风电功率异常数据甄别及其预测研究

被引量 : 0次 | 上传用户:zyj16812
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
风电功率的预测是实现规模化并网的重要因素,准确的风电功率预测能够降低风电并网对电力系统稳定运行产生的不良影响,并能保证系统电量合理的分配。由于风能具有波动性和间歇性等特点,使得风电出力表现较强的波动性和随机性,风电功率预测得不到满意的效果。混沌是确定性的非线性系统内在的随机性现象,随着非线性动力系统的发展,混沌时间序列丰富的动力学信息逐渐体现出来,这给风电功率的混沌特性分析与预测提供了科学的方法。本文分别基于Voronoi图理论和混沌理论,从风电异常数据甄别和预测入手,对风电功率的变化规律进行分析和
其他文献
MOOC(massive open online courses),即大型开放式网络课程,MOOC平台一般都是面向全球或者某个特定范围群体,通过MOOC网络平台向学生传授知识正如火如荼、在全球范围内迅猛发
公钥密码系统已经广泛应用于信息安全领域。目前国际上流行的公钥密码系统有两类:基于大整数分解难题的RSA系统和基本椭圆曲线上的离散对数难题的ECC系统。 模乘是这两类
高光谱遥感具有高的光谱分辨率,能为像元提供几乎连续的波谱曲线,高光谱遥感具备反演地物细节的能力。高光谱数据是复杂的非线性非平稳信号,经验模态分解(Empirical Mode Decomposition,简称EMD)是一种新的自适应时频分析方法,经EMD分解后的各个特征模态函数能突出原始信号的局部特征,从而更加方便地对非线性非平稳信号进行处理与分析。因此,本文尝试将EMD方法应用于复杂的高光谱数据
学位