基于卡尔曼滤波和支持向量机的风电功率实时预测研究

为了提高风电场风电功率实时预测精度,并为风电场输出功率的合理调度提供参考依据,提出了一种基于滚动的自回归积分滑动平均模型(ARIMA)和支持向量机(SVM)相结合的卡尔曼融合预测模型。通过对风电功率序列进行分析得出ARIMA模型,用其作为卡尔曼滤波的状态方程。再用SVM预测得出观测方程,用卡尔曼滤波将二者结合起来实现融合多步预测。具体的实例分析中采用了国家能源局的评价指标对预测精度进行评价。通过预测结果可以看出,融合预测算法中可以实现预测误差相互抵消的状况,减少了误差累积,提高了预测的精度。     

混沌理论在电力系统负荷预测中应用综述

电力系统负荷的准确预测,对电力系统安全、高效运行有重要作用。负荷存在混沌特性,而基于混沌理论的预测较好地刻画了负荷物理属性,预测精度高。并主要介绍了混沌理论在负荷预测中的应用。首先,概述了基于混沌理论预测的机理,介绍了几种混沌特性判别的方法。然后,介绍了几种预测模型。最后,对现有预测模型总结和展望。     

电力有源滤波器(APF)技术的探讨

随着大功率开关器件的广泛应用,电力系统谐波抑制及无功补偿问题变得日益迫切,电力有源滤波技术是解决上述问题的有效手段。首先简要介绍电力有源滤波技术的特点、基本原理,然后介绍APF的主要控制策略,最后对APF技术应用中应考虑的一些问题作简单介绍。     

ControlLogix系统在水厂气浮工艺中的应用

为了提高水厂的效率和自动化程度,采用了Rockwell公司的ControlLogix系统,实现水厂气浮工艺的自动监控。重点研究了ControlLogix的可编程序控制器(ProgrammableLogicController,PLC)-人机接口(HumanMachineInterface,HMI)系统在水厂气浮工艺中的应用。结果表明:系统硬件、软件设计方案合理,能够实现预想的功能,证明了该方案的可行性。     

基于混合半云模型的风速-功率曲线建模方法

风速-功率曲线的准确建模是风电机组出力态势评估和风电功率预测的关键基础之一。计及风电映射关系的不确定性及功率曲线的分布形态,提出一种基于混合半云模型的建模策略来实现对风功率数据固有和随机分布特征的挖掘和建模。引入最优组内云熵算法快速有效地剔除异常数据;采用逆向云发生器求取期望、熵与超熵数字特征来定量刻画风速-功率对应关系的不确定性,构建腰部数据的半云模型;通过X条件云发生器和正向云发生器分别求取腰部和上部数据的功率云滴,实现定性数字特征向定量数据的转换。以中国东北某大型风电场的实测数据为例,从数据质量、频率分布和风功率预测等维度分析混合半云模型,验证了所提方法的可行性。     

天然气采集过程防砂装置的应用

天然气生产过程中经常会出现气井出砂,砂粒随着高速流动的天然气一起流入地面集输管网,在气流方向改变时,高速运动的砂粒会对设备、阀门、管线等造成冲蚀磨损,尤其在管线弯头处经常出现磨穿刺漏现象,形成极大安全风险。采取限制配产、控制生产压差的办法会降低气井产能。在确定气田出砂类型后,采用了机械法除砂。在不影响气田生产的条件下,研发井下防砂工具,地面防砂装置,阀组等配套除砂工具,实现了气田防砂提产,安全运行的目的。     

再生骨料砼变形性试验研究

为了研究再生骨料砼徐变的变形规律,进行了收缩徐变对比,线膨胀系数测定等实验。通过控制变量法的对比试验分析了再生骨料砼与普通碰变形的差异。实验表明:在配合比相同时,再生骨料砼与普通砼相比,在变形性方面,再生骨料砼线膨胀系数大,对温度变化导致的收缩变形更为敏感,徐变曲线较平缓且更先趋于稳定。     

基于FA-PCA-LSTM的光伏发电短期功率预测

准确的短期光伏功率预测是调度部门合理制定发电计划、保证电力系统安全性和经济性的关键性技术.针对光伏出力可预测性低的问题,提出了一种结合因子分析(factor analysis,FA)、主成分分析(principal component analysis,PCA)和长短期记忆网络(long short-term memory,LSTM)的光伏发电短期功率预测方法.首先采用因子分析对多元数据序列信息进行分析,提取相关性较高的公共因子并优化样本.然后通过主成分分析对优化后的多元数据序列进行筛选,在充分利用序列信息的基础上降低数据规模和复杂程度.最后,利用LSTM网络对多元数据序列与光伏功率序列之间的非线性关系进行动态时间建模并预测.采用中国新疆某光伏电站的实测数据进行验证,算例分析结果表明所提预测方法的有效性.     

风电功率超短期多步预测误差评估及分析

超短期风电功率预测误差分析有助于改进预测精度,进而降低风电不确定性对电力系统带来的不利影响.以LSTM模型为例,对超短期多步预测的误差特性进行分析.首先,对超短期风电功率预测误差进行静态特性分析,研究了预测误差随预测步长的动态变化特性;然后,提出了数值天气预报在超短期风电功率预测中的误差占比定量评估模型;最后,提出了一种综合考虑形状和时间损失的神经网络损失函数,降低由于输入信息不足引起的时滞和幅值误差.结合吉林省20个风电场的实测数据,对风电功率多步预测误差特性进行全面分析,为风电功率多步预测模型的评估、修正提供了参考.     

风电功率超短期预测误差的非参数估计分布研究

准确的风电功率预测有利于含大规模风电电力系统的安全可靠、持续稳定运行,掌握风电功率预测误差的分布特征,对风电大规模并网有重要意义.以吉林省某风电场的实测数据为例,对风电功率进行超短期预测,利用非参数估计对预测误差分布进行拟合,分析了非参数估计与预测方法、预测时间间隔、预测误差概率分布形态以及风电场装机容量的关系,验证了所提出方法的有效性.