基于动态R藤Copula模型的区域风电集群超短期功率区间预测方法

为应对风电功率不确定性问题带来的电网安全稳定运行风险,近年来区间预测方法受到了广泛关注,但现有研究主要集中于单风电场预测领域,对于区域风电集群功率区间预测方法较少涉及.针对上述问题,建立了动态化的R藤Copula模型,提出了区域风电集群超短期功率区间预测方法.首先,详细阐述了区域风电集群超短期功率区间预测的基本框架.其...     

风电功率预测关键技术及应用综述

随着风电装机规模的不断增长,其并网后带来的安全运行和消纳利用问题日益突出,高比例风电接入的功率预测准确性愈发重要。现阶段,风电功率预测在平衡系统电力供应和负荷需求之间发挥了至关重要的作用;未来,风电短期和超短期功率预测在备用市场、现货市场及辅助服务市场中将发挥更大的作用,是风电参与市场交易的重要支撑手段。论文对风电功率预测的技术路线和关键应用进行了全环节综述和阶段性总结,介绍了适用于风电功率预测的数值天气预报关键技术环节,分析了面向不同预测对象的风功率转换模型及技术路线,探讨了不同预测模型的应用场景及性能评价方法。最后从未来应用发展需求的角度,提出了我国风电功率预测精度提升的相关建议。     

风电功率概率预测方法及展望

风电功率的概率预测能提供风电功率的预测区间或分布函数,国内相关的研究和应用尚处于起步阶段。文中对风电功率概率预测的基本框架、主要模式、难点和热点进行了综述。首先,明确了概率预测的概念及其适用问题。然后,对概率预测的建模方法提出了两种不同的分类方式:按照是否进行条件化假设或参数化假设进行分类,并介绍了概率预测中涉及的新型算法和概率预测的评价指标。最后,结合概率预测发展现状,针对误差分析不精细、概率预测与电力系统结合不充分等不足,总结了今后的发展方向和需要进一步探索的研究内容。     

数据分辨率影响风电功率预测精度分析

目前对风电功率短时预测的研究主要集中在预测方法上,而缺乏对数据本身特性的探讨。从实测数据出发,呈现3种典型分辨率5 min、10 min、15 min,并结合Elman神经网络算法对超短期(4 h)和短期(24 h)的风力发电机输出功率进行预测分析。结果表明:分辨率为10 min的原始数据对风电输出功率的超短期预测具有更好的结果,15 min分辨率的数据对风电功率的短期预测结果更佳。采用合理分辨率的数据后,能够有效地提高风电功率的预测精度。     

风电场风电功率预测研究综述

随着风电上网电量不断增大,为了保证风电上网的安全、可靠性,对风电功率进行预测有着重要的意义。从输入数据分类的角度展开风电场风电功率预测研究论述,介绍了国内风电功率预测的现状,分析了不同方法的特点,提出了对风电功率预测模型改进的建议。     

基于时序-支持向量机的风电场发电功率预测

准确的风电场风电功率预测可以有效地减轻风电场对电力系统的不利影响,同时提高风电在电力市场中的竞争力。基于时间序列法和支持向量机法, 对风电功率预测进行研究,提出预测风电功率的时序-支持向量机预测方法。该方法用时间序列法建模,选取影响风电功率最大的参数作为支持向量机预测模型的输入变量;为提高预测精度,提出基于时间点运动轨迹演化的方法选取与预测时刻功率相似的样本作为模型的训练样本。实例验证结果表明,该方法有效地提高了风电功率预测精度。     

基于网格聚类的峡谷风电短期功率预测方法

为解决峡谷风电受峡谷尾流影响而造成的风电短期功率预测准确率低的问题,提出了一种基于网格聚类的峡谷风电短期功率预测方法。对峡谷风电站的历史气象、预测功率、实际功率数据进行预处理,以提升预测模型的训练效果。按照经纬度进行峡谷风电站地域网格聚类,获得峡谷风电网格特征。在此基础上,采用长短期记忆网络对每个网格进行功率预测,并进行网格功率叠加与误差修正,峡谷风电站短期功率预测实际准确率达到88.35%,其运行效果表明:所提出的预测方法能够有效地提高峡谷风电短期功率的预测精度。     

基于贝塔分布的风电功率波动区间估计

风电的大规模并网使得风电功率的波动性对电网的影响越来越大,单一且确定的点预测往往不能满足电网风险分析和制定决策的需求。通过对风电功率预测误差分布特性的研究,提出利用预测功率区间分段方法与参数优化后的贝塔分布对具有偏态性的功率预测误差频率分布进行拟合。同时根据估计区间最狭原则,实现一定置信水平下风电功率的波动区间估计。利用所建优化模型、正态分布模型和优化前的贝塔分布模型分别对某风电场历史数据进行分析,对比结果验证了优化贝塔分布模型能更有效地对功率预测区间进行估计。     

基于线性回归的风电功率预测误差修正方法

风电功率预测精度的好坏直接关系到发电计划的合理制定和风电功率的优先调度.为提高风电功率的预测精度,文中利用模式输出统计方法对风电功率的预测误差进行分析,根据模式输出统计方法可自动修正数值预报偏差特点,提出了基于线性回归的风电输出功率预测误差修正方法.基于实际风电场历史数据的研究表明,该方法数学原理简单、适用性强,可有效改善风电功率的预测精度,具有很好的工程实用价值.     

考虑预测误差分布特性的风电场集群调度方法

为应对大规模风电集中并网给电力系统有功功率平衡带来的影响,将风电功率预测信息纳入电力系统日常调度是为应对大规模风电集中并网给电力系统有功功率平衡带来的影响,将风电功率预测信息纳入电力系统日常调度是必然趋势。现有考虑预测信息的风电场集群有功调度方法一般采用确定性风电预测数据,由于风能特性和预测水平限制,难以满足电力系统调度精度需求。因此提出一种考虑风电功率预测误差分布特性的有功功率调度方法,该方法首先通过历史数据统计分析得到风电场风电功率预测误差的概率分布,然后以风电场集群下发有功指令后各风电场输出的风电功率缺额的数学期望之和最小为优化目标,优化分配风电场集群调度指令,减少因风电有功预测误差导致的风电场群输出有功功率与集群调度要求之间的功率差额。通过风电场实际数据验证了所提方法的有效性和先进性。     

对风电功率预测系统中预测精度的讨论

为了合理地利用风电,提高电力系统经济性,需要对风电场输出功率进行预测。针对目前风电场输出功率预测系统中预测结果缺乏足够精度的原因展开分析和讨论,在此基础上对预测模型中存在的问题以及对基础数据的处理方法进行了改进,并结合并网型风电场给预测系统带来的预测精度不准确的原因展开讨论,提出了解决方案,最后阐述了对提高风电功率预测精度还需要进一步做的工作。     

新疆电网风电调度计划研究及应用

新疆风能资源丰富,近年来风电发展迅速,风电不易调度的特点已对电网安全造成显著影响。为此,研究基于风电预测及风电接纳能力评估的风电调度计划制定模式,其中所建立的基于软件平台的风电调度计划系统计及地区风资源及电网特点,结合风电预测和火电机组开机计划,综合平衡电网的安全约束和常规机组调峰约束,并辅以功率控制手段,实现了风电调度计划制定的精确性和超前性。实际应用结果表明,该模式能够对日前发电计划安排和日内实时调度发挥前瞻性的指导作用。     

小时风速的向量自回归模型及应用

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。     

一种改进的风电功率预测误差分布模型

受限于现有系统的预测精度,风电功率预测值与实际值之间存在一定的误差,该预测误差的分布特性是风电功率预测精度评估和大规模风电并网电力系统优化调度的重要参考依据。已有的方法大多采用正态分布模型,就精确度而言,会在一定程度上偏离预测误差的实际概率分布。在正态分布模型的基础上,根据概率密度函数以及最小二乘法的相关理论提出了一种描述预测误差分布模型的新方法。对EirGrid风电功率预测数据的计算分析结果验证了该方法的有效性及相对于已有正态分布模型的更精确性。     

甘肃酒泉风电基地风电预测预报系统

为了解决甘肃酒泉千万千瓦风电基地大规模风电并网难题,缓解电网运行、调度和电力市场管理的压力,文中从风电场的实际情况出发,提出了风电预测预报系统的总体方案,对建设风电预测预报系统方案中的数据采集、风能预测预报和风电预测预报模式进行了研究,提出了将多种预测方法结合的解决途径.     

基于动态神经网络的风电场输出功率预测

随着风电的大规模发展,准确预测风电场输出功率对于风电场的选址、大规模并网及运行具有重要的作用。文中提出了局部反馈时延神经网络和全局反馈时延神经网络2种动态神经网络预测模型,以适应风功率的时间序列特性,并与静态神经网络预测模型进行了比较。以国内北方某风电场的风功率预测为例,结合气象预报数据进行提前24h的风电输出功率预测,仿真结果表明,动态神经网络在预测具有时间序列特性的风功率时效果优于静态神经网络。     

基于非参数回归模型的短期风电功率预测

随着风电接入规模的增加,风电功率预测日益重要.非参数估计方法是模型估计和预测的典型方法之一,在国内短期风电功率预测中尚无应用.文中将非参数回归技术应用于短期风电功率预测,包括风电功率点预测和风电功率概率区间预测.首先,基于非参数回归模型,建立风速与风电功率之间的转换模型,得到风电功率的点预测值;其次,基于经验分布模型与非参数回归技术,建立风电功率预测误差的概率分布函数,得到风电功率预测值的概率区间.以内蒙古某风电场为例,验证了将非参数回归技术应用于风电功率预测的有效性.     

基于风光混合模型的短期功率预测方法研究

准确地预测风力发电及光伏发电的输出功率对提高风光互补供电系统的调度质量具有重要意义。建立了基于BP神经网络的风光混合预测模型,将现有技术中分两次预测的风电功率和光伏功率采用同一个预测模型,同时实现整个区域风电场及光伏电站的输出功率预测,在简化预测方法的同时提高预测准确度。通过某海岛的风电及光伏电站的实际数据验证,计算分析了预测误差。结果表明该方法具有较高的预测精度,对风光混合的功率预测具有一定的学术价值和工程实用价值。     

风电功率预测信息在日前机组组合中的应用

将风电功率预测信息纳入电力系统调度运行是解决风电波动的主要技术之一.受自然条件影响,风电功率预测的精度仍然较低.描述风电功率的不确定性并在机组组合中使用该信息,可提高机组组合决策的鲁棒性.文中分别采用点预测、区间预测和分位点预测描述风电功率的不确定性.在此基础上,分别建立了适合各种风电功率预测信息的机组组合模型.最后,...     

一种改进的风电功率超短期组合预测

为提高风电功率超短期预测精度,针对目前的风电功率超短期组合预测算法都是将各子预测算法的权重设为固定值,导致风电功率超短期预测结果精度不高的问题,提出一种改进的风电功率超短期组合预测算法。该算法包含BP神经网络、天气预报、实测功率外推法等子预测算法,结合实际运行情况判断各子预测算法的执行结果,并根据执行结果动态改变各子预测算法的权重,以保持较高的预测精度。实际应用效果表明：该算法预测精度较高,运行效果较好,4h内的预测均方根误差在10%以内。