基于神经元网络方法的风电场风电功率预报研究

风电大规模并网使风电对电网的冲击问题越来越凸显,许多地方出现了拉闸限电的情形,随着百万千瓦级风电基地、千万千瓦级风电基地的规划及建设,急需开展行之有效的风电场风电功率预报,来满足风电上网调度的实际需求,利用数值模式预报的风速、风向等预报场及风电场逐时风电功率资料,通过神经元网络方法进行了风电场风电功率预报试验,预报精度与2002—2006年欧洲风能计划中的风电场风电功率预报精度相当。     

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,...     

典型风电场风电功率预测误差研究

比较了风电场并网功率的预测值与实际值,研究了风电场并网功率日预测误差概率及最大日预测误差、风电场并网功率实时预测误差概率分布、风电场预测数据的均方根误差和风电场风功率预测误差的分布特性,并提出了利用储能系统减小风功率预测误差,提高风电功率预测精度。     

基于t Location-Scale分布的风电功率概率预测研究

风电功率特有的随机波动性,导致风电功率点预测方法的预测精度不高,增加了风电并网的难度,致使风电场弃风现象严重。基于风电功率点预测的基础上,风电功率概率预测可以预测出风电功率的波动范围,为电力系统的安全运行以及电网调度运行给出不确定信息和可靠性评估依据。提出了一种基于t location- scale分布的风电功率概率预测方法,即采用t location-scale函数来描述风电功率预测误差概率分布,并以此建立误差分布,基于已建立的误差分布可以进行概率预测。并引进了覆盖率和平均带宽来评价预测区间的优劣程度。利用吉林省西部某风电场历史数据验证了该方法的可靠性。     

计及邻近风电场信息与CNN-BiLSTM的短期风电功率预测

高精度的短期风电功率预测对保障电力系统安全至关重要,因此提出了一种计及邻近风电场信息与CNN-BiLSTM的短期风电功率预测方法,在深度学习预测建模环节除了采用目标风电场的NWP作为输入特征,还引入了邻近风电场的高相关特征。首先综合风速序列、功率序列间的相关性和距离,计算区域内各邻近风电场和目标风电场的复合相似度,并依据相似度排序选择高度相似的邻近风电场作为信息来源;再采用CEEMDAN频域信号分解和时间序列特征扩充构造高维特征集合,并引入浮动搜索特征选择算法对强相关特征进行优选;最后基于被选核心特征,开展基于CNN-BiLSTM深度神经网络的功率预测建模。算例结果表明,相较不引入邻近风电场信息的传统预测方法,所提方法能有效提升预测精度。     

风速廓线在风电场功率预报中的应用

通过分析我国内陆河北省张北县和吉林地区风电场内的风速廓线变化特性发现,各高度间风速的差异分布大体相同:各高度间风速差异由夜间到白天逐渐缩小,在中午达到最小,由白天到夜间逐渐增大,并且在各个阶段又相对稳定,即在日出后由地面向上的热量输送逐渐增强,湍流加强,各层间的风速差异减少,并迅速趋于稳定,直至日落湍流减弱。各层间的风速差异迅速增大,并趋于稳定。这一规律的发现对解释涡轮高度不同时间、相同风速条件下风机出力不同及风电功率建模有重要意义。     

大型风电场超短期风电功率预测

针对大规模风电场风电功率的非线性特性,采用最小二乘支持向量机（LS-SVM）的预测模型。由于LS-SVM的参数选择直接影响着模型的预测精度,于是采用一种基于量子粒子群优化方法来选择模型的超参数。为了弥补模型损失的鲁棒性,通过给每个样本误差不同的权系数,建立了具有良好泛化性能的WLS-SVM回归模型,从而进一步提高了模型预测的精度。本文提出一种基于量子粒子群优化（Quantum-behaved Particle Swarm Optimization, QPSO）参数选择的加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine, WLS- SVM）的超短期风电功率预测模型。应用上述方法对内蒙古地区大型风电场进行了预测,结果证明了该方法的有效性。     

风电功率波动对轨迹断面特征根的影响研究

轨迹断面特征根间接地反应了电力系统状态变量的变化,因此风电功率波动对轨迹断面特征根的影响也是一项值得深入研究的工作。本文在研究了轨迹断面特征根及风电机组模型的基础上,分析了风电功率波动对电力系统轨迹断面特征根的影响。通过分析可知,当风电场的有功功率输出随着风速增加而增加时,系统的主导振荡断面特征根将逐渐靠近虚轴,不利于系统的稳定运行。     

基于混合Copula函数的风电功率相关性分析

风电功率作为电力系统调度运行中不可忽视的随机输入变量,其相关性分析直接影响电力系统的不确定性和运行风险评估。文中从风电功率相关结构的角度出发分析风电功率的相关性,分析了风电功率间的尾部特征,提出利用混合Copula函数建模分析风电功率相关性的方法。该方法依据风电功率测量数据的相关结构,以线性加权的方式构造能够描述不对称尾部特征的混合Copula函数,并利用期望最大化(EM)方法对相关参数进行估计,研究结果表明,混合Copula函数能够很好地刻画风电功率间的相关结构和尾部特征,同时基于Copula函数的相关性测度理论能够方便地求取反映相关程度的指标。     

风电功率预测研究方法综述

风电场穿透功率不断加大,对电力系统安全、稳定、经济、可靠运行造成威胁,因此进行风电功率预测,不断提高预测精度意义日益突出。针对已有的风电功率预测方法,按照预测时间尺度、预测模型对象和预测模型原理不同,对风电功率预测方法进行系统分类,详细综述了组合预测方法和区域预测方法。并列表给出各预测方法的优缺点及适用场合。针对目前风电功率预测存在的一些问题,提出相应改进措施。     

动态无功补偿装置在酒泉地区风电场的优化应用

通过对酒泉地区风电场动态无功补偿装置的测试及参数分析,结合风电大规模脱网事故的电气暂态过程特征,对风电场动态无功补偿装置的应用提出了优化思路。     

Wind Speed Forecasting Based on ARMA-ARCH Model in Wind Farms

Wind speed forecasting is signif icant for wind farm planning and power grid operation. The research in this paper uses Eviews software to build the ARMA (autoregressive moving average) model of wind speed time series, and employs Lagrange multipliers to test the ARCH (autoregressive conditional heteroscedasticity) effects of the residuals of the ARMA model. Also, the corresponding ARMA-ARCH models are established, and the wind speed series are forecasted by using the ARMA model and ARMA-ARCH model respectively. The comparison of the forecasting accuracy of the above two models shows that the ARMA-ARCH model possesses higher forecasting accuracy than the ARMA model and has certain practical value.     

甘肃酒泉风电基地风电预测预报系统

为了解决甘肃酒泉千万千瓦风电基地大规模风电并网难题,缓解电网运行、调度和电力市场管理的压力,文中从风电场的实际情况出发,提出了风电预测预报系统的总体方案,对建设风电预测预报系统方案中的数据采集、风能预测预报和风电预测预报模式进行了研究,提出了将多种预测方法结合的解决途径.     

甘肃酒泉风电功率调节方式的研究

酒泉风电基地(Jiuquan wind power base,JQWPB)是中国第一个千万千瓦级示范风电基地,它的建设给甘肃电网乃至西北电网带来调频调峰、电力电量消纳等技术难题,利用河西地区测风资料和近期调度能量管理系统(energy management system,EMS)实际运行数据,分析甘肃酒泉地区风资源特性和风电出力特性,研究风电并入电网的功率调节方式,根据国内技术发展水平和河西资源状况,比较了抽水蓄能、常规火电以及抽水蓄能和火电联合3种功率调节方式,得出了抽水蓄能电站不能用于风电功率调节、抽水蓄能和火电联合调节存在不确定性和一定规模的常规火电可以满足风电功率调节要求的结论。建设一定规模的火电基地,并在酒泉地区将其电能以特高压直流外送是解决酒泉风电调频调峰与电量消纳的有效途径。     

甘肃酒泉风电出力特性分析

甘肃酒泉风电基地是中国乃至世界规划建设的第1个10 GW风电示范基地,开创了风电大规模集中开发、超远距离输送的先河.文中利用甘肃酒泉地区实际测风资料和调度能量管理系统(EMS)实际运行数据,全面分析了酒泉地区的风资源特性,研究了风电机组、风电场、风电场群和风电基地的出力特性,比较了不同时间尺度下风电出力特性的不同特点,得出如下大规模风电基地的出力特性:在长时间尺度下相关性明显,在短时间尺度下互补性明显.文中还根据大规模风电的出力特性分析了其对电网稳定和调频、调峰的影响.     

基于神经网络的酒泉风电基地超短期风电功率预测方法

风电的随机性和波动性给电力系统调度运行带来了一定的困难,以我国首个千万kW级风电基地甘肃酒泉风电基地为例,研究了基于神经网络的酒泉风电基地超短期风电功率预测方法,并对风速和风电功率实时数据进行了分析处理。在此基础上,基于神经网络算法和贝叶斯规则进行了超短期预测建模过程分析。最后,通过预测结果对预测模型进行了验证分析,验证结果表明预测模型合理、预测精度高,该预测结果可以为调度运行人员提供参考。     

酒泉风电基地大规模风电并网综合解决方案初探

结合酒泉风电基地的现状及发展规划,分析了酒泉风电基地大规模风电并网对甘肃电网带来的影响。从电源结构、电网结构、并网技术标准及运行管理规范等方面给出了解决酒泉风电规模化并网问题的措施。最后从政策层面、管理层面及技术层面提出酒泉风电并网问题的综合解决方案。     

风电集群紧急功率控制方法研究

在调度中心要求风电集群紧急切功率时,需优化协调分配多个风电场的功率切除量。本文首先分析了风电场紧急功率切除的方式,进而提出了基于切场组合、基于风电场切机、基于切场与场内切机相结合和基于风电场累计有功功率切除量排序的4种不同的紧急切功率分配算法;其次以分配偏差量、风电场切场数等5个指标的加权组合构建综合评价指标以评估各算法的性能;最后以某实际风电集群为例,验证所提算法的有效性。分配结果和综合评价指标值表明4种分配算法都有各自的适用范围,其中基于风电场累计有功功率切除量排序的方法综合指标值最小,适用范围最大。