基于改进持续法的短期风电功率预测

为了有效减轻风能波动对电网的影响,提高风电在电力市场中的竞争力,风电功率预测研究具有重要意义。该文提出了基于小波变换的改进持续法,对短期风电功率预测进行研究。该方法首先利用小波变换将原始风速信号分解为高频部分和低频部分,针对高频信号相邻的两个数据之间相似度较低,波动较大的特点,采用滑动平均法进行预测,而低频信号仍然采用持续法预测,最后通过小波重构以及风电功率特性曲线转换得到风电功率预测值。与原持续法相比较,平均相对误差由17.10%降至11.81%,平均绝对误差由39.58 kW降至23.48 kW,有效地提高了短期风电功率预测的精度,具有一定的实际应用价值。     

基于BP神经网络的离心泵关死点功率预测

离心泵关死点功率至今还不能通过理论计算求得。该文介绍了BP神经网络的结构和特点及其在离心泵性能预测领域的应用现状。基于BP神经网络建立了离心泵关死点功率的预测模型。给出了预测模型的输入模式,并应用试凑法确定了BP神经网络中间隐含层的数目。用46组数据该预测模型进行了训练并给出了神经网络权值和阈值,用3组数据该预测模型进行了仿真并对仿真结果进行了线性回归分析。研究结果表明:建立的离心泵关死点功率预测模型具有比较高的预测精度,其预测平均偏差为4%,可以应用于工程实践中离心泵关死点功率的理论求解。     

参考作物腾发量主成分神经网络预测模型

为解决采用神经网络模型预测参考作物蒸发蒸腾最Eto研究中预测能力不足的问题,将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析,提取主成分,建立了基于主成分的三层BP神经网络模型.选取崇川水利科学试验站2001年到2004年的旬气象资料,采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模犁作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与Eto之间的关系,尤其对训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.     

基于游程检测法重构集合经验模态的养殖水质溶解氧预测

为了提高水产养殖中溶解氧的预测精度,该文提出了基于集合经验模态(ensemble empirical mode decomposition,EEMD)分解、游程检测法重构、适宜的单项预测算法建模和BP神经网络非线性叠加的组合预测模型。该模型首先将溶解氧原始序列用EEMD分解法进行分解,得到了多个分量;其次,用游程检测法将这些分量重构成高频分量、中频分量和低频分量等3个分量;接着,针对高频分量波动性大且复杂、中频分量呈现周期性、低频分量几乎呈线性的特点,采用粒子群(particle swarm optimization,PSO)优化的最小二乘支持向量机(least square support vector machine,LSSVM)对高频项进行预测,采用极限学习机(extreme learning machine,ELM)对中频项预测,采用非线性回归(nonlinear regression method,NRM)对低频项预测;最后,将3个分量预测的结果用BP神经网络进行重构得到最终的预测结果。将该模型应用于江苏省溧阳市埭头黄家荡特种水产养殖场的溶解氧预测中,试验表明,该种以游程检测法重构EEMD为基础的混合预测模型的预测精度高于PSO-LSSVM和单一的ELM预测模型。在预测未来48 h的溶解氧值时,该模型的预测值与实测值的均方根误差RMSE为0.099 2、平均相对误差均值MAPE为0.078、平均绝对误差MAE为0.015 5,R~2为0.995 5。表明该模型有较好的预测精度和泛化能力,能够满足现代化水产养殖业对溶解氧精细化管理的高要求。     

基于BP滤波的Fourier模型在粮食产量预测中的应用

本文尝试将经济学中的功率谱分析（BP滤波）与统计学中的Fourier模型相结合,先利用BP滤波选出对气候产量波动影响较大的周期,再对这些周期建立Fourier模型来拟合气候产量;同时运用多项式模型拟合趋势产量,并用滞后模型对残差进行修正,以提高粮食单产预测的精确度。利用1961-2000年粮食单产序列数据,分别采用Fourier方法和多项式滞后方法、BPNN法和灰色模型法建立模型,以2001-2012年粮食单产数据进行拟合检验。将这3种方法拟合结果进行比较。结果表明,本文引入的模型通过0.01水平的显著性检验且相对误差均在5%以下,利用模型对粮食单产进行中长期预测的结果表明,2013-2017年中国粮食单产将稳定在6018.6～6466.7kg·hm?2。BP神经网络法模拟的粮食单产虽然拟合相对误差较小,但模型不能得到直观解释,在预测时存在一定的随机性;灰色模型模拟的粮食单产相对误差高达35%,与实际产量存在较大差异。研究结果反映出Fourier模型和多项式滞后模型在粮食产量预测中,其精确度更高且更直观,能够用以预测未来粮食单产以及未来气候变化对粮食单产的影响。     

水稻需水量预测的小波BP网络模型

结合BP网络和小波分析的优势，建立一种水稻需水量预测的小波BP网络模型，旨在准确预测水稻需水量，为制定合理的灌溉制度与提高水分利用效率提供重要依据。该文以小波函数代替传统BP网络中的S型激活函数，对三江平原富锦灌区16年的水稻需水量实测序列进行分析，网络结构为6-10-1，训练355次时，精度达到0.01。结果均优于BP算法、RAGASABP模型，表明该模型收敛速度快，预测精度高，为该领域研究提供了新的思路。     

BP神经网络在地表移动边界角预测中的应用

在对煤矿采空区地表移动及其边界角影响因素分析的基础上,提出用BP神经网络预测采空区地表移动边界角.建立了边界角预测的BP神经网络模型,利用国内近30项工程的采空区地表移动实测数据作为学习样本对网络进行训练,用实际工程对网络进行了测试分析.结果显示,预测精度平均达90%,研究表明用BP神经网络计算边界角方法可行,具有实用性,为边界角的确定提供了一条新的途径.     

基于BP神经网络的东港灌区作物需水量预测研究

为了指导东港地区的农业生产,对影响作物参考蒸散量(ET0)的气象因子进行了分析,利用东港市1999年和2000年水稻生育期的常规气象资料,采用Matlab软件的神经网络工具箱,建立ET0三层BP神经网络预测模型,网络的输入因子为日净辐射量、日平均相对湿度和日平均风速,输出因子为利用Penman—Monteith公式计算得到的同期ET0值。结果表明:(1)当模型的隐层节点数为11,传递函数采用tansig函数,训练函数采用trainlm函数时,预测值与目标值的平均相对误差为9%,预测效果较其他情况都好,由此确定模型的最终结构为3—11—1的BP—ET0模型。(2)用BP—ET0模型预测参考作物蒸散量,预测值与目标值的变化趋势基本一致。     

基于SCADA数据的风电机组关键载荷预测

风电机组关键位置载荷预测对风电机组安全、经济运行具有重要意义。通过建立SCADA数据与载荷间的近似关系对风电机组关键位置载荷进行预测。采用BP神经网络建立SCADA数据和载荷的关系模型,利用SCADA数据与载荷间的相关性来筛选模型输入参量,采用试错法确定BP神经网络的层数与神经元数量。针对某2.5 MW风电机组的7处关键位置进行了载荷实测。研究表明,在不采用风速作为输入参量的情况下,模型的预测结果与实测结果具有良好的一致性,相对误差的均值在1.28%到15.6%之间,决定系数R2在0.951到0.882之间;与试错法选择输入参量相比,基于相关性计算的输入参量选择方法能够更高效地筛选出更多恰当的SCADA参量,从而进一步提高预测准确度。因此,基于BP神经网络建立SCADA数据与载荷的近似关系可作为风电机组关键位置载荷预测评估的有效手段。     

基于小波分析和BP神经网络的触电信号检测模型

针对从农村低压电网总泄漏电流中检测和判断触电电流信号的难题,该文提出一种基于小波变换和BP神经网络的触电信号检测方法。首先用触电物理实验平台对动物触电信号进行实测,选择合适的小波基和分解尺度对触电实验中总泄漏电流及触电电流进行小波多分辨分析,实现原始信号的预处理;再将预处理后的波形作为样本进行神经网络学习和训练,建立从总泄漏电流波形中提取触电电流波形的神经网络耦合模型,并用此模型对未训练的样本进行触电信号的检测,检测值与实际值的平均相对误差为3.93%,说明该方法能够从总泄漏电流中检测出触电电流信号,对于     

基于逆模型解耦的风力提水变论域模糊控制

针对风力提水系统风、辅动力存在耦合使控制效果难以保证的问题,该文提出了一种基于逆模型解耦的变论域模糊控制方法。采用神经网络方法辨识风力提水系统的逆系统,并与被控对象进行串联,建立伪线性系统,实现风、辅动力解耦。同时采用模糊控制器对风、辅动力分别进行独立控制,对模糊控制器的论域进行改进,增强系统的环境适应能力。逆模型仿真试验中变量泵控制和柴油机控制量平均误差分别为6.3%和4.5%,实际运行中离心泵的转速平均误差控制在5%以内,说明该文方法能有效抑制风速变化的影响。研究结果对风力提水系统的推广具有重要的意义。     

低风速适用型水平轴风力机气动性能优化与试验

为开发低风资源适用型风力机,以100 W水平轴风力机为研究对象,分析不同设计叶尖速比和设计攻角对风轮变风况气动性能的影响;考虑低风速地区风资源数据统计特点,以提高年发电量和降低启动风速为目标,以设计叶尖速比、设计攻角、叶片弦长和扭角为变量,采用NSGA-II算法进行全局多目标气动寻优;开展风力机性能测试试验。结果表明,优化后年发电量提高了9.14%,风轮启动转矩提高了9.62%;在不同负载条件下,优化叶片功率输出均有明显提高,启动风速由3.84 m/s降低到3.03 m/s;该方法避免设计陷入局部优化,提供一种低启动风速与高功率输出矛盾解决方案,为低风速水平轴风力机设计与应用提供重要参考。     

Artificial neural network for estimating monthly reference evapotransiration under arid and semi arid environments

The objective of this study is to investigate the potential of artificial neural networks (ANNs) for estimating reference monthly evapotranspiration under arid and semi-arid environments. A simple leave one out data analysis was carried out; one neural network solution on six inputs and another six network solutions on five inputs for each monitoring station were done. Comparison of the results showed that the accuracy of ANNs is decreased when relative humidity, wind speed and solar or extraterrestrial radiation are excluded as input variables. The results also showed that monthly evapotranspiration could be computed with relatively good accuracy compared with local calibrated Hargreaves equation based on air temperature using trained ANNs at another location. We conclude, based on our overall results, that temperature-based method ANNs can be used with relatively good accuracy for water resource management, irrigation scheduling and management, and environmental assessment when data are not enough using trained ANNs from another location.     

基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环

为了研制一种调节桨叶节距角的智能控制器,使风力发电机组在变化的风力中获得最大的能量并使转速、功率和机械负载变化最小,提出了一种基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环并用于风轮节距角控制,分析了弹性自适应人工鱼群优化算法-BP神经网络,建立智能控制的风力发电机组模型。使用该方法模拟了在不同桨叶节距角下功率系数、叶尖速比、功率和电压变化,模拟值与实测值进行了对比。试验表明,模拟值与实测值比较接近,仿真效果较佳。结果表明该方法原理正确,符合实际调节及微机控制,可用于实时控制。     

浓缩风能型风力发电机改进模型流场与功率输出特性(简报)

浓缩风能型风力发电机的流场具有特殊性,它的流场特性直接影响该类型风力发电机的性能。浓缩风能型风力发电机改进模型是由相似模型改进而成。采用车载法对改进模型的流场特性进行了试验并与原相似模型比较,研究表明：改进模型中央圆筒叶轮安装处流速增至来流流速的1.38倍,比原模型提高了5.34%;气流动能增至来流风能的2.65倍。采用车载法对改进模型功率输出特性进行了试验,当自然风速为 10.83 m/s时,叶轮转速额定,叶轮风能利用系数Cp为0.182,机组输出功率117.6 W,此时发电机效率为0.655,试验结果证明：叶轮安装处风速是前方相同面积来流风速的1.37倍,气流动能增至来流风能的2.57倍。试验为浓缩风能型风力发电机叶轮设计提供了重要依据。     

海拔1000m以上复杂地形风能风切变指数算法比较

为了准确地评估1000 m以上复杂地形的风能资源,利用PD算法、年平均风速算法、风廓线算法和全数据算法共4种计算方法和实测数据计算风切变指数,结合幂律公式推算出已知高度风速。PD算法结合了大气稳定度的划分,不同的大气稳定度会有不同的计算结果。另外3种算法则没有考虑大气稳定度的划分,而是直接根据实测数据进行计算。将各算法推算的结果与实测风速进行对比和误差分析。数据选用的是湖南某山区测风塔的其中3个测风高度一年内完整的实测数据,立塔地点海拔高于1000 m。结果表明:海拔1000 m以上复杂地形中,利用30 m和70 m风速推算的80m月平均风速误差之和分别如下,PD算法误差是0.3075 m/s,年平均风速的算法误差是0.3145 m/s,全部数据算法误差是0.3187 m/s,风廓线拟合算法为0.3627 m/s。故结合了大气稳定度的算法即PD算法比其他3个未结合大气稳定度算法更为准确。研究结果为选出较优的风切变指数提供了参考。     

风力发电机组变桨距控制方法研究

由于风能的能量密度低、随机性和不稳定性等特点,给大型风力发电机组的控制技术问题带来困难.该文以国产兆瓦级风力发电机组为依托,对大型风力发电机组变桨距控制技术进行研究.分析变桨距控制的基本规律,建立统一变桨和独立变桨距的设计方案和控制方法.提出一种应用于统一变桨距的模糊PID参数自整定控制器设计方案,并在MATLAB/Simulink中建立相应的仿真模块.仿真结果表明,模糊PID的统一变桨距系统能较好地实现大型风电机组对功率控制的要求.此外,利用神经网络技术,提出一种基于来流角预测的独立变桨距控制策略,并通过仿真证明其可有效地减小桨叶的气动疲劳载荷,且功率控制效果良好.通过比较发现,独立变桨距控制比统一变桨距控制的输出功率更加稳定.     

宁夏农牧区荒漠化草场风能发电提水模式资源评估

利用风速观测资料研究分析了宁夏广武荒漠化草场风速变化规律,对风能密度、有效风速小时数、风能发电量和提水量进行估算,并提供了不同时期可能灌溉量与灌溉面积。结果表明广武年均有效风能密度为120W/m~2,属全国风能资源区划一般区内,年均有效风能储量为562kW·h/m~2,3～20m/s有效风速累积4680h,属风能资源可利用区,不利于发展大中型风电,但适合风电井灌提水的家庭经营小型农牧场,其风能资源可使广武额定功率2kW的风力机抽水2.0～5.2m~3/h,可满足2～7hm~2人工草场或农田生长季灌溉用水,解决农牧区生活用电和人畜饮水。     

基于经验模态分解和形态学的风电并网电压故障检测

针对风电场并网点电压故障引起的风机大规模脱网问题,提出了基于柔性形态算子和经验模态分解(empirical mode decomposition,EMD)去噪技术的电网电压故障检测方法。首先,利用EMD对采样信号进行时频自适应预处理,从而确定噪声主导模态;然后,通过柔性形态学变换加阈值输出,有效放大信号奇异点,避免了因电网电压信号周期性变化和噪声引起的背景梯度对检测结果的影响,实现故障定位检测。通过对不同噪声强度的电压暂降故障信号进行检测对比分析发现,随着信号信噪比下降,标准形态学方法的检测误差进一步增大,当信噪比达到25db时,甚至出现了误检现象,而柔性形态EMD检测方法仍然可以有效检测故障扰动的起止时间,表明该方法与标准形态学和小波阈值方法相比,在简化运算过程的同时可以获得更高的检测精度。最后,对某风电场并网点故障电压的分析结果与实测数据的一致性,验证了该方法可以有效检测电网电压的瞬态故障信息,从而为风电场无功补偿装置的投切控制提供了依据。