共查询到19条相似文献,搜索用时 187 毫秒
1.
根据风速变化的特点,选择了适于描述波动变化特性时间序列的GARCH方法.分析风速小时变化曲线的残差项,发现其存在着ARCH效应,满足ARCH的建模条件.采用美国夏威夷岛Lalamilo的风速数据,建立了ARCH和GARCH风速变化时间序列模型,预测目的日逐点预测误差的平均值为25.1%.经过与ARIMA算法的比较,预测的精度有所提高.运用风电机组出力与风速的关系,转换后得到了所需要的风电机组出力.对集群性不同的时间序列进行了多次数值计算,发现GARCH模型对波动性序列具有更好的适应性. 相似文献
2.
3.
实时市场中的超短期风电功率预测偏差较日前市场有所减小,但与实际出力相比仍然有一定的偏差,需要研究风电的不确定性给实时市场出力调整带来的影响。考虑较短时间内风速分布特性呈正态分布,详细推导了风电场功率分布表达式和偏差概率,建立了基于报价的实时市场出力调整调度模型。该模型以常规机组出力调整费用和风电功率预测偏差费用之和最小作为目标函数。通过具体算例分析了不同的正态分布参数、风电预测功率的变化、惩罚系数的变化对实时市场出力调整成本、风电预测功率偏差成本和偏差期望值的影响。仿真结果验证了模型的有效性。 相似文献
4.
风电机组多状态出力模型的准确建立是含风电机组配电网可靠性评估的关键。基于风速历史数据由近及远影响逐渐减弱的特性,提出一种新的风速分布预测模型,即风速分布预测的指数平滑模型。在指数平滑模型建立中,以风速预测值与实测值间的绝对误差最小为目标函数构造并确定平滑系数最优取值,从而建立风电机组多状态出力模型。通过同ARMA、Weibull分布等风速模型的比较,验证了指数平滑方法建立风电机组多状态出力模型的精确性与高效性。将该方法应用于IEEE RBTS测试系统BUS 6的配电网可靠性评估,并与已有方法进行对比,表明该方法在可靠性评估计算精度上具有一定的优势。 相似文献
5.
6.
基于时间连续性及季节周期性的风速短期组合预测方法 总被引:5,自引:3,他引:2
根据风电机组功率曲线,可由风速计算出风电机组出力,因此,风电功率预测问题可转化为风速预测问题.基于风电场气象及风速数据的时间连续性及季节周期性,提出了一种风速短期组合预测模型.该模型采用模式识别技术分别提取时间连续性的样本及季节周期性的样本,以反向传播(BP)神经网络作为预测模型,得到风速横向预测值和纵向预测值,最后再通过BP神经网络进行组合预测.对国内某风电场的风速预测结果表明,所提出的风速预测模型可行、有效,具有较好的预测精度. 相似文献
7.
8.
《电机与控制应用》2015,(3)
以Elman神经网络算法的风速预测方法作为基础,建立了单台永磁直驱同步发电机(PMSG)风电机组在强风波动条件下运行的数学模型。该模型能够较好地反映实际风电场风速的随机性和突变性。考虑到传统的出力规律与风电在强风模型下出力规律的映射关系,利用传统的出力规律与风电在强风模型下出力规律之间的偏差作为参考值,并引入对PMSG风电机组桨距角、转速的PI控制策略,基于此并考虑到电网调度对风电机组出力的要求,建立了对单台PMSG风电机组在强风波动条件下短期出力进行控制的模型。进一步利用真实短期风速算例仿真,结果表明该模型能够在瞬时风速为25~35 m/s时对风力机出力进行有效平稳的控制。 相似文献
9.
《电力系统及其自动化学报》2020,(8)
由于风电不确定性不仅影响火电厂出力的分配,而且影响系统频率的变化,为了在经济调度中考虑这方面的问题,提出采用两阶段优化调度模式。第1阶段基于马尔可夫链利用历史风速进行调度日风速的初步预测,得到风电出力的预测值,并以火电机组发电成本最小为目标,确定火电厂的基础出力;第2阶段利用调度日已发生时段的风速,基于多场景概率法修正第1阶段预测风速,结合动态潮流将不平衡功率由各机组按比例分担,建立以频率偏差和网损最小为目标的实时优化调度模型,确定各机组实际出力。最后通过粒子群优化算法形成基于Pareto曲线的多目标解集,并以IEEE9节点为例进行仿真验证。 相似文献
10.
风电机组历史功率数据是进行风电研究的重要基础,而风电机组实际采集到的数据中存在大量的异常数据,这给风电功率预测研究带来许多不利影响。对历史数据的风速-功率对应关系进行研究,识别并剔除异常数据。分析风速升降变化对功率的影响,建立SVM数据重构模型。根据风速升降特性及强相关风电机组的出力特性对数据重构模型加以改进。以风电机组的实测数据为例进行仿真计算,结果表明所述方法能够对异常数据进行有效地识别和重构。 相似文献
11.
12.
13.
小时风速的向量自回归模型及应用 总被引:11,自引:1,他引:10
短期风速预测对并网风力发电系统的运行有重要意义。该文简述了短期风速预测的价值和方法,分析了小时风速的日变化特点。在此基础上,提出将单变量小时风速时间序列向量化,以消除日周期非平稳,进而建立了向量自回归(vector autoregression, VAR)模型,并用于小时风速预测。算例表明,正常天气条件下,该模型可以预测提前72 h的短期风速。该文提出的方法和模型具有一定的普适性,可用于其它领域的时间序列建模与预测。 相似文献
14.
以预测风速为输入进行风电功率预测时,风电场风速-功率曲线的建模精度至关重要。提出一种基于比恩法的风电场风速-功率曲线建模方法,并分析不同风速区间下各建模误差的变化情况。分析结果表明,忽略风速-功率传变特性差异导致风速较小时建模曲线偏高,风速较大时建模曲线偏低,而忽略风速空间分散性对建模曲线的影响则相反,因此两者对建模精度的影响有明显的抵消现象,且各建模误差的变化情况与风速大小密切相关。 相似文献
15.
16.
用实测风速校正的短期风速仿真研究 总被引:4,自引:0,他引:4
风速仿真是风力发电研究的重要手段之一。该文简述了风特征研究概况,建立了基于Kaimal风速功率谱的短期风速仿真模型;将仿真风速与实测风速时间序列做对比,发现仿真结果总体性态良好,但无法反映被仿真场址的特定风速变动规律。因此,进一步提出了用实测风速校正仿真风速的方法,校正后的仿真风速不仅总体性态良好,而且能很好地反映被仿真场址的特定风速变动规律。该文的短期风速仿真方法可以用于短期风速预测、风轮机动态仿真、风力发电控制与电能质量分析等风力发电仿真研究,也可以用于其它风工程、信号分析等领域的仿真研究。 相似文献
17.
18.
随着风电规模的不断扩大,及时准确地对风电场功率输出进行预测具有重要意义。但由于风速具有不确定性,风电功率难以掌控。通过分析风速与功率之间的变化趋势,建立基于风速的功率计算的数学模型,然后以风速预测为突破口,基于小波分解模型将历史无规律风速进行模式分解。对分解出来的历史数列进行分析,采用合适的预测模型分别预测,还原为原始数列得到预测风速,最后计算得到预测风电功率。通过某地的实例计算,证明了采用小波分解与时间序列模型进行风电功率预测的准确性与可靠性。 相似文献