风电功率

1、6. 毕业设计（论文）译文部分 原文著作（期刊）名称： IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS 作 者： Yu Zou， Malik E. Elbuluk， Yilmaz Sozer 原文出版单位： IEEE Journals & Magazines 原文出版时间： 2013 年 3 月 原文出版地点：美国 风电系统中最大功率点跟踪法的稳定分析 摘要 最大功率点跟踪（ MPPT）法是显著提高风力机系统效率和能量获取的关键。
借助特征功率曲线的 MPPT 法是最常用的 MPPT 法之一。
通过功率和电流之间的关系可以获得参考电压而不需要实时风速信息。
本文介绍了该 MPPT法的稳态和动态分析并提出一 个单极传递函数来描述风速变化对发电机转速的影响。
这是通过在一类非线性转子机械系统应用小信号分析。
为了验证风力机系统的性能，在 MPPT 功率控制的基础上实现了仿真和实验系统。
风速变化时，发电机转速的变化表现出理论、仿真和实验的良好一致。
关键词 双馈感应发电机（ DFIG），最大功率点跟踪（ MPPT）法，。

2、lt;span style=font-size:18px;color:#ff0000;http:/www.bisheziliao.com/p-137231.html中文 5315 字  出处： Sun D, Sun X, Northwood D O, et al. Thermoelectric power characterization of a 2024 aluminum alloy during solution treatment and agingJ. Materials characterization, 1996, 36(2): 83-92 热电势和电功率表征 2024 航空铝合金的固溶和时效过程  Da。

3、网络模型；利用该模型对历史数据进行 超前一步预测 ，目的是为了找到最优的 SPREAD 值。
SPREAD 值是 GRNN 神经网络的重要参数，该参数的选择对模型的推广能力具有重要的意义。
论文从理论上研究 神经网络的泛化能力及 GRNN 网络的设计要点，重点讨论 SPREAD 参数的 物理 本质，给出训练过程中选择 该 参数的 几种 方法。
其次 ， 以某风电场的风功率历史数据为样本 ， 讨论样本设计及网络训练， 运用 MATLABR2008a 平台 编程实现对 GRNN 神经网络系统的 建模设计 。
最后， 通过 对 模拟 仿真的 手段 设定获取最小泛化误差的目标函数，进而选出最优的 SPREAD 参数 ，检验预测 效果。
关键词： 风电功率预测；泛化能力； GRNN 神经网络； 扩展系数 华北电力大学本科毕业设计（论文） II Study on wind power forecasting in wind farms based on 。

4、文（设计）任务书 论文（设计）题目： 基于支持向量机的风电功率预测 一、主要内容及基本要求 近年来，由于我国大力发展风电功率市场。
风电功率预测也成为从事电力部门工作 人员的研究热点问题。
目前，有很多方法可以进行风电功率预测，通过查阅文献，进行 对比，最终提出了基于支持向量机的风电功率预测方法。
本文首先讲解了风电功率的发电原理和影响风力发电的因素；接着，通过国标讲解 了风电功率预测的分类，评判标准和预测方法等，并且提出了基于支持向量机的风电功 率预测办法；然后，重点讲解了支持向量机的理论基础和实现支持向量机在回归预测中 的实现方法；而后，我们建立了基于支持向量（SVM）的风电功率预测方法，并与神经 网络(BP)的预测方法进行比较，发现支持向量机的预测精度高于神经网络；最后，我们 提出了用遗传算法来优化支持向量机的参数， 最终结果表明遗传优化(GA)的支持向量机 算法有显著的优越性。
。