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％.     

风速及风电功率预测研究综述

随着风力发电功率占比日益提高,风电功率的波动对电网安全运行的影响日益加剧。加大电网的旋转备用容量能够解决风电场出力波动的问题,但直接增加了电网运行成本。因此,对于含大规模风电接入的电网,风速及风电功率的准确预测对保证系统安全稳定运行、降低风电消纳成本有着至关重要的作用。在综合分析大量国内外文献资料的基础上,对风速及风电功率预测方法的研究现状进综述,总结常用预测算法的优缺点,给出风速及风电功率预测误差的评价指标体系,并对风速及风电功率预测的发展前景进行展望。     

基于动态谐波回归的超短期风电功率预测

准确的风电功率预测对电力系统的安全稳定运行十分重要。从风功率统计特征出发,提出进行风电功率超短期预测的动态谐波回归方法。首先利用风电功率与不同高度风速的三次函数关系构建回归模型;然后采用自回归移动平均 模 型（auto regressive integrated moving average model,ARIMA）对回归的残差建模来充分利用风电功率时间序列的历史信息;最后针对风电功率的日季节性特点,引入傅里叶级数形成最终预测模型。经风电场实际数据计算验证表明,该方法有效弥补了ARIMA方法和回归方法的不足,减小了风电预测均方根误差（root mean squared error,RMSE）,提高了风电预测精度。通过和持续法、ARIMA 2种现有预测方法比较,验证了所提模型具有更高的预测精度,说明该方法具有一定的实际应用价值。     

基于风速升降特征的短期风电功率预测

为提高短期风电功率预测精度,提出了基于风速升降特征的短期风电功率预测方法。该方法分析风速上升或下降对风力发电的影响,根据风速升降特征,为风速添加标记值,增加训练样本维度,从而提高功率预测精度。用上海某风电场2014年9月至2015年9月数据对算法进行验证,并对比最小二乘支持向量机(LSSVM)、极限学习机(ELM)、遗传BP神经网络(GA-BP)三种方法的预测结果。实验结果表明,在风电功率预测中引入风速升降特征能够明显提高了模型的预测精度,适合风电场的短期功率预测。     

基于人工神经网络的短期风电功率预测

风力发电近年来已进入规模化发展阶段。由于风能的随机性和间歇性特征,风电场输出功率往往具有波动性,因此其功率预测对接入风电的电力系统的安全稳定运行及保证电能质量有着重要意义。基于人工神经网络模型,对风电场输出功率进行24小时短期预测,并分析该预测模型的可靠性和精确性,提出改进方法和进一步研究方向。     

基于数据挖掘和模糊聚类的风电功率实时预测研究

准确的风电功率预测是实现风能大规模开发利用的有效手段,实时预测能够滚动地修正日出力计划曲线,保证电力系统运行的安全性和经济性。在分析风电场不同机组出力特性的基础上,利用数据挖掘和模糊聚类技术将不同的机组进行分类,并分别进行实时预测,将预测结果进行累加得到最终的预测结果。以中国吉林省某风电场的实测风电数据为例,进行了实时预测,结合国家能源局对风电功率实时预测预报管理要求中的指标进行了分析。结果表明,所提出的方法准确率最大提高2.57%,合格率最大提高4.23%,均方根误差最大下降3.21%,说明了该方法的有效性。     

超短期风电功率预测的自适应指数动态优选组合模型

风电功率预测对电力系统运行、调度计划具有重要意义。针对目前单体预测模型的局限性,文中给出了基于可变向量遗忘因子的自适应指数动态优选组合预测模型。模型首先采用数值天气预报作为3种单体预测模型的主要输入,所选模型结合物理和统计模型的优点,同时兼有线性与非线性特点。然后,在单体预测结果的基础上,分别采用递归最小二乘方法、协方差优选组合方法及多层感知器网络对单体模型的预测结果进行组合。最后,引入基于Cook距离的向量遗忘因子,利用Cook距离评估新观测值对参数估计的影响,采用基于可变向量遗忘因子的自适应指数组合模型动态分配模型权系数,对加权组合得到的3种组合预测结果进行再次组合,在自适应过程中实现模型优选,得到最终的预测结果。算例结果表明,所述优选组合预测模型能够在超短期组合预测的过程中实现模型优选,可有效提高风电功率预测精度。     

基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测

随着风电在现代电网的渗透率越来越高,电力系统优化运行对风电功率区间预测的可靠性提出了更高要求.现有的风电功率区间预测通常针对历史数据整体的误差,或者基于不同的出力水平进行分类误差建模,难以反映预测模型对于不同风况下的适应性.鉴于此,提出了一种基于数值天气预报(NWP)风速和蒙特卡洛法的短期风电功率区间预测模型.首先,按...     

基于实测数据分析的大型风电场风电功率预测研究

针对风力发电具有波动性、间歇性的特点以及大容量风力发电接入电网对电力系统的安全、经济运行带来严重影响的问题,阐述了风电功率的预测方法,并在分析风电场实测数据基础上,应用混沌时间相空间理论建立了超短期风电功率预测一阶局域模型,对某风电场未来5 min、15 min、30 min内的风电功率进行预测.对预测结果进行了评价,...     

一种基于径向基神经网络的短期风电功率直接预测方法

提出了一种基于RBF神经网络的未来24 h风电功率直接预测方法。为克服传统聚类算法局部寻优的缺陷,基于模糊C-均值聚类算法,提出了一种将遗传算法、模拟退火算法和模式识别技术相结合的模糊聚类算法。基于某风电场的实测数据,采用所提出的模糊聚类算法和几种常用方法分别确定径向基函数的中心,并采用最小二乘法解决权值学习问题。预测结果表明了基于RBF神经网络的风电功率预测方法能够有效提高预测精度,且证明了所提出的模糊聚类算法的优越性。     

计及气象因素和风速空间相关性的风电功率预测模型

建立了一种计及数值天气预报中气象因素和风速空间相关性的组合加权风电功率预测模型.首先,考虑到数值天气预报数据中的风速精确度不高,建立了基于高斯过程的数值天气预报风速修正模型,计入其他气象因素,如风向、温度、湿度、气压等,进行风电预测.同时,基于目标风电场与相邻风电场区域的风速空间相关性分析,求得其最大相关系数点的延迟时...     

基于风速变异系数的山地风电场模型风力机机械功率计算方法

文中利用变异系数作为风速非一致性指标,提出了一种山地风电场详细模型中风力发电机组功率的计算方法。该方法先建立山地风电场风速时空分布特征表,根据特征表中的变异系数及其置信水平获取风速的上分位点和下分位点。通过这种方式,可以形成一个带有最大值和最小值的风速域。进而得到该山地风电场的一个对应的风电机组机械功率域。利用PSS/E软件、案例分析在中国西南地区某高海拔山地风电场展开,涉及切入风速和平均风速两种工况。通过与传统平均风速方法的时域仿真结果比较,验证了所提方法的有效性和准确性,以及将变异系数作为风速非一致性指标的合理性。有益于考虑高比例山地风电风速非一致性和不确定性的电力系统动态特性分析。     

考虑风速变化特性的风电容量可信度评估方法

随着风力发电在电网中穿透水平的提高,风力发电的容量可信度评估问题逐渐成为电网规划中关注的新热点。为描述风电出力与电网负荷的相关性,以规划阶段风电场可获得的数据为基础,基于半不变量法建立了考虑风速变化特性的风电出力模型;提出了基于拉丁超立方采样(Latinhypercube sampling,LHS)的风力发电容量可信度评估方法,通过对IEEE-RTS79系统进行评估验证了该方法的正确性和有效性,并分析了风电出力与电网负荷的相关性对容量可信度的影响。评估结果可作为风力发电参与电力平衡的重要依据。     

考虑风速相关性的电力系统动态经济调度

随着并网风电场数量的增多和规模的扩大,风电功率的随机性以及各风电场之间的风速相关性对电网调度的影响不容忽视。针对多风电场的风速联合概率分布函数不易构造的问题,通过Nataf逆变换,获取具有相关性的多维风速样本。基于机会约束规划理论,建立了一定风险阈值下考虑风电成本和运行风险约束的多变量、非线性随机优化调度模型,有效地协调了系统经济性和安全性之间的矛盾。提出基于场景化理论的改进粒子群爬山混合算法用于模型求解,提高了模型求解速度并直观地反映出系统的最佳风险水平。以含风电场的IEEE 30节点系统为算例验证了所提方法的可行性和有效性。     

基于风速预测和随机规划的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响;而并网风电场具有动态、随机、容量大等特点,传统的经济调度方法已不再适用。针对风电场出力的随机性,在风速预测的基础上,应用随机规划理论建立了考虑机组组合的含风电场电力系统动元网络和遗传算法的混合智能算法,提高了算法的收敛速度和搜索性能。以含风电场的IEEE30节点系统为算例验证了所提方法的可行性和有效性。     

计及风速波动特性的风电穿透功率极限计算

随着风电接入电网的容量日益增加,系统本身的调峰能力、电网输送空间和安全裕度成为制约电网消纳风电的因素;风速及风电系统的随机波动特性给系统的运行带来冲击和影响,并且风电的接入增加了系统节点电压、频率和支路潮流的随机波动性。基于风电场穿透功率极限的概念,从随机过程的角度分析出风速随机波动特性,提出了风速随机波动特性修正的风电场穿透功率极限优化算法。采用IEEE 30节点系统算例进行了对比验证。研究结果表明,该方法实现了对风电出力随机性的客观描绘,提高了风电并网容量规划方案的灵活性和可靠性。     

考虑风速相关性的电力系统可靠性评估

在研究风电并网对系统可靠性的影响中,风电场间的风速相关性是一个重要影响因素。首先,研究了电力系统可靠性统评估必要的相关模型;其次,为建立风电场间风速相关性的数学模型,研究了矩阵变换法并将其引入系统可靠性评估,用于定量模拟同一风带下具有一定相关性的多个风电场风况;最后,基于序贯蒙特卡罗模拟法研究了考虑风速相关性的电力系统可靠性评估流程。以IEEE-RTS79系统为例验证了本文所提模型的有效性,并分析不同风速相关程度下系统可靠性水平的变化情况。研究结果表明,风速相关性对系统可靠性有不利影响,考虑风速相关性将使评估结果更加准确可信。     

考虑风电功率爬坡的功率预测-校正模型

随着大规模风电接入电力系统,风电功率爬坡事件对电网的安全稳定运行带来一定的影响。研究爬坡事件发生时的功率预测已越来越迫切。基于极限学习机理论,提出了一种考虑风电功率爬坡事件的超短期功率预测和校正模型。首先,利用最优旋转门算法对当前爬坡事件进行识别,提取爬坡事件特征值,建立模糊C均值聚类模型以得到同类数据,在此基础上,采用极限学习机算法对上述数据进行训练、预测,通过元组向量时间扭曲法在历史风电功率预测爬坡事件库中寻找与当前风电功率预测结果相似的爬坡事件,得到功率预测历史相似爬坡事件。最后,利用功率预测历史匹配值与实际值之间的特征值误差,对风电功率预测结果进行修正。算例表明,所提方法可准确识别风电功率爬坡事件、有效提高风电功率超短期预测精度。     

计及空间相关性的轻量级风电功率预测方法

针对风电功率预测数据高维灾难以及云计算的通信依赖问题,提出一种风电功率的属地边端轻量级预测方法。采用KNN算法计算风机间的距离量化空间相关性,并引入轮廓系数自适应地确定近邻数k以降低冗余特征维度,从而确定输入目标预测风机的邻近风机数据;基于Seq2Seq结构的GRU-MLP网络完成各台风机的风电功率预测。实验结果表明,在预测准确率近似的条件下所提方法相较于常规网络复杂度小、效率更高,可为风电场功率预测任务从云端向边缘迁移提供技术方案。