基于波动过程聚类的风电功率预测极大误差估计方法

估计风电功率预测中可能发生的极大误差,有助于优化含风电电力系统的运行调度,提高电网对大规模风电的接纳能力。根据对历史风电功率预测误差分布特征的分析,提出了基于风电预测出力波动过程聚类的极大误差估计方法。首先利用摇摆窗对风电功率预测数据划分不同的波动过程,在此基础上,通过分析预测出力的波动性和功率水平与预测误差分布的相关性,聚类相似分布特性的预测误差,然后利用滑动窗宽的核密度方法拟合预测误差概率密度并估计极大误差。最后以美国BPA地区的风电功率数据为实例,对不同估计方法进行了较全面的分析,验证了该方法的有效性。     

计及风电预测误差的电力系统风险规避评估模型

风电功率的短时大幅波动对电网的安全稳定运行造成冲击,为更准确地评估电力系统在较短时间内的风电消纳情况,需考虑风电功率的预测误差。为此,文中提出一种概率区间优化模型,从效益和风险两个维度评估风电预测误差对电力系统运行的影响,旨在得到最优权衡风险和效益的调度方案。在概率区间优化模型中,不确定风电被视为概率区间变量,即每个风电值对应一个分布概率。效益用不确定风电并网前后系统运行费用的差值来量度;风险则用风电的分布概率来衡量。然后,构建基于效益和风险的条件期望作为优化目标。最后,在一个调度系统上进行仿真并与区间优化模型对比,证明了所提出的优化模型的可靠性、鲁棒性和实用性。     

基于隐马尔可夫模型的日内风电功率预测误差区间滚动估计

风电的波动性和不确定性给大规模风电并网带来了挑战,估计风电场上报风电的预测功率误差范围,能够为含风电电力系统的运行调度提供重要信息。因此,提出基于隐马尔可夫模型的日内风电功率预测误差区间滚动估计方法。通过建立隐马尔可夫模型实现一定置信水平下对风电功率误差波动区间的快速估计,并利用局部加权回归散点平滑法对误差区间进行处理。以实际数据为例分析,结果表明所提方法能够给出风电功率预测误差的波动范围,为电力系统的调度与控制、备用容量的配置、风险评估等方面提供更全面的信息。     

考虑风电场储能容量配置风电功率预测误差估计算法对比研究

针对风电功率预测误差估计方法中混合高斯分布拟合法和特征值提取估计法这两种适用范围较广的风电功 率预测误差估计方法,详细介绍其原理和误差估计流程,利用实际风电场数据对两种方法进行算例验证,并根据计算 结果,针对两种方法下的估计区间对储能容量配置的影响进行对比研究,为工程应用时的方法选取提供参考。同时, 为了兼顾误差估计区间的有效性和经济性,有效指导风电场储能系统的容量配置,在高斯混合模型的基础上对风电 功率预测误差进行状态划分,结合马尔可夫模型,提出一种ＭＭ－ＧＭＭ优化预测误差区间估计算法并对其进行算例 验证。     

基于LSTM和非参数核密度估计的风电功率概率区间预测

高精度的风电功率点和区间预测可以为电网优化配置带来更多信息。提出采用长短期记忆（LSTM）网络实现风电功率的点预测,并基于该网络生成1组风电功率预测误差数据集,采用渐进积分均方误差准则的窗宽优化方法实现非参数核密度的估计,求出不同置信度下的风电功率波动区间。实验基于美国某风电场历史数据,通过与BP, Elman神经网络和SVM对比,验证了LSTM网络预测精度更高;基于LSTM网络预测生成的误差数据集,与高斯模型及随机窗宽非参数核密度估计模型相比,结果说明了所提最优窗宽非参数核密度估计模型具有更贴近真实的预测误差分布。     

基于风电场功率特性的风电预测误差分布估计EI北大核心CSCD

风电功率预测对风电场运行和电网调度决策具有重要影响。基于风电场的功率特性曲线,提出了一种风电预测误差分布的估计方法。首先根据历史运行数据对风电场的功率特性曲线进行拟合;然后按照风电场的切入风速和额定风速将历史实测数据划分为3部分,并利用改进后的广义误差分布等模型提取每一部分风电功率预测误差的概率密度特性,根据其数值特征,设定相应的风电功率修正方法和预测误差分布的估计方法;最后按照待测日预测风速的大小选择对应的修正方法补偿所预测的功率,并估计预测误差的分布范围。结合中国北方某风电场的实际运行数据进行了仿真算例分析,验证了所提方法的有效性。     

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。     

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元（gate recurrent unit,GRU）模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。     

基于非参数回归模型的短期风电功率预测

随着风电接入规模的增加,风电功率预测日益重要.非参数估计方法是模型估计和预测的典型方法之一,在国内短期风电功率预测中尚无应用.文中将非参数回归技术应用于短期风电功率预测,包括风电功率点预测和风电功率概率区间预测.首先,基于非参数回归模型,建立风速与风电功率之间的转换模型,得到风电功率的点预测值;其次,基于经验分布模型与非参数回归技术,建立风电功率预测误差的概率分布函数,得到风电功率预测值的概率区间.以内蒙古某风电场为例,验证了将非参数回归技术应用于风电功率预测的有效性.     

基于爬坡特征和云模型的风电功率预测误差区间评估

为了满足电力系统优化运行对预测误差区间评估结果越来越高的可靠性要求,改善传统的区间评估方法在发生小概率风电爬坡事件时较差的适应性,提出了一种基于爬坡特征分类和云模型的风电功率预测误差区间评估方法。通过对每类数据分别建立模型以提高不同爬坡类型下评估方法的适应性。首先,利用改进的旋转门算法识别爬坡后得到爬坡特征,并基于爬坡特征对预测误差进行分类,对上爬坡类误差和下爬坡类误差分别建立云模型,对非爬坡类误差采用K-means算法得到不同预测误差类型所对应的区间范围。然后,以风电功率和爬坡特征数据共同作为模型输入,以预测误差类型为输出,建立评估模型,从而得到风电功率预测误差评估区间。最后,利用Elia网站的风电数据进行算例分析。结果表明,所提方法的风电功率误差区间评估效果更优。     

短期风电功率预测概念和模型与方法

随着并网风电容量的持续增加,风电强随机性给电力系统安全稳定运行带来了挑战,风电功率预测受到广泛的关注。文中较为全面地综述了国内外对风电功率预测的研究现状,着重从风电预测基本理论、风电预测方法和风电预测热点研究问题3个方面展开,主要介绍了确定性风电预测、概率性风电预测、风电爬坡事件预测、大数据和深度学习方法等方面的研究进展。     

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.     

电力系统负荷预测方式综述

摘电力系统负荷预测方式可分为超短期负荷预测、短期和中长期负荷预测。给出了预测原始数据采集处理、模型简介,以及预测结果的处理。     

基于卡尔曼滤波的电力系统短期负荷预测

介绍了卡尔曼滤波的算法,给出了一套递推计算公式,将此算法应用于短期负荷预测,并针对负荷预测本身的特点对算法进行了改进,用两种算法进行了实际的负荷预测计算,取得了比较准确的预测结果。     

高层协调管理系统在电厂的应用

从电力市场现状入手,提出了电厂取得最佳利益的解决方案“透明化电厂”。具体介绍一种在电力市场中可以实时预测发电成本并实现实时报价的高层协调管理系统的结构、功能、网络拓扑结构,该系统的成功实施有力地保证了“透明化电厂”的实现。     

初论适合城市电网规划的负荷预测方法

结合城市电网规划特点指出其负荷预测误区,阐述一种行之有效的负荷分布预测方法———功能小区负荷密度法,预测城市负荷分布,据此布局变压器（变电所）,由下而上逐级规划城市电网,并希望能在今后的城市电网规划中得以广泛应用。     

汉中电网存在的问题分析及解决方案

通过对汉中电网在运行中存在的问题进行分析，结合该地区电网的负荷预测及电力平衡结果，提出在汉中变电站增设330/200kV联变以解决电网存在的问题，对增设联变的方案进行分析，并阐述其建设的必要性。     

采用协整检验的电力系统组合预测建模条件判定方法

对组合预测方法应用于电力系统短期负荷预测的条件进行了探讨。为了提高电力系统短期负荷预测的精度，运用计量经济学中的协整理论，对组合预测方法进行了研究，并分析了实际的负荷数据，得出应用的条件是：每种预测方法得到的预测值序列与实际负荷值序列之间应该具有协整关系，这是在电力系统短期负荷预测中采用组合预测方法的必要条件。结合实际预测数据，对协整分析方法及相关检验的实现过程进行了详细的计算说明，并对此结论的适用范围进行了介绍。     

短期电力负荷非线性预测模型的比较

总结和分析了目前流行的电力系统短期负荷非线性预测方法,包括时间序列法、组合预测法、神经网络法、小波法和支持向量法。通过实例说明它们在电力系统短期负荷预测中计算速度和精度。