排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
2.
大规模风电集群的功率预测,有利于调度部门制定科学合理的发电计划,提升电网的健壮性。基于空间资源匹配法(spatial resources matching algorithm,SRMA)的风电集群功率预测方法,比广泛采用的统计升尺度法具有更高的精度,而且需要的计算资源较少。但是现有的空间资源匹配法,匹配参数单一,不利于预测精度的进一步提升。文章在详细介绍空间资源匹配法的基础上,提出了一种考虑风电功率测量数据的改进空间资源匹配法,并通过52个风电场组成的风电集群开展了0~12 h的风电功率预测。结果表明,改进的空间资源匹配法前4 h的预测精度比传统的匹配法有较大幅度的提升,具有较强的工业应用推广价值。 相似文献
3.
4.
风资源因具有较强的波动性、随机性与间断性等特点而导致风电功率预测精度不高。为减小风电功率波动对电网的冲击,提高电力系统对风电的接受与消纳能力,提出了改进的风电功率短期预测方法与基于波动的误差修正方法。首先将风电功率按不同波动过程进行聚类划分,提取不同波动的特征曲线对功率值进行修正;采用引力搜索算法优化的反向传播神经网络(GSA-BP)作为基本预测方法进行预测;分析不同波动过程下的预测误差表现,建立预测误差与综合气象指标的映射关系。针对不同波动过程建立相应的风电功率误差修正模型,提出了线性模型和GSA-BP非线性模型相结合的方式对预测误差进行修正,最后以功率预测值叠加预测误差修正值作为最终预测结果。该风电功率预测误差修正方法不仅涉及风速风向等常规因素,而且考虑到了风电功率的波动性。 相似文献
5.
6.
为解决短期风电功率预测关键气象因素提取难、天气波动过程与功率波动过程匹配性差的问题,提出了一种考虑气象特征与波动过程关联的短期风电功率组合预测方法。首先,通过最大相关-最小冗余原则得到数值天气预报的气象特征因素来划分天气波动过程。其次,考虑天气波动过程与功率波动过程的关联关系,建立了以气象特征因素为输入、以风电功率为输出的波动过程关联的短期组合预测模型。最后,将不同天气波动过程下的风电功率预测值在时序上进行重新组合,以得到波动过程为输出的短期风电功率预测结果。实际算例表明,采用气象特征因素作为输入以及面向波动过程关联的组合预测方法能够明显地提高短期风电功率的预测精度。 相似文献
7.
采用Pushover分析方法,对钢筋混凝土框架的弹塑性性能进行了分析;在现有的抗震理论下,从结构抗震方面进行了论述,采用SAP2000探讨了结构在不同水准条件下的反应,为以后结构设计及分析提供了参考。 相似文献
1