基于改进GM-ARMA组合模型的风电功率中长期预测方法*

风电功率预测是提高风电场功率上报准确率和风电场收益、提高大规模风电并网后电力系统的安全和稳定性的有效方法.目前对于风电功率超短期和短期预测的研究已取得了阶段性研究成果,但是对于风电功率中长期预测方面的研究尚未取得实质进展,预测效果难以满足实际工程应用的需要.针对现有风电功率中长期预测方法存在的缺陷,提出了一种基于改进GM-ARMA组合模型的风电功率中长期预测方法,采用遗传算法优化组合模型的参数,以得到最优模型,进而提高了风电功率预测精度.仿真结果表明该方法对年度和月度风电功率预测均有较好的应用效果,比普通GM-ARMA组合模型具有更高的预测精度.     

风电机组故障知识的获取表达与推理框架

针对目前风电机组故障种类多、故障知识关联关系复杂、知识表达差异化大、知识推理效率低等问题，提出了风电机组故障知识的获取表达与推理框架。首先，通过基于故障树分析方法的故障模式及影响分析方法，全面获取并梳理出风电机组故障排查与检修维护的专家知识；然后，借助本体理论将非结构化的专家知识进行结构化表达，形成知识图谱，将知识可视化展示；同时，结合本体自定义规则以及因果推理模型实现故障原因的查询推理，提高了知识查询与推理的效率；最后，通过具体的机组故障案例说明了本方法的实用性。研究结果可为风电场运维检修工作的智能化发展提供方向。