新書推薦：
《
车用锂离子动力电池碰撞安全
》
售價：NT$
885.0
《
中国近代史（中国史学大家蒋廷黻典作品）
》
售價：NT$
223.0
《
先跳了再说： 仓本聪的工作与生活哲学
》
售價：NT$
314.0
《
抗焦虑饮食（赠实践手册）
》
售價：NT$
498.0
《
生活不是掷骰子：理性决策的贝叶斯思维
》
售價：NT$
386.0
《
万有引力书系·基辅罗斯：东斯拉夫文明的起源
》
售價：NT$
661.0
《
康熙的红票：全球化中的清朝
》
售價：NT$
437.0
《
PyTorch语音识别实战
》
售價：NT$
386.0
|
| 編輯推薦： |
|
《大型风电场发电功率建模与预测》可供研究院所和高等院校从事新能源研究领域的人员阅读，也可供高等院校电气工程专业的研究生参考。
|
| 內容簡介： |
|
目前大型风力发电场的建设日益增长，风力发电的不稳定性对电网的运行有重要的影响，国家能源局2011年印发了风电场功率预测预报管理暂行办法规定：2012年1月1日起所有风电场必须建立风电预测预报体系，未按要求报送风电功率预测预报结果的风电场，不得并网运行。风力发电预测系统的研究在理论上和实际应用上均具有较为重要的意义。本书主要介绍大型风电场的发电功率预测基本理论和方法。首先从理论上对风电场的特性进行分析得出风电场发电特性具有混沌属性，因此可以进行短期预测，其次利用相空间重构方法建立风电场的预测模型。采用统计、数据挖掘和学习方法进行深入研究，完善和推进了这类信息的建模和预测的理论，同时在5个风电场对所研究成果进行了验证和应用。本书的所有研究数据均来自实际风电场多年的历史记录，因此研究成果具有较强的理论价值和实际应用价值。
|
| 目錄：
|
目录
前言
第1章 风力发电及风力发电功率预测 1
1.1 风力发电概述 1
1.2 风力发电特性 3
1.2.1 风力发电的特点 3
1.2.2 风机的风速-功率曲线 4
1.2.3 影响风电场输出功率的地理因素 6
1.3 NWP介绍 7
1.3.1 NWP模型 7
1.3.2 中尺度气象预报模式 9
1.3.3 常用的NWP模式 10
1.4 风力发电功率预测方法 11
1.4.1 按预测时间尺度划分 11
1.4.2 按预测的物理量划分 12
1.4.3 按预测范围划分 12
1.4.4 按预测模型划分 12
1.5 风力发电功率预测的发展 15
1.5.1 国外对风力发电功率预测的研究 15
1.5.2 国内对风力发电功率预测的研究 17
1.6 风力发电功率预测误差及评价指标 19
1.6.1 预测误差来源 19
1.6.2 预测误差分析意义 20
1.6.3 常用误差评价指标 20
1.7 本章小结 20
参考文献 21
第2章 风力发电功率预测理论基础 26
2.1 时间序列法 26
2.1.1 时间序列简介 26
2.1.2 时间序列分析相关概念 27
2.1.3 时间序列模型定阶 28
2.1.4 时间序列模型参数估计 29
2.1.5 ARMA模型的建立 30
2.2 神经网络 31
2.1.1 神经网络简介 31
2.2.2 人工神经元模型 31
2.2.3 神经网络拓扑结构 34
2.2.4 神经网络的学习 35
2.2.5 神经网络建模过程 36
2.2.6 BP网络模型 36
2.2.7 RBF网络模型 38
2.3 支持向量机 39
2.3.1 机器学习的基本问题 39
2.3.2 统计学习理论 41
2.3.3 结构风险最小化原则 42
2.3.4 支持向量机理论 43
2.4 信号分解 59
2.4.1 小波变换及其理论 59
2.4.2 经验模式分解及其理论 62
2.5 混沌理论与相空间重构 63
2.5.1 混沌时间序列 63
2.5.2 混沌基本概念 63
2.5.3 混沌系统的判定 64
2.5.4 相空间重构与Takens嵌入定理 66
2.5.5 时间延迟和嵌入维数的选取 67
2.6 本章小结 70
参考文献 70
第3章 风力发电功率的超短期预测 73
3.1 本章仿真数据描述 73
3.2 风力发电功率预测的时间序列法 74
3.2.1 基于ARMA的风力发电功率预测模型及仿真实例 74
3.2.2 基于多种定阶方法的ARMA组合优化预测模型及仿真实例 78
3.2.3 风力发电功率预测的噪声场合下的ARMA模型 79
3.3 风力发电功率预测的相空间重构法 83
3.3.1 风力发电功率时间序列的混沌属性 83
3.3.2 基于相空间重构的神经网络模型结构 87
3.3.3 基于相空间重构的神经网络模型的建立 89
3.3.4 仿真实例分析 90
3.3.5 基于相空间重构的支持向量机模型结构 92
3.3.6 仿真实例分析 94
3.4 风力发电功率预测的信号分解法 95
3.4.1 小波-神经网络模型及仿真实例 96
3.4.2 经验模式-神经网络模型及仿真实例 102
3.4.3 各种模型的对比分析 106
3.5 多模型组合预测 107
3.5.1 问题提出 107
3.5.2 多个模型组合方式 108
3.5.3 基于多嵌入维数的神经网络集成模型结构 110
3.5.4 仿真实例及分析 110
3.6 本章小结 114
参考文献 115
第4章 风力发电功率的短期预测 117
4.1 本章仿真数据描述 117
4.2 基于单位置NWP的神经网络风力发电功率预测 117
4.2.1 NWP信息与风力发电功率的关系 117
4.2.2 预测模型结构 119
4.2.3 仿真实例 120
4.3 基于聚类分析的风力发电功率预测 120
4.3.1 风力发电功率的日相似性分析 121
4.3.2 聚类分析的基本原理 124
4.3.3 预测模型结构 128
4.3.4 仿真实例 128
4.4 基于多位置NWP粗糙集约简的风力发电功率预测 133
4.4.1 粗糙集理论 133
4.4.2 基于多位置NWP粗糙集约简的预测模型 136
4.4.3 仿真实例 137
4.5 基于多位置NWP主成分分析的风力发电功率预测 143
4.5.1 主成分分析的原理 143
4.5.2 预测模型结构 148
4.5.3 仿真实例 148
4.6 本章小结 154
参考文献 154
第5章 风力发电功率的中期预测 156
5.1 本章仿真数据描述 156
5.2 基于气象信息约简的粗糙集神经网络中期预测 157
5.2.1 基于粗糙集约简的中期风速预测模型 157
5.2.2 基于粗糙集方法的风力发电功率预测影响因素约简 157
5.2.3 粗糙集神经网络预测模型建模 159
5.2.4 风速预测仿真结果分析 161
5.2.5 月平均风速和风力发电量的关系 162
5.3 基于灰色理论的月发电量预测 164
5.4 多模型组合预测 166
5.5 本章小结 167
参考文献 167
第6章 集成化风力发电功率预测系统 168
6.1 系统设计需求 168
6.1.1 电网需求 168
6.1.2 风电场需求 169
6.1.3 技术开发需求 170
6.2 集成化风力发电功率预测系统设计方案 170
6.2.1 系统软件组成 170
6.2.2 系统硬件设计 171
6.2.3 系统软件设计 176
6.2.4 系统软件开发环境介绍 176
6.3 集成化风力发电功率预测系统功能 177
6.3.1 数据采集功能 177
6.3.2 数据处理功能 177
6.3.3 数据统计功能 177
6.3.4 预测功能 179
6.3.5 界面显示功能 179
6.3.6 输出功能 180
6.4 集成化风力发电功率预测系统交互界面 180
6.4.1 系统登录界面 180
6.4.2 预测系统界面 181
6.4.3 实时数据监测界面 183
6.4.4 气象数据查询 184
6.4.5 功率数据查询 185
6.4.6 系统运行监控 188
6.5 本章小结 189
参考文献 189
第7章 风力发电功率预测的应用 190
7.1 风力发电功率预测误差分析 190
7.1.1 风力发电功率预测误差的存在形式 190
7.1.2 风力发电功率预测误差产生的原因 191
7.1.3 风力发电预测误差分布 193
7.2 风力发电预测对系统备用容量的影响 194
7.2.1 电力系统可靠性指标 194
7.2.2 系统备用容量的计算 195
7.3 考虑预测误差分布的系统储能容量配置实例 198
7.3.1 风力发电功率预测误差分布分析 198
7.3.2 系统储能配置 200
7.4 本章小结 202
参考文献 202
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
