资源简介
基于风速预测的风力发电平均功率率侧,神经网络算法
代码片段和文件信息
%%%离线验证程序
%%%10和15修正、选择、arma、SVM_10_15和ARMA平均、SVM_c和ARMA平均
%%%by 7/24
% clc;clear all;close all;
% %load model_power;
% % load model_power;
Q = 20;%训练天数
Q2 = 100;%arma的训练数据
sp_in = 2.25;
sp_out = 25;
power_max = 1504.15087;
power_min = 10.20950758;
string=‘1700270A‘;
excel_name = ‘tianjindagang.xlsx‘;
fengji_num = 33;%---要预测的表格的风机数
day_excel = 54;%---表格里面的天数
qsrq=1;
qsyue=3;
ri =20;%%要预测的日期
yue=4;
sample_lag=5;
flag_nwp1 = ones(311);%3.25(18)3.26(12),4.7(18)4.224.234.24
flag_nwp2 = ones(651);
flag_nwp = [flag_nwp1;flag_nwp2];
Hz = [];
% [N1TX] = xlsread(‘环港00风速1.xlsx‘);
% [N2TX] = xlsread(‘环港00风速2.xlsx‘);
% [N3TX] = xlsread(‘环港00风速3.xlsx‘);
% speed_nwp_1=(N1(293:98))‘;
% speed_nwp_2=(N2(293:98))‘;
% speed_nwp_3=(N3(293:98))‘;
%获取数据
[rangerange_nwp] = excel_range(1fengji_num6day_excel);
[NTX] = xlsread(excel_namerange);%读取平均风速、平均功率、平均温度、风机数
[N_kongTX] = xlsread(excel_name[‘A1:A‘ num2str(day_excel*288-2)]);
DATE = TX(:1);
count_N = size(N);
[rangerange_nwp] = excel_range(1+8fengji_num6day_excel);%读取18点的nwp
[range_zsrange_nwp_zs] = excel_range(1+9fengji_num6day_excel);%读取18点的nwp
[Nwp_288TXwp_288] = xlsread(excel_namerange_nwp);
[Nwp_288_zsTXwp_288_zs] = xlsread(excel_namerange_nwp_zs);
Nwp_288_zs=Nwp_288_zs/fengji_num;
%要将nwp从288点变成96点
count = size(Nwp_288);
Nwp = Nwp_288(1:3:count(1));
count_zs = size(Nwp_288_zs);
Nwp_zs = Nwp_288_zs(1:3:count(1));
N_cc = [N(:count_N(2))N(:count_N(2)-3)N(:count_N(2)-2)N(:count_N(2)-1)];
[Xname1]=powercurvechazhi(string);
v = 1;
for i=-47:240
if yue==3||yue==4
read_datetime = char(DATE(((yue-qsyue)*31+(ri-qsrq))*288+i1));
else
read_datetime = char(DATE((31+30+(ri-qsrq))*288+i1));
end
[time_arrayfilename_excelfilename_txttxt_time] = dateparting_ceshi(read_datetime);
%%判断时刻
run_flag = is_15minutes(time_array);
if run_flag == 1
if yue==3
time=ri-(qsrq-1)-1;
elseif yue==4
time=31-(qsrq-1)+ri-1;
elseif yue==5
time=30+31-(qsrq-1)+ri-1;
end
if time_array(3)==ri
n=time;
else
%%提取风机运行数量
n=time-1;
end
m=12*time_array(4)+time_array(5)/5+1+1;%预测开始的时间
run_num = N(n*288+m-1count_N(2));%%现在时刻的运行台数
sp_5 = N(n*288+m-1-2count_N(2)-3);
sp_10 = N(n*288+m-1-1-47:n*288+m-1-1count_N(2)-3);
sp_15 = N(n*288+m-1-47:n*288+m-1count_N(2)-3);
Wspc = N_cc((m+288*n):(m+288*n+47)2);%真实风速
sp_nwp_48=Nwp_288((m+288*n):(m+288*n+47)1);
Power_nwp_48_zs=Nwp_288_zs((m+288*n):(m+288*n+47)1);
F_Power = N_cc((m+288*n):(m+288*n+47)3);%真实发电量
D_pre=N_cc((m+288*n-48):(m+288*n-1)2);
D_pre_qushi = D_pre - detrend(D_pre);
D_pre_gui = maxmin(D_pre);
z_b2 = N_cc(m-9+288*n:m-1+288*n2);%前9点
%%预测
% [b_2sp_15_averF_PowerD1] = predictspeed_ceshi_zuichu(QN_cctime_arrayqsyueyueqsrqrisample_lag);
[b_2D1bn16_1_D_prebn16_1_D_pre_gui] = net_shenjing(
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 12725 2012-08-13 22:26 awayline_SVM_ARMA.m
----------- --------- ---------- ----- ----
12725 1
相关资源
- 基于Matlab的最大熵模糊图像复原算法
- 一个有关飞机的模板匹配的跟踪的m
- PRI信号分选
- dijkstra算法的matlab实现31274
- L-shade.zip
-
神经网络算法simuli
nk - 暗通道先验+引导滤波MATLAB代码
- 边缘检测中的canny算法及其matlab实现
- MATLAB核函数算法
- 逆变器重复控制算法MATLAB仿真
- SAR自聚焦算法
- 图像分割算法
- matlab预测控制工具箱
- 预报误差法参数辨识-松弛算法(原理
- spiht改进算法matlab
- 模型预测控制MPC+逻辑控制-matlab代码
-
扩展卡尔曼滤波SOC算法Simuli
nk模型 - 快速非局部均值滤波算法
- BP算法ISAR成像基于FEKO仿真模型
- steger 核心算法,可以直接运行
- 分布估计算法讲解及matlab代码
- 基于HSI空间的图像分割算法
- 常用的算法测试函数原代码matlab版.
- LDPC编译码 matlab仿真,BP算法
- 二进制粒子群算法
- matlab实现的区域增长和分水岭算法
- zw_williamanos-10456712-《MATLAB优化算法张
- BP神经网络预测实例
- 混合智能优化算法
- costas载波恢复算法
评论
共有 条评论