风电功率预测技术的应用现状及运行建议

针对我国风电开发中遇到的风电接入困难、电网调度困难等问题,对国内外解决此类问题的风电功率预测技术进行了详细的阐述。指出我国急需开发风电功率预测系统,并根据我们的风电功率预测研究经验提出了我国风电功率预测宜采用风电企业和电网共同实施的运行模式。希望对我国的风电功率预测发展起到一定的促进作用。     

基于非参数核密度估计的风电功率区间预测

由于风电的高度随机性和波动性,且风电功率的预测精度仍较低,因此传统的风电功率点预测不足以描绘风电的不确定性。在风电功率点预测值的基础上,采用非参数核密度估计方法计算风电功率预测误差的概率密度,并采用三次样条插值拟合预测误差的概率分布曲线,继而得出满足一定置信概率的风电功率预测区间。结果表明,采用风电功率区间预测能提供风电功率预测曲线和该曲线的变化范围,更有利于风电的不确定性建模。     

基于风电功率预测误差区间的储能系统控制策略

由于风能的间歇性和随机性,风电功率预测的精度依然较低。随着大规模风电的集中接入,不确定性风电功率并网运行会加重电力系统的调控负担,同时会对日前调度计划安排带来不利影响。储能系统具有对功率和能量的时间迁移能力,被认为是平抑风电功率波动性、提高风电功率确定性的有效手段。本文从电力系统安全角度分析了制约风电上网规模的原因,使用基于时间序列的自回归模型预测风电功率,提出利用储能平抑风电功率预测误差区间的方法,对比考虑最大预测误差的传统调度方法,采用风电平均入网容量、风电发电量、电网空间利用率等评价指标评估所提出方法的有效性。     

A control strategy for energy storage system based on wind power prediction error interval

由于风能的间歇性和随机性,风电功率预测的精度依然较低。随着大规模风电的集中接入,不确定性风电功率并网运行会加重电力系统的调控负担,同时会对日前调度计划安排带来不利影响。储能系统具有对功率和能量的时间迁移能力,被认为是平抑风电功率波动性、提高风电功率确定性的有效手段。本文从电力系统安全角度分析了制约风电上网规模的原因,使用基于时间序列的自回归模型预测风电功率,提出利用储能平抑风电功率预测误差区间的方法,对比考虑最大预测误差的传统调度方法,采用风电平均入网容量、风电发电量、电网空间利用率等评价指标评估所提出方法的有效性。     

超短期风电功率爬坡事件对风电功率实时预测误差的影响研究

阐述了超短期风电功率爬坡事件的研究背景及定义,建立超短期风电功率爬坡事件的检测和统计方法,利用持续法、支持向量机(SVM)和组合预测法3种风电功率实时预测方法,分析发生超短期风电功率爬坡事件时风电功率预测误差指标的变化,定量给出超短期风电功率爬坡事件对风电功率预测误差的影响。实例表明,风电功率爬坡事件具有小概率高风险特性,风电功率预测精度随着超短期风电功率爬坡事件频率的增大而降低。     

甘肃建成国内首个覆盖全省风电预测系统

10月25日,甘肃省电力公司调度中心的消息称,该公司研发的风电实时监测与超短期风电功率预测系统,能够实现0小时~72小时风电短期预测和0小时~4小时风电超短期预测,由此甘肃成为国内第一个风电功率超短期预测覆盖全省的省份。这个系统通过实时采集测风塔监测的风能数据、风电基地所有风电机组运行数据等,实现对风电的预测,采用了多套数值天气预报数据源,并进行综合利用分析,与单套天气预报     

风电功率预测技术综述与改进建议

随着大规模风电接入电力系统,为了保证电网安全、稳定运行,需要对风电功率进行预测。阐述了不同分类标准下的风电功率预测方法,分析了基于历史数据和基于数值天气预报的功率预测方法,归纳了风电功率预测的主要模型及其优缺点,研究了预测误差的评价指标。认为合理选择预测模型和进行模型性能优化是风电功率预测的关键。在综述国内外风电功率预测技术的研究现状后,针对国内当前对风电场功率预测模型研究与开发工作,提出了改进建议。     

基于前置分解组合预测方法的风电功率爬坡预测研究

我国高集中大规模的风电并网发展模式,使风电功率的波动性和不确定性对电网稳定造成越来越大的影响。在目前风电功率爬坡研究的基础上,提出了一种结合前置分解的组合预测算法,并建立了组合预测模型。通过对风电功率爬坡事件的特性分析,对其进行了有效地预测。文章以上海市启东风电场的风电功率数据为实例,通过仿真验证了所提出的组合预测算法能有效地进行风电功率爬坡预测,其预测精度比当前的预测算法有所提高。     

基于Copula理论的风电功率条件预测误差短期概率分布估计

风电功率预测分析是降低风电不确定性对电力系统影响的重要手段。文章提出了基于Copula理论的风电功率预测不确定性研究方法,从风电功率实际值和预测值的相关性入手,采用Copula理论对风电功率实际值和预测值的相依关系进行分析,在某一预测值的条件下,计算风电功率实际值的条件概率分布,进而转移到误差的条件概率分析当中,之后再将误差的分布估计转换为风电功率预测的不确定性估计。以东北地区某风电场的实测数据和预测数据进行实例分析,通过评价指标验证了该方法的有效性。     

面向风电功率超短期预测的风电数据时间尺度优选方法

提出一种基于优度指标I的优选方法,通过对不同时间尺度风电数据复杂度和风电功率预测效果的量化对比分析,确定用于风电功率预测的最优时间尺度。基于实测风电数据的算例表明,选取不同数据时间尺度会对风电功率预测精度产生影响,且基于优度指标I以及预测误差的分析结果一致表明15 min的风电数据最适合用于风电功率预测。