跳到主要內容

臺灣博碩士論文加值系統

(3.231.230.177) 您好!臺灣時間:2021/08/04 05:20
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:溫建順
研究生(外文):Jian-Shun Wen
論文名稱:粒子群最佳化之適應性類神經網路風速預測系統
論文名稱(外文):PSO-based Adaptive Artificial Neural Networks for Wind Speed Forecasting
指導教授:楊宏澤楊宏澤引用關係
指導教授(外文):Hong-Tzer Yang
學位類別:碩士
校院名稱:國立成功大學
系所名稱:電機工程學系碩博士班
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:61
中文關鍵詞:短期風速風能預測粒子群最佳化類神經網路時間序列分析
外文關鍵詞:Short-term Wind Speed ForecastingTime Series AnalysisParticle Swarm OptimizationArtificial Neural Network
相關次數:
  • 被引用被引用:1
  • 點閱點閱:181
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
風速之連續變化將導致風力發電機組的輸出功率隨之改變,因此風能轉換系統(wind energy conversion system, WECS)無法如傳統發電機組進行調度。若能更準確的預測短期風速,產生的功率將能更有效的排程與降低成本。風力發電佔電力市場比例預計將提高,準確的風能預測將成為訂定電力市場價格的依據。
本研究目的在於建立一風速預測類神經網路系統,在不同時間序列間隔(time step)下,採用粒子群最佳化演算法改善類神經網路(Artificial Neural Network, ANN)學習率並使具線上修正之功能。為驗證與測試所提短期風速預測模式,本文將採用實際數據資料,其中包括台電於澎湖中屯風力發電機組之風速與發電資料(民國93年1月至3月)與新竹氣象站風速資料等。本文研究結果將與業界常用之Persistence模式比較實際風速與預測風速的誤差。並依據風速預測結果提出風力發電預測輸出範圍,以供傳統發電機組作為備載電力參考。
The power generated by wind turbines varies with the continuous fluctuation of wind speed. Consequently, wind energy conversion systems (WECS) cannot be dispatched like conventional power generation units. If the short-term wind speed can be forecast more accurately, power generation may be scheduled more efficiently and costs can be reduced accordingly. The proportion of wind power is expected to increase in the electric power system, and accurate forecasting of wind energy will become a basis of electric power pricing.
The aim of the thesis is at building an artificial neural network (ANN) wind-speed forecasting system and testing the system built with different time step sizes as inputs to the ANN. The particle swarm optimization (PSO) algorithm is used to improve the learning rate of the ANN and enable online adjusting of the system. In order to verify and evaluate the proposed short-term wind forecasting model, data are collected for real time-series wind speed and wind power generation from Taipower Penghu Chungtun (from January to March 2004) and for wind speed data from the Central Weather Bureau, Hsinchu Station. The results of the proposed method are compared with the Persistence model widely used by the industry based on the errors between the real wind speed and the forecasted wind speed. The results of the forecast wind speed are also employed to provide a range of forecast wind generation output as references for reserves of conventional power generation units.
目 錄
摘 要 I
Abstract II
誌謝 III
圖目錄 VI
表目錄 IX
第一章 緒論 1
1-1 研究動機與目的 1
1-2 文獻回顧 2
1-3 研究方法 5
1-4 本文貢獻 6
1-5 論文組織架構 6
第二章 風速預測之理論基礎 8
2-1 風速預測之簡介 8
2-2 數值天氣預測(NWP) 10
2-3 風能預測的其他方法 13
2-4 本章結論 15
第三章 粒子群最佳化之適應性類神經網路風速預測系統 16
3-1 簡介 16
3-2 類神經網路之簡介 16
3-2-1 類神經網路之基本架構 17
3-2-2 類神經網路的學習法則 18
3-3 粒子群最佳化演算法之簡介 23
3-4 適應性類神經網路風速系統建立 27
3-4-1 本文使用之類神經網路 27
3-4-2 本文使用之PSO演算法 28
3-4-3 風速分級模式 30
3-5 本章結論 32
第四章 數值測試與結果分析 33
4-1 研究資料說明 33
4-2 各類預測性能指標 34
4-3 風速模式預測驗證結果 35
4-3-1 連續型風速預測比較 36
4-3-2 分級型風速預測比較 46
4-3-3 預估備載電力 53
4-4 結果分析討論 54
4-5 本章結論 55
第五章 結論與未來研究方向 56
5-1 結論 56
5-2 未來研究方向 57
參考文獻 58
[1]法蘭茲.阿爾特,「台灣適合發展再生能源」,自由時報大紀元,民國95年6月2號。
[2]經濟部能源局,能源政策白皮書,民國94年。.
[3]http://www.taipower.com.tw/,台灣電力公司。
[4]林偉凱,「我國風力發電產業發展之策略與建議」,能源報導,民國95年1月。
[5]陳野正仁,「日本太陽光發電之現況」,光電與能源及環保專題報導之三,第68期,民國84年10月。
[6]林和毅,利用MM5模式評估台灣地區風能蘊藏量之研究,國立中央大學大氣物理研究所碩士論文,民國89年7月。
[7]經濟部能源會委託,工研院能資所與國立中央大學大氣物理所研究成果,台灣地區基本風能分布,民國90年。
[8]江火明與曾仁祐,「台灣北部地區風力電廠廠址評選與風力發電量估算技術研究」,大氣科學學術研討會論文集,民國93年5月。
[9]李昀寰,颱風降雨量與風速之統計預測,國立中央大學統計研究所碩士論文,民國90年6月。
[10]莊月璇,台灣地區風速機率分布之研究,國立中央大學土木工程研究所碩士論文,民國90年6月。
[11]李嘉文,風力時序長程機率模型之建立及發電量之計算,國立雲林科技大學碩士論文,民國90年7月。
[12]C. W. Potter and M. Negnevitsky, “Very Short-Term Wind Forecasting for Tasmanian Power Generation,” IEEE Transactions on Power Systems, Vol. 21, No. 2, pp.965-972, May 2006.
[13]B. Ernst, B. Oakleaf, M. L. Ahlstrom, M. Lange, C. Moehrlen, B. Lange, U. Focken, and K. Rohrig, “Predicting the Wind,” IEEE Power & Energy Magazine, Vol. 5, pp. 78-89, Nov-Dec 2007.
[14]P. L. Johnson, M. Negnevitsky, and K. M. Muttaqi, “Short Term Wind Power Forecasting Using Adaptive Neuro-Fuzzy Inference Systems,” Universities Power Engineering, pp. 1-6, Dec. 2007.
[15]R. KRETZSCHMAR, P. ECKERT, and D. CATTANI, “Neural Network Classifiers for Local Wind Prediction,” American Meteorological Society, Vol. 43, pp. 727-738, May 2004.
[16]T. Senjyu1, A. Yona1, and T. Funabashi, “Application of Recurrent Neural Network to Long-Term-Ahead Generating Power Forecasting for Wind Power Generator,” IEEE PSCE, pp. 1260-1265, Oct. 2006.
[17]M. C. Alexiadis, P. S. Dokopoulos, and H. S. Sahsamanoglou, “Wind Speed and Power Forecasting based on Spatial Correlation Models,” IEEE Transactions on Energy Conversion, Vol. 14, No. 3, pp. 836-842, Sep. 1999.
[18]S. Li, D. C. Wunsch, E. A. O’Hair, and M. G. Giesselmann, “Using Neural Networks to Estimate Wind Turbine Power Generation,” IEEE Transactions on Energy Conversion, Vol. 16, No. 3, pp.276-282, Sep. 2001.
[19]M. S. Kang, “Generation Cost Assessment of an Isolated Power System With a Fuzzy Wind Power Generation Model,” IEEE Transactions on Energy Conversion, Vol. 22, No. 2, pp.397-404, Jun. 2007.
[20]T. G. Barbounis, J. B. Theocharis, M. C. Alexiadis, and P. S. Dokopoulos, “Long-Term Wind Speed and Power Forecasting Using Local Recurrent Neural Network Models,” IEEE Transactions on Energy Conversion, Vol. 21, pp. 273-284, Mar. 2006.
[21]G. N. Kariniotakis, G. S. Stavrakakis, and E. F. Nogaret, “Wind Power Forecasting Using Advanced Neural Networks Models,” IEEE Transactions on Energy Conversion, Vol.11, No. 4, pp. 762-767, Dec. 1996.
[22]鄭淑珠,台灣地區風速與風向分佈之分析(以1951-2001年資料為例),國立台灣海洋大學河海工程學系碩士論文,民國91年6月。
[23]B. C. Ummels, M. Gibescu, E. Pelgrum, W. L. Kling, and A. J. Brand, “Impacts of Wind Power on Thermal Generation Unit Commitment and Dispatch,” IEEE Transactions on Energy Conversion, Vol. 22, No. 1, pp. 44-51, Mar. 2007.
[24]J. Matevosyan and L. Soder, “Minimization of Imbalance Cost Trading Wind Power on the Short-Term Power Market,” IEEE Transactions on Power Systems, Vol. 21, No.3, pp.1396-1404,Aug. 2006.
[25]H. Li, M. Steurer, K. L. Shi, S. Woodruff, and D. Zhang, “Development of a Unified Design, Test, and Research Platform for Wind Energy Systems Based on Hardware-in-the-Loop Real-Time Simulation,” IEEE Transactions on Industrial Electronics, Vol. 53, No. 4, pp. 1144-1151, Aug. 2006.
[26]G. Sideratos and N. D. Hatziargyriou, “An Advanced Statistical Method for Wind Power Forecasting,” IEEE Transactions on Power Systems, Vol. 22, No. 1, pp.258-265, Feb. 2007.
[27]K. Methaprayoon, C. Yingvivatanapong, W. J. Lee, and J. R. Liao, “An Integration of ANN Wind Power Estimation into Unit Commitment Considering the Forecasting Uncertainty,” IEEE Transactions on Industry Applications, Vol. 43, No. 6, pp. 1441-1448, Nov.-Dec. 2007.
[28]李東峰,倒傳遞類神經網路颱風波浪預報模式之研究,國立台灣海洋大學河海工程學系碩士論文,民國93年6月。
[29]J. Kennedy and R. C. Eberhart, “Particle Swarm Optimization,” In Proceedings of IEEE International Conference on Neural Networks, Vol. 4, pp. 1942-1948, 1995.
[30]K. E. Parsopoulos and M. N. Vrahabits, “Recent Approaches to Global Optimization Problems through Particle Swarm Optimization,” Natural Computing, Vol. 1, pp. 235-306, 2002.
[31]http://ezph.myweb.hinet.net/chinese/play/bd-fancha.htm
[32]http://www.weather-file.com/hurst/
[33]http://www.ecct.org.tw/print/52_2.htm
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top