近年來,風(fēng)電在電力系統(tǒng)中的滲透率不斷提高,發(fā)揮著不可或缺的作用。風(fēng)電機(jī)組運(yùn)行過程中產(chǎn)生的海量數(shù)據(jù)記錄著風(fēng)電機(jī)組的實(shí)際運(yùn)行狀況,采用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的方法對這些數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘很有意義。隨著大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)的迅猛發(fā)展,風(fēng)電大數(shù)據(jù)研究具有更大的可能性和更廣的應(yīng)用前景。針對風(fēng)電場運(yùn)行過程中產(chǎn)生的海量數(shù)據(jù)的應(yīng)用問題,本文沿著數(shù)據(jù)預(yù)處理,風(fēng)電場運(yùn)行狀態(tài)可視化,風(fēng)電場運(yùn)行數(shù)據(jù)分析和趨勢預(yù)測的順序,對風(fēng)電場大數(shù)據(jù)進(jìn)行了展示、分析和預(yù)測。首先介紹了電力大數(shù)據(jù)的基本構(gòu)成、發(fā)展現(xiàn)狀和應(yīng)用前景,并對風(fēng)電大數(shù)據(jù)研究方法和機(jī)器學(xué)習(xí)在大數(shù)據(jù)分析中的應(yīng)用進(jìn)行了分析。其次,從大數(shù)據(jù)預(yù)處理方法出發(fā),介紹了各預(yù)處理方法的原理并基于實(shí)測數(shù)據(jù),采用主成分分析和t-分布鄰域嵌入算法,對風(fēng)電場運(yùn)行過程中的高維數(shù)據(jù)進(jìn)行了降維處理和結(jié)果分析。再次,設(shè)計和實(shí)現(xiàn)了對風(fēng)電大數(shù)據(jù)進(jìn)行統(tǒng)計分析和實(shí)時狀態(tài)監(jiān)控的可視化系統(tǒng),通過結(jié)合時序數(shù)據(jù)庫InfluxDB和可視化工具Grafana實(shí)現(xiàn)了風(fēng)電場運(yùn)行狀態(tài)的認(rèn)知。最后,搭建了基于長短期記憶網(wǎng)絡(luò)的風(fēng)電機(jī)運(yùn)行狀態(tài)模型,緊接著對風(fēng)電機(jī)網(wǎng)相互作用關(guān)聯(lián)因素進(jìn)行預(yù)測研究,采用Prony算法對其預(yù)測結(jié)果進(jìn)行...

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 大數(shù)據(jù)在現(xiàn)代風(fēng)電系統(tǒng)中的應(yīng)用發(fā)展
        1.1.1 大數(shù)據(jù)的概念
        1.1.2 風(fēng)電大數(shù)據(jù)的基本構(gòu)成
        1.1.3 風(fēng)電大數(shù)據(jù)的發(fā)展現(xiàn)狀
    1.2 風(fēng)電大數(shù)據(jù)的研究方法
        1.2.1 數(shù)據(jù)采集
        1.2.2 數(shù)據(jù)存儲
        1.2.3 數(shù)據(jù)預(yù)處理
        1.2.4 數(shù)據(jù)分析
        1.2.5 數(shù)據(jù)可視化
    1.3 機(jī)器學(xué)習(xí)在大數(shù)據(jù)分析的應(yīng)用
        1.3.1 機(jī)器學(xué)習(xí),數(shù)據(jù)挖掘和大數(shù)據(jù)的關(guān)系
        1.3.2 機(jī)器學(xué)習(xí)分析方法
    1.4 本文主要工作
第二章 風(fēng)電場大數(shù)據(jù)的預(yù)處理方法分析
    2.1 數(shù)據(jù)預(yù)處理方法
        2.1.1 數(shù)據(jù)預(yù)處理方法分類
        2.1.2 數(shù)據(jù)預(yù)處理的常用方法
    2.2 數(shù)據(jù)預(yù)處理方法在風(fēng)電大數(shù)據(jù)上的應(yīng)用
    2.3 基于PCA和 T-SNE進(jìn)行風(fēng)電大數(shù)據(jù)處理
        2.3.1 主成分分析原理
        2.3.2 t-分布鄰域嵌入原理
        2.3.3 算例分析
    2.4 本章小結(jié)
第三章 基于數(shù)據(jù)可視化的風(fēng)電場運(yùn)行狀態(tài)認(rèn)知
    3.1 風(fēng)電場監(jiān)測數(shù)據(jù)可視化平臺
        3.1.1 系統(tǒng)整體架構(gòu)
        3.1.2 工作流程
    3.2 數(shù)據(jù)可視化平臺關(guān)鍵技術(shù)
        3.2.1 時間序列數(shù)據(jù)庫
        3.2.2 可視化工具
    3.3 數(shù)據(jù)可視化平臺的實(shí)現(xiàn)
        3.3.1 數(shù)據(jù)處理模塊
        3.3.2 數(shù)據(jù)聚合模塊
        3.3.3 數(shù)據(jù)可視化模塊
        3.3.4 系統(tǒng)實(shí)現(xiàn)和展示
    3.4 本章小結(jié)
第四章 基于機(jī)器學(xué)習(xí)的風(fēng)電場運(yùn)行狀態(tài)趨勢預(yù)測
    4.1 風(fēng)電機(jī)組運(yùn)行狀態(tài)預(yù)測模型
        4.1.1 風(fēng)電功率關(guān)聯(lián)因素
        4.1.2 長短期記憶網(wǎng)絡(luò)模型設(shè)計
        4.1.3 TensorFlow框架下的模型實(shí)現(xiàn)
        4.1.4 算例分析
    4.2 并網(wǎng)風(fēng)電與電網(wǎng)間的機(jī)網(wǎng)相互作用現(xiàn)象
        4.2.1 機(jī)網(wǎng)相互作用分類
        4.2.2 機(jī)網(wǎng)相互作用
    4.3 基于prony算法的機(jī)網(wǎng)相互作用的振蕩模態(tài)預(yù)測
        4.3.1 prony算法
        4.3.2 算例分析
    4.4 本章小結(jié)
第五章 全文總結(jié)及展望
    5.1 主要工作與創(chuàng)新點(diǎn)
    5.2 后續(xù)研究工作
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文
攻讀碩士學(xué)位期間參加的科研工作



本文編號：4003739