用。功率预测能够让电网工作人员安排更加合理的调度计划,准确地做出启停机判断,使更多风电得到消纳。为此,本文的研究主要围绕如何提高风电短期功率预测的精度展开。首先,概述了国内外关于风电短期功率预测的研究方法及分类方式,介绍了风电功率预测的流程、理论基础,对风电运行参数进行了分析。将风场采集的数据进行六次多项式拟合,结果符合风速-功率曲线,为接下来的数据清洗提供了理论基础。其次选用了BP神经网络、Elman神经网络、小波神经网络叁种典型的浅层神经网络对风电场短期功率预测进行建模与仿真分析,对比了叁种神经网络的预测效果及误差。利用灰狼优化算法对叁种模型的参数进行优化,将单一的浅层预测模型与优化后的模型进行仿真对比,通过预测效果及误差分析得出,基于灰狼优化后的浅层神经网络预测模型的预测值更加接近真实值,证实了灰狼优化算法可以提高功率预测的精度。再次,在浅层神经网络进行风电短期功率预测的基础上,提出了一种新型深层神经网络组合模型的预测方法。该方法以卷积神经网络为基础,利用灰狼优化算法对超参数进行初始化寻优,再通过BP神经网络对整个网络进行微调,引入预测偏差二次修正,建立了基于GWO-CNN-ec的组合预测模型。通过仿真分析得出,基于GWO-CNN-ec组合模型的预测曲线更加接近实际值,在高风速段时尤为明显。证明深层卷积神经网络组合模型对风电短期功率预测精度的提升有显着作用。最后对比了经灰狼算法优化后的深层、浅层网络预测效果,证实了深层神经网络组合模型在风电短期功率预测的方面具有更多优势。
（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。
组合电场论文参考文献
[1].黄伟.基于组合算法的巴拉素风电场多尺度功率预测模型研究[D].西安科技大学.2019
[2].张瀚超.基于神经网络组合模型的风电场短期功率预测方法研究[D].湖南工业大学.2019
[3].陈祖成.基于改进深度置信网络的风电场短期功率组合预测研究[D].石家庄铁道大学.2019
[4].张晓菲.求解含风电场机组组合问题的交替方向乘子法[D].河南工业大学.2019
[5].董洪达,黄涛,刘俊博,赵春明,张赛鹏.组合电器自由金属颗粒的电场分析与缺陷诊断[J].科学技术与工程.2019
[6].刘威峰,马飞越,田禄,丁培,闫振华.SF_6组合电器典型缺陷模型电场仿真优化设计[J].宁夏电力.2019
[7].刘文颖,王方雨,蔡万通,汪宁渤,拜润卿.基于L2范数组合云的风电场短期风速–功率拟合方法[J].中国电机工程学报.2019
[8].郎燕生,杨东冀,杨晓楠,温渤婴,赵昆.多风电场柔直并网调频的组合控制策略[J].电网技术.2019
[9].朱建红,黄琼,孟棒棒.基于智能组合算法风电场调度功率预报设计[J].计算机工程与设计.2018
[10].罗权权,李保国,许子雄.高压电场组合干燥技术的研究进展[J].能源工程.2018