湖大本科毕业设计开题报告

一、开题报告是毕业设计（论文）答辩委员会对学生答辩资

二、开题报告内容必须用黑色签字笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见；三、开题报告内有关“学院”、“专业”等名称的填写，应写中文全称；学生的“学号”必须填写完整。

四、学生毕业后开题报告随同毕业设计（论文）一同归档。

毕业设计(论文)开题报告（全日制本科生）

课题名称 基于模糊聚类分析法的智能电网

风电功率预测方法与研究

课题类别 设计 □ 论文 □

√ 专业、班级 电气工程及其自动化1104班 学生 张建 学

号 20110701427

指导教师 罗滇生

二○一 五 年 三 月

格审查的内容之一。此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期完成，经指导教师签署意见及所在专业审查后生效；

一、本课题设计（研究）的目的： 1.研究并分析风力发电系统功率输出特性； 2.学习模糊聚类分析方法，掌握数据优化预处理方法，从而提高模型预测精度； 3.学习神经网络算法，选取一种或组合多种神经网络模型，对风力发电系统功率进行预 测； 4.将预测数据与实际功率值进行对比和误差分析，整合并提出提高预测精度的理论方法。 5.掌握数据预处理及神经网络预测方法在风力发电系统功率预测中的应用。 二、设计（研究）现状和发展趋势： 鉴于化石燃料的日益枯竭及其带来的环境污染问题，世界各地都在不遗余力地发展可再生能源发电技术。风力发电是一种可再生的、洁净的能源，也是可再生能源发电技术中发展最快最成熟的一种，已具备大规模商业开发的技术和经济条件。近十年来，风电的装机容量迅速增长，其在电网中所占的比例不断提高，在丹麦甚至已经达到电网容量的20%。但因风电输出功率的波动性，给系统调峰带来了严峻的挑战，所以急需研究风电功率预测算法，开发预测系统。国外对风电功率预测方法的研究较早，提出了各种不同机理的研究方法，大致可分为物理方法和统计方法。国内在风电功率预测方面的研究处在起步阶段。 通常电力系统负荷变化规律同环境影响的关系很难用一个准确的数学模型来表达，所以采用模糊聚类的预测方法能较好的处理各种不确定的因素。其基本思想是把由待测量和影响待测量的因素（以人口、农业排灌面积、工业总产值、农业总产值、第三产业产值、国民生产总值等作为环境因素）的历史值所构成的样本按一定的办法进行分类，形成各类环境因素和待测量的变化模式，这样在待测阶段的环境变化量为已知点时，通过该环境与历史环境特性的比较，判断出该环境与哪个历史类最为接近，看作为受环境影响的待测量与该历史类所对应的预测量相同的变化模式，而达到预测目标。其主要步骤如下： （1）确定影响被测量的环境因素及相关变量初始化， （2）确定相关程度建立模糊关系矩阵。 （3）计算相似矩阵的等价闭包。 （4）通过截水平获得最佳聚类。 （5）确定环境因素的特性及负荷变化模式。 （6）计算隶属函数，按照最大隶属原则确定预测年份环境变化模式。 （7）得出预测的结果。 智能电网的风电功率预测具有其重要的意义，通过风电功率预测的结果，电网调度部门可以合理安排计划，减少系统的旋转备用量，提高电网运行的经济性。提前预测风电功率的波动，合理安排运行方式和应对措施，提高电网的安全性和可靠性。对风电进行有效调度和科学管理，提高电网接纳风电的能力。指导风电场的消缺和计划检修，提高风电场运行的经济性。基于模糊聚类分析法来进行智能电网的风电功率能预测更注重 考虑实际环境因素，可以将功率的预测同经济的发展紧密的联系起来，通过寻求功率变化与这些因素相联系的典型模式对处理的未来走势进行预测，这就克服了单纯从数学模型角度进行功率预测的局限性，从而更能有效的对风电的功率进行较为准确的预测。 三、设计（研究）的重点与难点，拟采用的途径（研究手段）： 重点与难点： 1、研究与分析风力发电系统的功率输出特性以及对智能电网的影响； 2、学习模糊聚类分析方法，掌握数据优化预处理方法，从而提高模型预测精度； 3、学习神经网络算法，选取一种活组合多种神经网络模型，对风力发电系统功率进行预测； 4、将预测数据与实际功率进行对比和误差分析，整合并提出提高预测精度的理论方法； 5、掌握数据预处理技术、神经网络预测方法在风力发电系统预测中的应用。 拟采用的途径（研究手段）： 1、利用matlab编写模糊聚类数据优化预处理程序，选取最优化数据预处理方法以提高模型预测精度； 2、利用matlab编写风力发电系统功率预测程序,解决风力发电系统功率输出特性中不稳定因素； 3、绘制出风力发电系统功率预测及实际图形，模拟仿真出预测结果与实际结果进行比较，计算相关模型评价参数，最后进行结果分析，得出结论并提出合理的优化改进方案。

四、设计（研究）进度计划： 2015年3月9日起至2015年6月12日止，共计14周。 具体安排如下： 2015年3月9日—2015年3月20 日 文献阅读，基础研究，做好毕业设计开题报 告和任务书； 2015年3月21日—2015年4月21日 理论分析，方案设计，软件学习和应用，完 成毕业论文初稿； 2015年4月22日—2015年5月26日 仿真模型的建立，修改论文初稿，定稿； 2015年5月27日—2015年6月12日 撰写论文，完成毕业设计答辩。 五、参考文献： [1] 雷亚洲,王伟胜,印永华,等.风电对电力系统运行的价值分析[J].电网技术，2002，26 （5）：10-14. [2] 刘永前，韩爽，胡永生．风电场出力短期预报研究综述[FJ]．现代电力，2007. 24(5)6-11． [3] 高新波.模糊聚类分析及其应用[M].西安电子科技大学出版社, 2004. [4] 师洪涛,杨玲,丁茂生,等.基于小波-BP神经网络的短期风电功率预测方法 [J].电力 系统自动化, 2011, 35(16): 44-48. [5] 刘瑞叶,黄磊.基于动态神经网络的风电场输出功率预测[J].电力系统自动 化,2012,12. [6] 陈颖,周海,王文鹏,曹潇,丁杰.风电场输出功率超短期预测结果分析与改进[J].电力 系统自动化,2011,15. [7] 刘耀年,张文生,张玉霞,殷立新.基于模糊聚类理论的电力系统短期负荷预测的方法 [J].东北电力学院学报,2000,02. [8] Wang Na,Yang Yu Pu.Fuzzy identification method based on the enhanced objective cluster analysis.Kongzhi yu Juece/Control and Decision, v 24, n 1, p 13-17+22, January 2009. [9] Foley,A.M. Laehy,P.G. McKeogh,E.J.Wind power forcasting & prediction methods. 2010 9th Conference on Environment and Electrical Engineering, EEEIC 2010, p 61-64, 2010, 2010 9th Conference on Environment and Electrical Engineering, EEEIC 2010; ISBN-13: 9781424453719; DOI: 10.1109/EEEIC.2010.5490016; [10] Junrong Xia,Pan Zhao,Yiping Dai.Neuro-fuzzy networks for short-term wind power forecasting.Power System Technology (POWERCON), 2010 International Conference on.24-28 Oct. 2010. 指 导 教 师 意 见 签名： 月 日 教研室（学术小组）意见 教研室主任（学术小组组长）（签章）： 月 日 院 长（签章）： 学 院 意 见