基于风浪和灰色模型的波浪能发电系统输出功率短期预测

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。     

基于灰色-马尔可夫链的短期风速及风电功率预测

风速具有较大的随机波动性,影响风电及其与之相连电网的运行稳定性,良好的风速和风电功率预测是解决风电并网问题的关键。为此,对用于风速预测的灰色模型和马尔可夫链模型进行比较分析。通过对灰色拟合值的误差转移序列进行分析及建立马尔可夫链状态转移概率矩阵,得出灰色-马尔可夫链预测模型,进而求得风速的误差预测值。并用马尔可夫链转移概率矩阵的期望值对传统马尔可夫链进行改进,得出改进型灰色-马尔可夫链模型,以此对风电功率进行直接预测,并与功率曲线模型法进行对比分析。结果表明,改进型灰色-马尔可夫链模型预测精度更高。     

基于等效平均风速的风力发电功率预测

目前应用风速气象数据预测风力发电功率的方法存在较大误差,难以满足工程应用的精度要求.文中基于能量守恒原理提出了风力发电机组等效平均风速的概念,并通过为期1年的现场实验分析得到等效平均风速与最大风速和平均风速的函数关系,由此提出了基于等效平均风速的风力发电功率预测方法,并与以往基于平均风速的风力发电功率预测方法进行了工程应用效果对?栽 比,表明基于等效平均风速的预测方法较基于平均风速的预测方法在预测精度方面有明显提高.     

风光储输系统最优容量配比研究

风能和太阳能均为可再生清洁能源,由于其不确定性,接入电网会造成一定的波动,但风能和太阳能有天然的互补性,再与蓄电池储能相结合,可使其功率输出平稳,减少波动。以弃风损失、弃光损失最小为目标对风力发电、光伏发电和蓄电池储能三方面进行容量最优配置的研究。首先针对风速数据和太阳辐射量数据,确立了风速模型以及光伏阵列倾斜面上太阳辐射量的计算,利用风力机功率输出特性和光伏阵列输出特性,得到风力发电量和光伏发电量与风速和倾斜面上太阳辐射量的关系式,最终建立一个含不确定参数的优化模型。以某地区的风速数据和太阳辐射量数据为例,根据优化模型,在该地区建立风光储输系统并对系统各部分的容量进行最优化配置。     

基于灰色模型的风速-风电功率预测研究

风场中风速变化带来的风电功率波动是影响风电质量的重要因素.基于灰色模型,对超短时平稳风速进行了一步至四步预测,并且检验了预测误差情况.对不稳定风和阵风进行风速预测,以平稳风为例,根据实际风电功率和对应时序风速的关系建模,得到了风电功率随风速变化的各类模型下的拟合参数.为了提高风电功率的预测精度,通过从分段函数和整体建模两个角度比较各种模型的准确程度,得到了适宜于作为风电功率特性曲线的函数模型.通过预测的超短期风速在两种情况建模时风电功率模拟值与实际值的比较,得到了更适宜作为风电功率特性的模型.用我国某风场的数据验证了方法的有效性.     

风电场GM-WEIBULL风速分布组合模型出力预测

针对风电出力的随机性及间歇性,采用灰色理论建立灰色预测-威布尔风速分布组合模型,并对威布尔风速分布参数进行了求解,根据实际地形下风电场风速数据准确预测了风电场的风速分布及有效风电出力密度,进而求得了风电场风机出力功率及发电量等重要数据.     

短期预测中的研究

摘要： 为降低风力发电厂并网后对电网稳定性和波动性的影响,风力发电功率的特性分析和预测显得十分重要。论文针对影响风力发电功率的气象因素,引用主成分分析和逐步回归分析2种方法,明确了风速和最低温度与发电功率的因果关系。在进行发电功率预测中以风速作为主因变量的条件,应用指数平滑模型、ARIMA模型、组合预测3种方法分别对风力发电功率进行了预测。组合预测是将前两种预测方法的优点进行组合,使预测结果的精确度得到进一步的提高。     

灰色-马尔可夫链统计组合模型在光伏发电功率短期预测中的应用

光伏系统输出功率具有随机性和波动性的特点,光伏系统并网以后可能引起运行和可靠性问题。提前对光伏发电功率进行准确预测有利于电力部门及时调度和保证电能质量,从而保证电网的安全运行。在分析灰色预测模型局限性的基础上,将灰色-马尔可夫链组合预测模型应用到光伏功率短期预测中,并阐述了其建模原理。通过对灰色模型拟合值的相对残差序列进行分析及建立马尔可夫链状态转移概率矩阵,得出灰色-马尔可夫链预测模型。通实际算例分析,证验了所提组合模型的准确性和简便性。     

基于灰色模型的风速-风电功率预测研究

风场中风速变化带来的风电功率波动是影响风电质量的重要因素。基于灰色模型,对超短时平稳风速进行了一步至四步预测,并且检验了预测误差情况。对不稳定风和阵风进行风速预测,以平稳风为例,根据实际风电功率和对应时序风速的关系建模,得到了风电功率随风速变化的各类模型下的拟合参数。为了提高风电功率的预测精度,通过从分段函数和整体建模两个角度比较各种模型的准确程度,得到了适宜于作为风电功率特性曲线的函数模型。通过预测的超短期风速在两种情况建模时风电功率模拟值与实际值的比较,得到了更适宜作为风电功率特性的模型。用我国某风场     

一种新型双风轮风力发电装置的特性分析

利用Bin方法对一种新型的双风轮风力发电装置与同规格的单风轮风力发电装置的运行数据进行处理,得到风电机组性能评估所需要的发电功率、发电效率和功率标准差等相关参数的曲线图与直方图,并进行比较分析。结果表明:相对于单风轮风电装置,新型双风轮风力发电装置的发电功率及发电效率高,启动风速低,低风速风能资源的利用效率高,并且运行稳定。该新型风电装置的研发成功将为以后的风电研究开辟一条崭新的道路。     

基于相似日和WNN的光伏发电功率超短期预测模型

光伏发电功率预测对提高并网后电网的稳定性及安全性具有重要意义。文章提出一种基于相似日和小波神经网络(WNN)的光伏功率超短期预测方法。首先利用光伏发电系统的历史气象信息建立气象特征向量,通过计算灰色关联度寻找到合适的相似历史日。再根据自相关性分析法找出与预测时刻功率相关性最大的几个历史时刻功率,结合历史时刻的温度,辐照度,风速等光伏出力的主要天气影响因素科学合理的确定模型输入因子。最后使用小波神经网络(WNN)创建预测模型,通过相似历史日数据作为训练样本训练小波网络,而后对预测日的出力情况进行逐时刻预测。实例分析表明,该方法具有较高的预测精度,为解决光伏发电系统超短期功率预测提供了一种可行路径。     

基于GM(1,1)模型与灰色Verhulst模型的风速预测

在阐述灰色系统理论的基础上,将GM(1,1)模型与灰色Verhulst模型应用至风力发电预测中,最终利用这两种模型分别对某日10:20至11:00的风速数据进行分析建模,预测11:10与11:20的风速.最后通过残差分析得出Verhulst模型的预测精度更高,更适合应用于风速预测分析.     

基于混沌时间序列的大型风电场发电功率预测建模与研究

通过对风力发电系统的发电功率时间序列进行低维非线性动力学建模,表明该时间序列呈现混沌特性。在此基础上,利用混沌时间序列的相空间理论建立了风力发电功率神经网络预测模型,对风力发电功率的短期预测进行了分析和研究,并得到了较高的精度。本文研究数据均来自大唐赛罕坝百万千瓦级风电场。     

基于FCM-等值风速模型的风功率日前预测

由于风速的随机性、间歇性,以及风电场内各机组风速、功率的分散性,给风功率预测带来了较大难度.在计算风速线性相关的权值基础上,提出了改进模糊C均值聚类算法(fuzzy c-means,FCM)的风速模型,建立了风电场等值风速与改进FCM风速的关系函数.以某风电场实测数据进行验证,结果表明:所提风电功率预测方法算法简单;该...     

基于灰色－辨识模型的风电功率短期预测

为了准确预测风电机组的输出功率,针对实际风场,给出一种基于灰色GM(1,1)模型和辨识模型的风电功率预测建模方法,采用残差修正的方法对风速进行预测,得出准确的风速预测序列。同时为了提高风电功率预测的精度,引入FIR-MA迭代辨识模型,从分段函数的角度对风电场实际风速-风电功率曲线进行拟合,取得合适的FIR-MA模型。利用该模型对额定容量为850 kW的风电机组进行建模,采用平均绝对误差和均方根误差,以及单点误差作为评价指标,与风电场的实测数据进行比较分析。仿真结果表明,基于灰色-辨识模型的风电机组输出功率预测方法是有效和实用的,该模型能够很好地预测风电机组的实时输出功率,从而提高风电场输出功率预测的精确性。     

基于组合预测法的发电集团年发电量预测研究

对发电集团的年发电量进行预测可以为其制定年度发电计划及煤炭等相关电力业务的投资管理决策提供参考依据.以中国国电集团公司为例,运用ARIMA模型和灰色预测的组合预测模型对国电集团2011-2015年的发电量进行了预测,提高了预测精度.     

基于机会约束规划的汇流风电场穿透功率极限计算

大规模的风力发电并网给电网的运行与稳定带来了一系列的问题,研究风力发电的穿透功率极限对于风力发电并网的规划以及运行有着重要意义。基于随机规划理论,利用拉丁超立方采样(latin hypercube sampling,LHS)处理汇流风电场的相关性风速数据,提出了汇流风电场穿透功率极限计算方法,计算中考虑了在同一汇流点不同风电场的风速随机性和相关性,计算得到含有汇流风电场发电系统的线路潮流,进一步基于机会约束规划,利用改进的粒子群算法计算得到汇流风电场的穿透功率极限。在IEEE30系统算例上验证了计算方法的有效性,并简要分析了风力发电位于不同接入点对穿透功率极限的影响。     

短期风速-风电功率预测方法

传统灰色风速预测模型累加处理时不能预测突变风速,使风电功率预测误差过大.采用数值逼近算法对传统灰色GM(1,1)预测模型进行优化改进,以优化的灰色GM(1,1)预测模型对未来时段风速进行预测,突变风速预测误差降低了34.3％.再将优化风速预测模型和时间序列动态神经网络相结合,构建出风电功率预测模型.应用该模型对酒泉地区某风电场现场数据进行仿真测试,预测效果可信度大于93％.     

基于BP神经网络的风速预测和风能发电潜力分析

以BP神经网络为基础进行年平均风速和年最大风速的预测,并以预测得到的数据为基础进行风力发电潜力的分析,引入了风速频率Weibull分布函数来拟合实际的风速频率分布,结合风力发电机的输出功率特性求解风机处于工作状态的概率、发电量,并对风力发电机转轴高度因素对风机发电量的影响作了分析,基于BP神经网络的风能发电潜力分析使分析的过程建立在预测得到风速的基础上,改进了过去依靠风速历史数据进行风力发电潜力分析的方法,充分考虑了风能资源的不稳定性,具有更高的可信度。     

风力发电系统可靠性评估解析模型

为了进行风力发电系统的可靠性评估,基于小时风速的平均值和标准差,建立了较为精确的风速概率解析模型,弥补了常用的ARMA模型需要每小时风速实际数据和长时间模拟的不足。进而利用风电机组输出功率与风速的关系,建立了风电机组输出功率分布的解析模型。应用IEEE-RTBS和IEEE-RTS系统,将该模型和ARMA模型在风速概率分布、发电功率概率分布、可靠性指标等方面的计算结果进行比较分析。算例结果验证了所建立的解析模型的正确性和有效性,能实现包含风电场的电力系统的可靠性评估。