基于改进GM-ARMA组合模型的风电功率中长期预测方法*

风电功率预测是提高风电场功率上报准确率和风电场收益、提高大规模风电并网后电力系统的安全和稳定性的有效方法.目前对于风电功率超短期和短期预测的研究已取得了阶段性研究成果,但是对于风电功率中长期预测方面的研究尚未取得实质进展,预测效果难以满足实际工程应用的需要.针对现有风电功率中长期预测方法存在的缺陷,提出了一种基于改进GM-ARMA组合模型的风电功率中长期预测方法,采用遗传算法优化组合模型的参数,以得到最优模型,进而提高了风电功率预测精度.仿真结果表明该方法对年度和月度风电功率预测均有较好的应用效果,比普通GM-ARMA组合模型具有更高的预测精度.     

中长期风电功率的多气象变量模型组合预测方法

为了预防和控制危害性风电功率事件,提出多气象变量模型的组合预测方法,以实现中长期高精度风电功率预测。该方法利用数值天气预报提供的气象数据预测长期风电趋势,同时局部采用多变量模型改善预测精度。为了保证多变量模型的有效性,首先采用Granger因果检测法筛选出对风电功率预测有效的气象变量。其次,针对不同气象变量进行数据结构分析,并根据其动力学特性单独建立合适的预测模型,然后采用线性或非线性机制对不同气象变量预测结果进行组合,完成组合预测模型的建立。最后,通过对实例数据仿真,实现了中长期风电功率预测,并结合误差分析验证了组合预测模型的有效性,且预测结果为后续中长期风电功率事件分析提供了基础。     

一种改进概率权的短时风电功率组合预测方法

针对风电功率预测组合模型中各模型的权重系数确定的问题,提出一种基于概率权和优化相融合的组合模型权重系数的确定方法。首先利用概率和权数的同质性,对多种单个模型进行优化组合,然后确定单个模型的最优权重系数,最后将组合预测模型改进为动态组合预测模型以提高预测精度。实验测试表明:提出的基于概率权的风电功率组合模型能有效提高短期风电功率预测结果的准确性,而动态权重系数的自适应变化可以进一步增强该方法在风功率预测中的普遍适用性。     

一种变权重风电功率最优组合预测模型

针对单项预测方法的局限性,利用改进的基于灰色关联度的IOWGA算子组合预测模型,建立了一种风电功率最优组合预测模型,并通过改进多种群遗传算法(MPGA)对该模型进行优化。采用RBF神经网络法、相似日法和支持向量机(SVM)法对预测日和预测日前一日的风电功率分别进行预测,通过提出的最优组合预测模型及优化算法对预测日的24 h风电功率进行组合预测。根据云南某风电场的实测数据,进行了实例分析。结果表明,风电功率最优组合预测模型能够有效提高风电功率预测精度,具有较强的实用性。     

一种多输出模型的风电功率超短期预测方法

高精度的风电功率预测对于电力系统的安全经济运行具有重要意义。基于大量风电功率历史数据,结合相关性分析和K近邻算法,提出一种新的多输出模型的风电功率超短期多步预测方法。以东北地区2个风电场实测风电功率数据为例进行分析计算,使用国家能源局提供的风电功率实时预测评价指标对两种多步预测方式进行评价。结果表明该方法预测精度高,方法简单,具有一定的工程实用价值。     

基于不同优化准则的风电功率预测

为了获得较好的风电功率预测综合评价指标和提高风电功率预测精度,提出基于不同优化准则的风电功率预测模型。首先,通过基于贴近度的单项预测模型的择优方法得到较高精度的单项预测模型,然后利用选择出的单项预测模型分别以平均相对误差最小、平均绝对误差最小和均方根误差最小为优化准则建立不同的组合预测模型,最后利用灰色关联度分析方法确定每种组合预测模型在优化模型中的权系数,进而得到优化模型。以风电场的实际数据进行验证,结果表明:与各单项预测模型、不同优化准则的组合预测模型及其他组合模型相比,所提优化模型的整体误差指标较小,有效地提高了预测精度,证明了所提模型的有效性和实用性。     

变尺度时间窗口和波动特征提取的短期风电功率组合预测

精确的风电功率预测对保障大规模风电接入电网后电力系统的安全稳定运行具有重要意义。其中,风速的随机变化是引起风电功率波动和影响风电功率预测精度的最主要原因。针对该问题,提出一种基于变尺度时间窗口和波动特征提取的短期风电功率组合预测方法。首先,通过多重分形谱分析不同天气类型下的风速特征。然后,根据当前风速的特征量采用变尺度滑动时间窗口算法,动态地进行特征提取,由提取结果对风电历史数据进行分类,在此基础上选择特定参数建立对应的功率预测模型。为使模型在功率大幅度波动时刻的预测结果更加精确,提出了基于频谱分析的修正方法。最后,将不同天气类型下的功率预测结果与修正结果进行时序组合。算例结果表明,所述变尺度时间窗口与波动特征提取相结合的短期风电功率组合预测方法可有效提高风速波动剧烈的风电场的风电功率预测精度。     

基于小波-神经网络的短期风电功率预测研究

为了提高风电功率预测精度,降低电网调度的难度,通过对影响风电功率预测的诸多因素如风速、风向、风电功率、温度等进行分析,进而对风电功率的预测方法进行研究和探讨,提出了基于多变量的小波-神经网络模型的短期风电功率预测方法。通过单变量和多变量的风电功率预测的比较研究,证明BP神经网络预测与小波-神经网络预测这两种方法的预测精度不同。而且,对于同一种方法,输入变量的多少也对预测精度产生影响。通过最终的比较研究得出,采用基于多变量输入的小波-神经网络开展风电功率预测可提高预测精度。     

超短期风电功率预测误差数值特性分层分析方法

风电功率预测误差特性分析可以为电力系统优化调度与稳定运行提供更加准确的参考。该文提出一种根据超短期风电功率预测误差概率密度特性对误差进行分层,再依据误差波动性和不同层误差幅值特性进行分类处理的预测误差数值特性分析方法。在概率密度特性提取部分,采用改进后的广义误差分布模型对预测误差概率密度分布进行拟合。该误差分析方法结合了误差模型预测和误差概率密度拟合两种方法的优点,可以更为准确地对超短期风电功率预测误差进行分析和补偿。算例分析结果表明,改进广义误差分布模型的拟合效果优于正态分布、柯西分布和拉普拉斯分布这些常用模型,尤其在尾部特性拟合方面效果更为明显,所提出的误差分层分析方法可以有效减小风电功率预测误差。     

基于最大-最小贴近度和诱导有序加权算子的 风电功率短期预测模型

为了提高风电功率短期预测精度,将最大-最小贴近度和诱导有序加权算子相结合,提出了一种新的组合模型。根据诱导有序加权算子的不同,可形成不同的组合模型,即IOWA组合模型、IOWHA组合模型和IOWGA组合模型。由于预测期的实际值未知,各单项预测模型的诱导值无法提前预知,不能直接利用该方法进行预测。利用各单项模型建立不同组合模型,选择精度较高的组合模型,用其预测值代替实际值计算诱导值,可以解决预测期诱导值的计算问题。两个不同风电场的仿真结果表明:IOWGA组合模型比某些单项模型和其他组合模型的预测精度还低,预测效果并未得到改善;IOWA组合模型和IOWHA组合模型的各项误差指标都小于单项模型和其他组合模型,预测精度都得到提高,但IOWHA组合模型的各项预测评价指标都最好,预测精度更高,将它的预测值作为风电功率最终预测值,能提高风电功率预测精度。     

Analytical and computational improvements in performance-index ranking algorithms for networks

Performance-index ranking algorithms, relatively recent innovations in network analysis, are distinguished by the fact that they can rank a large set of network parameter and injection change cases very rapidly. To date, their major application has been for automatic contingency selection in power systems. Here, various enhancements to the approach are given and it is shown how general ranking formulas, valid for multiple branch contingencies, can be derived easily. A ranking formula for generator contingencies, hitherto unavailable, is presented. A sparse matrix technique that permits the rapid exact evaluation of the ranking formulas is given. The speed of the performance-index ranking algorithm is estimated for several large network problems, and found to be orders of magnitude higher than that of its direct though more versatile alternative, explicit linearized contingency evaluation.     

东方汽轮机厂300 MW机组保安系统故障与安全性分析

从故障与安全性角度，应用ＦＴＡ分析法对东方汽轮机厂电液并存型典型３００ＭＷ机组保安系统进行分析，给出了以可以导致严重后果的汽轮机保安系统故障为顶事件的故障树模型。采用Ｆｕｓｅｌｌ－Ｖｅｓｓｅｌｙ算法得到其最小割集。针对该模型，同时给出其对偶故障模型，并指明了提高系统可靠性的主要途径，对保证国内同型机组保安系统可靠性具有有效的指导和借鉴作用。     

空气能热泵热水机电机支架有限元分析及优化

本文采用扫频测试方法找到机组共振时电机转速,从而得出系统共振固有频率,并通过ANSYS Workbench 14.0对风机系统进行模态分析,找到与实际振型相符的固有频率阶数。利用ANSYS模态分析得出改善方案,使其固有频率避开电机激振频率,并对更改方案模拟运输振动校核电机支架强度,最终确认更改方案。通过使用ANSYS分析软件解决工程实际问题。     

小波分析在异步电机故障诊断中的应用研究

小波具有优良的时频局部化特性,其多分辨率性质可逼近细化频谱,对故障信号提取有突出的作用.文章系统论述了小波分析在故障诊断中的研究和应用,阐述了用小波分析处理信号的诊断故障方法.通过计算机仿真验证了该方法在电机故障诊断中的可行性.     

快速蒙特卡罗方法实现电子线路容差分析

介绍了电子线路容差分析的基本原理,提出了基于MATLAB电子线路最坏情况分析、蒙特卡罗分析和快速蒙特卡罗分析方法的实现方法。通过对具体电子线路容差分析结果的对比,得出了采用快速蒙特卡罗分析方法比其它两种方法更有效。     

应用EDA软件快速测试放大器放大倍数方法

文中提出了一种用电子仿真软件Ｅｉｅｃｔｒｏｎｉｃｓ Ｗｏｒｋｂｅｎｃｈ ＥＤＡ的分析功能测试放大器电压放在倍数的新方法,该方法是利用ＥＤＡ软件实现用频率特性快速实现分析与测试电压放磊倍数的最佳方法。     

发电厂状态检修中的油液特种分析接术

油液分析技术较多应用于从状态检修的角度对电厂用油设备的油液运行状况做出定量、定性两方面分析，以检测结果为依据评价设备运行状态并预测设备故障的可能性和趋势。其中光谱分析技术主要关注油液中各类元素含量提供的信息，而铁谱分析技术则注重从油液中含有的颗粒的形态及数量中获取定性结论。介绍油液分析技术的这两大主要检测手段的工作原理，列举了部分实践中积累的油液监测结果与设备状态信息间的对照关系，并用实例说明如何在实际工作中切实应用该技术为设备安全运行服务。     

谐波电流的概率分析

对于由大量变流器负载组成的系统,其总的谐波电流将远远小于各个变流器的谐波电流的矢量和。本文利用概率模型对多台变流器负载产生的决的谐波电流幅值的概率分布作研究,并利用Ｍｏｎｔｅ Ｃａｒｌｏ方法对所得结论加以验证。这种方法可以用于系统的谐波估计,多台变流器系统的谐波分析。     

Practical and structural coherency in multimachine power systems

By means of a general and linear transformation the following problem is solved: given any machine group (1, …, n) of an N-machine power system, divide the (N?1) system eigenvalues into (n?1) representing oscillations internal to the group and (N?n) representing ‘external’ oscillations. The transformation is used to set up an applicable definition of practical and structural coherency. The requirements of the definition are given and explained. Comparisons are made between the proposed approach and the slow-coherency technique. The way in which the approach can be used as a basis for nonlinear coherency aggregation is outlined.     

动力用煤特种分析指标与工业分析数据的相关性研究

用特种分析评价动力用煤的燃烧特性优于煤的常规分析数据。当不具备进行特种分析试验的条件时，可用煤的工业分析数据表征特种分析试验结果。