基于融合模型的风电场输出功率短期预测方法

风电场功率短期预测对并网风力发电系统的运行有着重要意义,在考虑风速、温度、海拔等影响风电功率的主要因素的基础上,为提高风电场短期输出功率的预测精度,提出基于风速与风电功率的融合预测模型。首先针对风电功率的直接预测,采用自回归时间序列和广义回归神经网络的组合模型来预测;然后再利用该组合模型预测风速,根据风速与风电功率的关系间接求出预测的风电功率;最后将前两种组合预测模型进行再次组合,得到融合预测模型。以吉林洮北风电场的短期功率预测为例,运用Matlab软件编程实现本文所提出的算法,验证模型的准确性与可行性,得到融合预测模型的预测相对误差为7.156%,可有效提高大型风电场输出功率的预测精度。     

考虑多信息融合的风电机组状态评估与预测系统开发

为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统（supervisory control and data acquisition,SCADA）检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预测难题。结合SCADA系统结构,设计并规划风电机组状态参数评估与预测系统架构与功能;利用输出功率波动、风能利用率以及开机运行比率3项参数,基于阈值法,建立风电机组状态退化评价指标模型,通过主成分分析法对3个评估标准进行权重计算,并将各指标进行信息融合,综合反应风电机组运行状态;设计Convolutional Neural Network-Long Short-Term Memory风电机组状态预测模型,实施风电场运行状态参数预测;开发风电机组状态评估与预测系统软件,验证所提方法的有效性。     

基于神经模糊网络的短期风电预测

本文利用中尺度NWP模型,以半小时为间隔,对风电场参考点未来36小时的气象变量进行了预报,提出了一种基于神经网络和模糊逻辑相结合的混合计算智能技术的风力发电预测统计模型.利用该统计模型对NWP模型输出、SCADA和风塔的实测数据进行处理,准确预测风电场中各风机的风电功率.同时介绍了网络结构和训练算法,并将该预测方法应用于我国某实际风电场的风电预测.预测风电与实际风电之间的均方根误差(RMSE)小于20％.预测结果表明,训练后的神经模糊网络对风电场建模和风电预测具有较强的应用价值.由于神经模糊网络的适应性,该方法可集成到在线风电预测系统中,在运行过程中自动调整.     

基于数字孪生的区域气象关联风电预测模型

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。     

基于集合经验模态分解和编码器-解码器的风电功率多步预测

准确的风电功率预测对于推动风电大规模并网具有积极意义,现有的研究多集中于超短期范围内的单步预测。为了实现更加贴近工程应用实际的风电功率多步预测,提出了一种基于集合经验模态分解和编码器-解码器的风电功率多步预测方法。首先采用k均值聚类算法对风电机组进行聚类,然后引入集合经验模态分解算法对机组群功率序列进行分解,从而提取风电场功率的时空分布特征,通过预先搭建的基于门控循环单元的编码器-解码器预测网络实现风电功率的超前多步预测,最后将各预测值重构获得风电场总功率的预测值。利用某风电场的真实数据进行算例分析,结果表明所提算法在超前1～6 h不同应用场景下的预测性能均优于其他传统模型,预测准确度提升了6.45%～13.56%。     

基于改进场景聚类算法的海上风电储能优化配置研究

在平滑海上风电出力波动的应用需求下,提出一种储能优化配置方法。利用小波包分解算法对海上风电出力曲线进行分解,得到储能系统全年功率响应曲线。采用基于云模型和模糊C均值聚类算法相结合的改进场景聚类算法,对储能全年功率响应曲线进行聚合,生成储能功率响应典型场景。以储能年综合成本最低为目标,构建储能优化配置模型。采用粒子群算法对海上风电储能优化配置模型进行求解,最后通过算例仿真对所提方法和模型进行分析验证。结果表明：所提模型和方法能综合考虑海上风电场侧储能的实际运行特性,可有效指导海上风电场的储能配置和建设规划。     

基于IGDT的网架重构过程中风电场出力调度

风电具有启动功率小、启动速度快等特点,在停电系统恢复过程中利用风电为其提供功率支持,可以加快系统负荷的恢复。由于风电出力的不确定性,需要对风电场出力进行调度,减小风电场出力的波动范围,在保证已恢复系统安全的前提下提高风电的利用效率。为此,文中提出了一种基于信息间隙决策理论(IGDT)的风电场出力调度方法。首先建立不考虑风电出力不确定性时的风电场出力参考值确定性模型,然后基于IGDT方法将确定性优化模型转变为考虑风电不确定性的风电场出力调度优化模型,再利用人工蜂群算法对优化模型进行求解,最后以IEEE 39节点系统和江苏实际系统为例验证了文中方法的有效性。     

地区电网风电场功率超短期预测方法

针对某地区电网并入多个风电场的情况,论证分析了所有风电场总输出功率变化较单一风电场输出功率变化具有更好的规律性,引入风电总量与风电分配因子这2个概念,提出超短期风电场功率预测模型和求解方法.主要内容包括:风电总量、风电分配因子以及它们之间的随机关联规律;最小二乘支持向量机和卡尔曼滤波技术对风电总量和风电分配因子的自适应动态预测算法;基于关联规律间接实现风电场输出功率的超短期预测.通过实例验证,表明所提出的预测方法无论是在风电场功率预测精度、还是在预测误差分布范围方面都有明显改进.     

基于VMD-APSO的风电场混合储能系统容量优化配置北大核心CSCD

针对风电波动性、间歇性和难预测等严重冲击电网安全运行问题,提出一种利用变分模态分解(VMD)和自适应权重粒子群算法(APSO)获得风电场混合储能系统容量优化配置方法。首先,基于典型日风电输出功率,利用低通滤波法得到满足标准的目标并网功率并获得储能系统参考功率。然后,将其通过VMD分解为高、低频功率,由超级电容器和蓄电池承担。最后,考虑储能充放电功率与荷电状态(SOC)等约束,建立以系统年综合成本最小为目标的容量优化配置模型,采用APSO算法求解并分析最优分界点和对应的储能配置方案。算例结果表明所提方法可有效平抑风电波动,降低储能容量,提高系统供电可靠性与经济性。     

基于混沌DNA遗传算法与PSO组合优化的RNN短期风电功率预测

提高短期风电功率的预测精度对保证电力系统安全、稳定地运行具有重大意义。针对风速信号的强奇异性,采用脊波神经网络建立短期风电功率的预测模型;同时利用混沌DNA遗传算法确定脊波神经网络的隐层结构,采用粒子群算法优化网络的连接权值及方向向量。对新疆某风电场的输出功率进行了预测实验,并比较了优化前后脊波网络模型的预测性能。研究结果表明采用粒子群与混沌DNA遗传算法组合优化后的脊波神经网络均方根误差降至12.3%,预测精度得到显著提高。     

风电场功率分配算法

在风电出力受限时,调度需要考虑多个风电场出力叠加所带来的平滑效应,优化功率分配。根据风电场是否具备风电功率预测系统建立了5种不同的风电场功率分配算法模型,以单个区域中的多个风电场的未来1 h功率预测数据来计算5种算法下所有风电场的总出力及相应的损失电量。结果表明,考虑预测的算法所得到的风电场出力情况与风力发电限值最为接近,且损失电量最少,明显优于不考虑预测条件下的算法。通过研究这5种算法也为风力发电的调度提供优化方案。     

基于功率预测误差修正的日前风电出力分布估计

风电功率预测是整个风电运行与控制体系的基础支撑技术模块。基于功率预测误差的修正结果,提出了一种风电场日前有功出力分布的估计方法。首先验证了风电功率的预测误差水平受到风速大小的三次方、风电功率的峰度、风电功率的大小和功率预测相关性等多个因素的影响;然后利用多元线性回归法建立风电功率预测误差的估计模型,并对风电场日前的点功率预测值进行修正;最后利用广义误差分布模型估计出风电出力的上下限。以华北地区某座风电场作为测试算例进行分析,验证了该出力分布估计方法的有效性。     

基于广义回归神经网络的NWP风功率超短期预测方法的研究

随着风电装机规模的不断扩大,对电网安全稳定经济运行的影响日益显现,因此风电的功率预测越来越重要。利用实际风电场风速数据,将广义回归神经网络（GRNN）建模理论及方法与数值天气预报（NWP）相结合,同时采用4h滚动预测方法,建立了基于GRNN的NWP超短期预测模型,并将此模型应用到实际风电场风功率预测系统中。     

基于风电极限穿透功率的经济调度优化模型研究

风电出力的时变特性,决定了风电极限穿透功率对大规模风电并网系统的调度策略有重要的影响.在充分体现环境保护和风电特性的火电和风电的运行价格模型基础上,基于风电场极限穿透功率和风电场出力预报可信度,建立了风电并网电力系统经济优化调度模型.基于新疆乌鲁木齐电网对该调度模型进行算例仿真,并采用遗传算法(GA)实现模型求解,结果...     

采用虚拟调节算法的风电场有功功率控制策略

为了减小大规模风电并网对电力系统带来的不利影响,有必要对并网运行风电场的有功功率控制策略进行研究。文中设计了一种风电场有功功率控制策略,包含风电预测、发电计划制定、虚拟调节算法和风电机组控制4个部分。考虑到常规变桨控制方法中变桨机构的频繁动作将导致机械疲劳,提出了一种虚拟调节算法,在利用预测风速计算最佳变桨角度的基础上,采用分段桨距控制方法,提高变桨机构的效率。仿真研究证明了虚拟调节算法在实现风电场有功功率控制方面的可行性和有效性,具有一定的实用价值。     

基于相似日和风速连续性的风电场短期功率预测

对风电场进行短期功率预测能够有效减小风电场出力波动对电力系统的影响,降低电力系统的运行成本和旋转备用。综合考虑天气因素以及风速连续性的影响,提出基于相似日和风电连续性的风电场短期功率预测方法。首先,完成BP神经网络训练样本的选择,然后利用预测日前一天的风速作为输入,完成预测日功率的预测,最后将此模型运用于威海某风电场,并与仅考虑风速连续性得到的预测结果相比较,分析预测误差,结果表明前者预测精度更高。     

基于MQ-WaveNet的风电集群发电功率多步概率预测

风电渗透率的持续提高对电力平衡测算、电网运行调度和系统频率稳定带来了极大挑战。为量化区域风力发电的不确定性,提出一种风电集群直接多步概率预测模型。首先,为有效挖掘区域内各风电场数据与集群发电总出力间的时空相关性,采用最大互信息系数法选取基准场站和关键输入特征变量。然后,基于序列-序列网络架构,结合分位数回归概率预测特性及波网（WaveNet）可捕获大范围内时序依赖特性等优点,设计了适用于风电集群概率预测的多视界分位数(MQ)-WaveNet模型,实现对风电集群场站在多个时间跨步上的风电功率多分位点的预测。最后,选取中国新疆哈密东南部风区12个邻近的大型风电场运行数据进行算例分析。结果表明,所提模型仅利用相关基准场站的关键特征变量即可实现风电集群发电功率的有效预测,模型复杂度低、易于工程应用推广。     

储能电站与海上风电场联合运行控制策略研究

储能电站及其优化控制方法对海上风电场的安全经济运行具有重要意义.结合锂电池储能系统,提出一种 储能电站与海上风电场联合运行的优化控制方法.首先阐述储能系统结构及其对海上风电功率波动的调节作用,并基 于锂电池的等效电路模型,利用开路电压法估算锂电池的荷电状态.通过建立计及海上风电功率波动的储能系统出力 目标函数,提出储能系统与海上风电场联合运行的优化控制方法.算例结果表明储能系统对海上风电功率波动具有良 好的调节作用.     

基于数据驱动的风电场有功功率分配算法

针对常规风电场有功功率分配中,通过风速评价机组的功率调节能力不准确的问题,提出一种基于数据驱动的风电场有功功率分配算法。首先,采集不同风速下风电机组转速和桨距角数据,利用Takagi-Sugeno模糊模型和变异系数法评价变速系统和变桨系统参与功率调节的相对权重系数,确定机组的功率调节能力。然后,完成基于机组调节能力的风电场有功功率分配。最后,在MATLAB仿真平台上完成含有10台风电机组的风电场有功功率分配。仿真结果表明,与按风速权重有功功率分配算法相比,所提分配算法的风电场有功功率波动小,风电机组的转速和桨距角变化较为平滑,且高风速机组的载荷小。     

基于风电极限穿透功率的经济调度优化模型研究

风电出力的时变特性,决定了风电极限穿透功率对大规模风电并网系统的调度策略有重要的影响.在充分体现环境保护和风电特性的火电和风电的运行价格模型基础上,基于风电场极限穿透功率和风电场出力预报可信度,建立了风电并网电力系统经济优化调度模型.基于新疆乌鲁木齐电网对该调度模型进行算例仿真,并采用遗传算法(GA)实现模型求解,结果表明提出的清洁经济调度模型合理、有效.