基于时间序列和神经网络法的风电功率预测

为克服风速与风电功率之间的非线性关系对预测精度的影响,建立了基于时间序列法和神经网络法的改进预测模型。用时间序列法建立风速预测模型;利用神经网络法建立风速-风电功率模型,并以风速预测数据为输入量预测风电功率。以某风电场为例,比较分析了该改进模型与传统预测模型的平均绝对误差和相关系数,结果表明该改进预测模型可有效提高预测精度。     

风电场出力的纵向时刻概率分布特性

提出一种新的纵向时间序列分析法,基于实测历史数据,统计365 d或更长天数内每天同一时刻的风电出力,得到96个不同时刻的概率分布结果,并通过函数拟合归纳出由分段函数表达的风电出力概率特征,在此基础上实现对风功率预测值的预评估。算例分析表明,经该方法得到的各时刻概率分布分段函数对不同年份数据有较好的适用效果,对不同置信水平下的预测值预评估效果较好,进一步说明纵向时刻概率分布特性是风电出力的固有属性。