利用储能提高风电调度入网规模的经济性评价

受自然条件的影响，风电功率预测的精度依然较低。在大规模风电基地联网运行的场景下，直接利用风电功率预测信息进行风电调度决策，会给电力系统的安全运行带来风险。储能系统具有对功率和能量的时间迁移能力，能够有效应对风电功率预测误差，确保电网的安全运行。然而，在目前的技术经济水平下，储能系统造价昂贵，利用储能系统提高风电的调度入网规模是否可行，需要从经济性角度进行系统评估。该文提出利用储能减小风电调度风险的“源?网协调”调度方法，构建了储能系统经济性评估模型，分不同的概率区间预测场景评估了利用储能系统提高风电接纳规模的可行性，研究结果能够为利用储能系统提高风电调度入网容量提供决策依据。  

应用弱化缓冲算子与最小二乘支持向量机的变压器油中溶解气体浓度预测

变压器油中溶解气体浓度是评估油浸式变压器绝缘状态的重要依据。变压器油中溶解气体浓度的时间序列数据具有随机振荡性,往往不能准确把握溶解气体浓度的发展趋势,因此应用缓冲算子首先对原始数据进行弱化处理,减少其随机性。现有溶解气体浓度预测模型仅实现了点预测,为此采用最小二乘支持向量机与区间参数估计理论建立了溶解气体浓度的区间预测模型,确定未来溶解气体浓度在一定置信度下的变化区间。算例结果验证了该模型的有效性。  

基于区间预测的风力机桨距执行器LPV故障诊断

针对风力机桨距系统故障导致的桨距角输出变化的问题，在建立风力机桨距系统线性参数变化(Linear Parameter Vary, LPV)模型的基础上，提出了基于区间预测方法的故障诊断方法。首先，以液油含量为调度变量，将风力机桨距系统非线性模型转化为LPV模型，使模型更加精确。其次，考虑到模型不确定性描述的边界问题，引入区间预测算法，根据桨距角输出是否处于区间预测输出上下限内判断故障发生与否。最后，将所提出的算法在风力机系统中进行仿真。仿真结果表明，所提出的算法能够很好地估计出桨距执行器故障，提高了故障诊断的鲁棒性。  

基于变分模态分解和蝙蝠算法-相关向量机的短期风速区间预测

现有的风速预测方法大多是确定性的点预测，无法描述风速的随机性。针对该问题，建立基于变分模态分解(VMD)和蝙蝠算法-相关向量机(BA-RVM)的短期风速区间预测模型。对原始风速序列进行变分模态分解获得多个子序列；采用样本熵(SE)算法对子序列进行重组得到3类具有典型特性的分量；对各分量采用相关向量机算法分别建立预测模型。为进一步提高预测精度、缩小区间范围，引入蝙蝠算法(BA)对预测模型进行参数优化。将各分量的预测结果进行叠加求和得到一定置信水平下总体的区间预测结果。实际算例结果表明，与现有方法相比，所提区间预测方法的预测精度和区间覆盖率更高，区间宽度更窄。  

集对分析理论在风电场风速区间预测中的应用

风力发电的出力直接取决于风速,因此需要提高风速的预测精度。考虑到风速点预测精度的提高有较难克服的瓶颈,文中提出一种针对风速的区间预测方法,将集对分析原理引入风速的区间预测中,利用风向、温度、气压、湿度等影响因素的训练数据,并考虑风速点预测的结果误差分布及风速变化率的影响,确定未来某时间段内风速的预测值所属的分类集合,以该分类集合的上下限作为风速预测区间的上下限,从而实现了风速的区间预测。以国内某风电场的数据进行训练和预测,验证了基于集对分析理论的风速区间预测方法的有效性,同时所提方法的预测结果可以用于风电场功率预测。