基于特征聚类的区域风电短期功率统计升尺度预测

区域风电功率预测对于保障风电消纳及电网安全经济运行具有重要意义。由于新建风电场在并网初期尚未建立预测系统及各风电场预测精度参差不齐,经典的单场功率累加法预测精度并不高。提出一种基于风电功率数据特征聚类的区域风电功率统计升尺度预测方法,首先使用经验正交函数(empirical orthogonal function,EOF)法解析区域内风电出力特征,然后采用层次聚类法划分子区域,并利用风电场的相关系数和预测精度选取代表风电场,最后根据代表风电场的预测功率及权重系数完成区域风电功率的升尺度预测。应用冀北电网2015年的实际数据进行统计升尺度建模和方法验证。结果表明,相比累加法,文中提出的统计升尺度方法可改进区域风电功率预测精度,同时减少区域预测模型对单风电场数据完备性和预测精度的依赖。     

基于统计升尺度方法的区域风电场群功率预测

对区域性风电场群输出功率进行预测是增加风电接入容量,提高大规模风电接入条件下电力系统运行安全性和经济性的有效手段。文中对区域预测建模技术进行研究,利用输出功率相关系数矩阵和预测精度指数进行代表风电场选取和权重系数计算,采用基于少数代表风电场的统计升尺度方法,并利用华北电网2011年1月至6月风电场实际数据进行统计升尺度建模和方法验证。验证结果表明,相比于传统的累加法,统计升尺度方法可改进所实现的区域风电功率预测模型的区域预测精度,同时减少区域预测模型对单个风电场数据完备性的依赖。     

基于机器学习的集群式风光一体短期功率预测技术

针对区域风、光电站群的功率预测,由于各站建站时间不同、单站预报精度残次不齐,导致传统的单站功率累加法预测精度和运行效率不高的问题,采用基于机器学习的二分K均值聚类算法分别对区域内的风电场和光伏电站群进行合理划分,结合区域内各电站历史功率数据及区域总历史功率数据的相关性,选取出各区域的代表电站。在对数值预报要素进行优化订正后,采用BP神经网络法建立基于风电场和光伏电站集群划分的短期功率预测框架模型。结果表明：采用该方法的集群式风电和光伏短期功率预测准确率高于或接近于传统单站累加的预测精度,且该方法在保证预测精度的同时,能够显著提高建模效率。     

基于CSA算法的光伏阵列多峰最大功率跟踪研究

在实际工程应用中,由于受复杂的环境变化影响,光伏阵列功率-电压曲线通常呈多峰值状态,使用传统方法进行最大功率跟踪时,追踪速度和准确度都无法得到满足.为解决这些不足,提出了一种基于布谷鸟搜索算法与扰动观测法相结合的光伏阵列最大功率跟踪算法,在算法前期利用布谷鸟搜索算法突出的全局搜索能力迅速找到全局最大功率点所处的大致区域;后期采用小步长的扰动观测法进行局部范围内的细致搜索,精准锁定全局最大功率点.在MATLAB/Simulink中建立了仿真模型,结果表明这种基于布谷鸟搜素算法和扰动观测法二者结合的方法追踪速度更快,误差更小,且实现稳定状态时功率波动更小,提升了光伏阵列的输出效率.     

计及太阳辐射和混沌特征提取的光伏发电功率DMCS-WNN预测法

针对现有光伏发电功率超短期预测法,建模复杂、准确度低,难以满足实际需求的问题,提出一种综合考虑太阳辐射和光伏输出功率混沌特征提取的DMCS-WNN组合预测法。首先,在分析影响光伏发电输出功率各外界因素基础上,利用C-C法进行混沌吸引子重构,挖掘数据自身蕴含的影响发电功率的各因素信息,并根据相关性分析,选择太阳辐射作为附加输入因子;然后,针对小波神经网络(wavelet neural network,WNN)初值敏感性不足,利用布谷鸟搜索算法(cuckoo search,CS)进行寻优,并提出一种双模式布谷鸟搜索算法(dual-modecuckoosearch,DMCS)以提高传统CS的收敛速度和搜索能力;最后,建立光伏发电功率DMCSWNN预测模型,并基于实例仿真,分析其在突变和非突变天气情况下的预测效果。结果表明:该预测法在各天气类型中均保持良好的预测准确度和适用性。     

基于运行数据的短期风电功率预测误差互补特性探析

随着风电装机容量的不断增加,风电场、风电场集群功率预测误差对调度运行的影响越来越大.当前风电预测误差特性研究主要针对单个风电场,无法满足当前电网调度运行需求.基于此,文中首先统计分析了大量风电场的分布特性,总结了不同规模风电场集群预测误差分布特性的变化规律,探索了集群预测误差概率分布的最佳拟合模型.然后,针对预测误差分布对未来的指导作用,提出了误差分布持续性的评价指标.最后,对风电预测误差研究的作用进行了较为全面的分析,并指出以风电场站集群为单位开展电网调度更具有工程适用性.     

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。     

一种利用混合算法选择变量的天牛须优化神经网络风速预测方法

风速波动本身具有随机性和不确定性,给风速的准确测量产生影响。基于风电场大数据,设计提出一种基于互信息算法和随机森林算法相结合的变量选择方法,并以此为基础建立基于天牛须搜索算法优化的神经网络(BAS-BP)风速预测模型。采用某风电场1. 5 MW机组SCADA历史数据,使用互信息法和随机森林算法进行变量选择,并进行预测模型的训练、测试及评价。验证结果表明:该风速预测模型各项误差评价指标得到提高,预测误差减小明显,模型具有更好的预测精度和效果,验证了方法的正确性和有效性。     

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。     

基于预测误差概率密度曲线的风电场集群日前有功优化调度

风电场集群日前出力计划是大规模风电基地分层协调有功调度的关键技术。提出了一种基于风电场功率预测误差分布曲线的风电场集群日前有功出力计划的制定方法。首先根据改进后的广义误差分布模型,结合历史实测功率和预测功率拟合出每一个风电场的预测误差概率密度函数,然后按照预测风速大小估计出风电场有功出力的上限,最后以集群内每一个风电场的日前计划指令与实际出力能力偏差的数学期望之和最小为优化目标,采用遗传算法计算得到风电场集群的调度优化指令。结合中国北方某风电集群的实际运行数据进行仿真算例分析,验证了所提方法的有效性。     

基于RNA-CS混合算法优化的风光发电预测模型研究

提出一种基于RNA-CS混合算法优化的预测模型,优化布谷鸟算法,权衡全局搜索和局部搜索。结合某地区风力和光伏发电实际,对一天中的风速和福射进行测量。采用基础遗传算法、基础布谷鸟算法与RNA-CS混合算法进行仿真对比研究。结果表明,RNA-CS混合优化算法对比其他两种算法模型,对风电、光伏发电具有更精确的预测结果,能够有效的保障电力系统稳定运行。     

基于布谷鸟-Elman算法的光伏发电预测

提高光伏发电功率预测的精度对于保证电网的安全稳定运行、提高光伏资源的开发和利用率具有重要的意义。文中提出了一种基于天气相似度以及改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型。首先在选取相似日上,提出一种基于距离和角度趋势的相似度计算方法,选出与待预测日相似度更高的相似日。其次,利用改进后的布谷鸟算法对Elman神经网络的权值和阈值进行优化并构建光伏发电短期功率预测模型。最后将文中提出的光伏发电预测模型与传统Elman神经网络模型的预测结果及实际输出值进行比较,结果表明改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型预测精度更高。     

基于WD-CS-SVM的超短期风电功率组合预测

为了提高风电场输出功率的预测精度,应用小波分析(WD)和布谷鸟优化支持向量机(CS-SVM)算法对风电功率进行超短期预测,对比于通过预测风速间接求得的风电功率更加直接且准确。首先,利用WD与重构,将风电功率模型分解成近似序列和细节序列,然后利用CS-SVM算法对每个序列进行预测,得到每个序列的预测结果,最后把各个序列的预测结果叠加,形成风电功率的最终预测值。算例计算结果表明,预测结果具有较高的精度,与SVM以及其他方法优化的SVM预测结果相比,文中使用的方法预测结果更加准确,具有较强的优越性和实用性。     

考虑碳交易的区域综合能源系统经济调度研究

由电力、天然气、热力等多类型能源组合而成的区域综合能源系统能够对电力系统、天然气系统、供热系统及可再生能源等进行统一管理与调度,提高能源利用效率,具有巨大潜力。构建了以系统成本最小为目标函数,含光伏、风电、微型燃气轮机、储能设备、配电网等联合供电、供热/冷的区域综合能源系统经济调度模型,并在模型中考虑了碳交易问题。针对可再生能源及负荷预测的不确定性,将预测误差表示为服从均值为零的正态分布。运用布谷鸟搜索算法对4种情况分别求解,通过对比分析发现,所建立的模型在满足区域综合能源系统经济性要求的同时,能在一定程度上降低碳排放量。     

风光储支撑黑启动的可行性评估方法

随着风电和光伏装机容量的快速增长,配置储能系统的风电场和光伏电站具备了作为黑启动电源的条件,将风光储发电系统作为黑启动电源,可以提高区域电网的黑启动能力。文章设计了适用于风光储发电系统作为黑启动电源的可行性评估方法。首先,从黑启动负荷需求的角度对风光储发电系统的输出功率进行了分析,得出了风光储发电系统作为黑启动电源的支持概率及存在问题;然后,基于功率预测方法和功率评价指标,设计了风光储发电系统作为黑启动电源的可行性评估方法,通过功率预测得出风光储发电系统的输出功率参考值,通过功率评价指标对风光储发电系统输出功率进行评估;最后,基于MATLAB仿真软件,分别设计了不同场景,验证了所提可行性评估方法的有效性,结果显示,当执行倾度大于等于1时风光储发电系统输出功率满足黑启动负荷的功率要求。     

基于DKDE与改进mRMR特征选择的短期光伏出力预测

随着光伏发电装机容量的增长,其在能源消费中的占比不断提升,准确预测光伏发电功率对电力系统发展规划和调度运行均具有重要意义.目前,针对光伏预测特征选择的研究比较少,不合理的特征选择往往导致信息丢失,气象参数与出力间的映射关系难以有效挖掘,最终导致预测精度偏低.因此,文中提出一种基于改进互信息计算与改进最大相关最小冗余(mRMR)的光伏预测特征选择方法.针对连续随机变量相关性互信息难以直接计算的问题,基于扩散核密度估计(DKDE)理论,提出一种依据概率密度的区间划分方法并应用于变量离散化,以提高互信息对实际有限数据集的表征能力.然后,对传统mRMR的增量搜索过程进行了改进,提出一种可并行筛选多个特征子集的改进mRMR算法,并针对各特征子集分别采用XGBoost算法构建气象信息与光伏功率的预测模型.最后,通过实际光伏电站测量数据验证了所提方法的有效性和准确性.     

含风电场与电动汽车充换电站的电力系统经济调度

在分析风电和电动汽车发展形势的基础上,提出将电动汽车充换电站视作储能电站引入电网调度,为含有风电场的系统提供备用.通过对风电出力和充换电站可用容量的预测,考虑风电和充换电站建立经济调度模型,提出模型优化策略,并采用粒子群优化算法（PSO）求解.通过算例验证了模型和算法的正确性和有效性.     

考虑风功率密度和风向特征的风能资源MCP评估方法

在区域风电场风能资源评估方法中,传统的测量—关联—预测(MCP)方法未充分使用参考站的观测数据建立参考站和目标站之间风功率密度的映射关系,导致目标站长期风能资源的预测精度不高。在传统MCP组合方法的基础上,综合考虑参考站风功率密度和风向的特征组合,利用支持向量回归机(SVR)理论,建立2种不同的MCP模型,并将传统的考虑参考站风速、风向特征组合的MCP模型作为对比模型来验证所提出模型的有效性和准确性。实例研究表明,考虑参考站的风功率密度和风向特征输入的MCP模型对目标站风功率密度预测决定系数高于0.9,预测精度和适用性要明显优于传统的MCP模型,因而,该模型可用于评估区域风电场风能资源分布状况。     

基于典型代表电站和改进SVM的区域光伏功率短期预测方法

准确的区域光伏功率预测作为解决光伏并网消纳和多能互补问题的技术之一受到越来越多的关注,提出一种基于典型代表电站和改进支持向量机(SVM)的区域光伏功率短期预测方法.通过K-means聚类将同一地区光伏电站划分到不同汇聚区,使用历史数据和3种数学相关系数计算得到各汇聚区典型代表电站,并通过4类光伏功率指标分析各典型代表电站与汇聚区的一致性,基于此,以改进SVM代替传统的滚动预报形成区域功率预测模型.实际算例分析表明,所提方法可提升区域光伏功率短期预测精度.