电工技术学报
電工技術學報
전공기술학보
Transactions of China Electrotechnical Society
2015年
14期
370-376
,共7页
风电场%风资源评估%混合神经网络%自适应粒子群优化
風電場%風資源評估%混閤神經網絡%自適應粒子群優化
풍전장%풍자원평고%혼합신경망락%자괄응입자군우화
Wind farm%wind energy resource assessment%hybrid neural network%particle swarm optimization
准确的风资源评估是风电场规划和设计的前提.为了提高风电场风资源评估的精度,提出了一种基于混合神经网络的风电场风资源评估方法,该方法可综合利用风电场附近区域信息进行评估.首先根据风电场和附近参考气象站的同期数据建立基于混合神经网络的相关模型,训练得到神经网络的权值参数,为了提高神经网络的学习能力和避免陷入局部最优,混合神经网络采用不同的训练方法,并且采用自适应粒子群算法进行优化;再将参考气象站的历史观测数据应用到该模型中,即可得到风电场的长期风速特性,在此基础上进行风资源评估参数的计算.仿真结果表明该方法具有较高的精度.
準確的風資源評估是風電場規劃和設計的前提.為瞭提高風電場風資源評估的精度,提齣瞭一種基于混閤神經網絡的風電場風資源評估方法,該方法可綜閤利用風電場附近區域信息進行評估.首先根據風電場和附近參攷氣象站的同期數據建立基于混閤神經網絡的相關模型,訓練得到神經網絡的權值參數,為瞭提高神經網絡的學習能力和避免陷入跼部最優,混閤神經網絡採用不同的訓練方法,併且採用自適應粒子群算法進行優化;再將參攷氣象站的歷史觀測數據應用到該模型中,即可得到風電場的長期風速特性,在此基礎上進行風資源評估參數的計算.倣真結果錶明該方法具有較高的精度.
준학적풍자원평고시풍전장규화화설계적전제.위료제고풍전장풍자원평고적정도,제출료일충기우혼합신경망락적풍전장풍자원평고방법,해방법가종합이용풍전장부근구역신식진행평고.수선근거풍전장화부근삼고기상참적동기수거건립기우혼합신경망락적상관모형,훈련득도신경망락적권치삼수,위료제고신경망락적학습능력화피면함입국부최우,혼합신경망락채용불동적훈련방법,병차채용자괄응입자군산법진행우화;재장삼고기상참적역사관측수거응용도해모형중,즉가득도풍전장적장기풍속특성,재차기출상진행풍자원평고삼수적계산.방진결과표명해방법구유교고적정도.
