共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
采用灰色理论对风电场的年风力发电容量进行了预测.考虑到风力发电容量主要取决于风速,通过预装风电机组的发电容量并结合风速数据资料建立风速-功率函数.将从国家气象信息中心得到的日平均风速数据代入风速-功率函数,从而得到每天的发电容量数据.以年为周期进行积分,得到年风力发电计算容量.利用这些年风力发电计算容量建立灰色新陈代谢... 相似文献
3.
4.
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。 相似文献
5.
6.
为充分利用数据特征间的先验关系,提高风电场中长期发电功率预测精度,提出一种基于图卷积神经网络(GCN)、风速差分拟合(DF)、粒子群优化算法(PSO)的中长期风功率预测模型。通过分析风力发电全过程,挖掘风功率影响因素及因素间的相互关联性,搭建GCN模型,分别拟合风速和功率利用效率,进一步结合基于DF的风速-功率计算模型计算风功率,模型的损失包含功率损失、风速损失和功率利用效率损失3个部分,采用粒子群优化算法为这3部分损失确定合适的权重。2个风电场的实际算例表明,该模型未来10天风功率预测的相对均方根误差分别为11.44%和13.09%,具有较高的预测精度。 相似文献
7.
波浪能具有随机波动性,会对波浪能发电并网以及电力系统的安全稳定产生重要影响,准确预测波浪能可为电力调度控制带来极大便利。提出基于风-浪和灰色模型的波浪能发电系统功率预测方法,在波功率历史数据不足或缺省的情况下,能够依据风浪相关性及风速历史数据有效预测波浪功率。首先分析了风与波浪的相关性和时延特性,建立风-浪经验模型对波高进行短期预测,并利用灰色GM(1,1)模型对波浪短期预测结果进行残差修正。在此基础上,基于直驱式波浪能发电系统分析并建立了波高-功率转换模型。通过实例分析对波浪能发电功率的预测结果进行了验证。 相似文献
8.
9.
对光伏发电功率进行准确预测,可减弱其并入电网的波动性,有利于电网对新能源发电的调度。基于主成分分析法和局部均值分解相结合的鲸鱼优化算法,构造优化后的极限学习机模型,并使用该模型对光伏发电短期功率进行预测。先用主成分分析法对影响光伏发电功率的因素进行筛选,并使用局部均值分解对选取的主要影响因素及发电功率序列数据进行分解;然后基于子序列使用鲸鱼优化建立极限学习机模型;最后将各序列短期预测结果叠加获得光伏发电短期功率预测结果。通过仿真验证及对比分析,说明该预测方法具有较高的预测精准度。 相似文献
10.
新型电力系统建设下,风电清洁能源得到大力开发。由于风电的发电功率与风速、风向、气温等气象因素强关联,具有波动性,且新建的风电场缺乏历史气象和发电数据,难以被精确预测。因此,文中提出了一种基于数字孪生的区域气象关联风电预测方法。首先,将风电场系统物理实体与数据驱动模型相结合,实现了数据同步和实时更新;然后,通过灰色关联分析方法筛选出对风电场发电功率影响作用较大的多元气象因素,使用XGB算法对优选后的气象关联数据集进行训练,结合天气预报对风电场发电功率进行预测;最后,利用有历史数据风电场的训练模型对无历史数据新建风电场进行预测。算例对四川某区域风电场数据进行了分析和预测,验证了所提方法的有效性与合理性,能够获得比传统预测方法更准确的预测结果。 相似文献