基于人工神经网络的风电系统建模及其应用研究

论文摘要

风力发电已经被用在电网中,直接关系到整个电网的稳定性。做为分布式能源,其建模的研究一直缺乏系统性与普遍性。特别风电系统的结构日趋复杂,变化的非线性、时变性和不确定性的特点更加明显,很难建立一个适合的数学模型来清晰地表达变量之间的关系。而基于神经网络的非数学模型建模法,为解决数学建模方法的不足提供了新的思路,同时也为风电系统模型开辟了一条有效的途径。为了很好地利用人工神经网络的非线性逼近特性来拟合风电场的静态特性模型,本文首先针对现场数据对参数间关系进行分析,采用主元分析法对用于建模的这些现场数据进行分析,并对所得数据进行归一化处理,主要采用比较经典的BP网络模型,但由于其存在一些不可避免的问题,所以进一步采用RBF网络来改进静态模型,同时验证了用神经网络建立的风电场模型基本上反映了风力发电的实际运行情况。为了更好地描述风电系统动态特性,并解决多数风电系统负荷模型把有功功率、无功功率分裂开来的问题,本文在神经网络静态模型的基础上,利用人工神经网络结构中可以有多个输出这一特点,将风电系统当成负荷模型,把其有功功率、无功功率这两输出巧妙地结合在一起,这正体现了在电力系统中负荷是有功和无功功率的相互耦合,并通过数据样本进行预处理、训练和测试,能提供更加准确的风电场模型,尤其能很好地描述系统的动态特性。为了给用户的使用提供了方便友好的方式,本文从模型应用角度进行研究,采用Visua1C++和MFC创建的应用程序生成窗口,结合神经网络的结构特点,并且把权值、阈值进行封装,生成自己需要的图形用户界面,并形成中间文件存放定义好的界面信息。图形用户界面实现程序打开中间文件,读取界面信息并显示。最终用户通过实现程序所显示的图形用户界面与应用程序交互可以处理消息,进行绘图,为用户的使用提供了方便友好的方式。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景和意义
• 1.1.1 世界风力发电发展概况
• 1.1.2 我国的风力发电发展概况
• 1.1.3 风力发电系统的特点
• 1.2 风电系统建模的研究现状和存在的问题
• 1.2.1 建模方法研究现状
• 1.2.2 建模方法存在问题
• 1.2.3 人工神经网络建模现状
• 1.3 本课题研究目标和主要内容
• 第二章 风电系统的静态特性神经网络模型建立与仿真
• 2.1 BP 算法的基本原理
• 2.1.1 BP 算法基本思想
• 2.1.2 BP 算法的推导过程
• 2.2 基于现场数据的风电系统的神经网络建模
• 2.2.1 主元分析分析法对风电系统现场数据的处理
• 2.2.2 BP 网络静态性能模型建立
• 2.2.3 仿真结果与分析
• 2.3 基于 RBF 网络的静态性能模型建立
• 2.3.1 RBF 神经网络算法概述
• 2.3.2 RBF 模型建立与仿真分析
• 2.4 小结
• 第三章 基于ELMAN 神经网络的风电系统负荷模型建立
• 3.1 风电系统的负荷模型概述
• 3.2 基于 ELMAN神经网络的差分方程模型改进
• 3.2.1 引言
• 3.2.2 基于多重局部反馈Elman 神经网络的负荷模型改进
• 3.3 模型仿真分析
• 3.3.1 仿真模型的实现
• 3.3.2 仿真结果与分析
• 3.4 小结
• 第四章 风电系统模型的用户界面图形化软件设计
• 4.1 用户界面软件设计
• 4.1.1 VC++设计界面思路
• 4.1.2 功能的实现、编程
• 4.2 设计实例
• 4.3 小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢