基于高斯混合分布模型的风电功率预测误差统计分析研究

针对风电功率预测误差的统计分析,研究了一种基于高斯混合模型的风电功率预测误差分布,采用期望最大化算法,从统计学角度分析了风电功率负荷预测误差数据,并且在理论上证明了该方法的合理性。该方法的优点在于,无论其统计分布是怎样的,所有风电功率预测误差的概率密度函数都可以使用高斯混合模型近似表示,然后进行适当的子模型削减。通过对高斯混合模型与其他各种统计分布模型的性能进行比较,证明了高斯混合模型在风电功率预测误差统计分析应用中的有效性。     

西北地区风电功率波动特性概率密度及波动统计

为了准确描述西北地区风电功率波动特性的概率密度分布及波动变化,在对西北地区风电功率数据分钟级分量进行分布拟合统计后,得出特殊t(t location-scale)分布可以描述西北地区风电功率波动特性的概率分布.将西北地区风电功率数据划分为幅值差波动和斜率波动,因CLARANS算法常用在大数据聚类划分上,故利用CLARA...     

基于概率密度拟合的风电功率波动特性研究

本文分别使用了正态分布、t location scale分布和logistic分布对风功率波动的概率密度进行拟合,并且通过t location scale分布分析了风电机组及风电场的概率数值特征。建立了基于欧式空间的波动信息丢失度量模型,分析了功率波动的平稳性和不同时间尺度下风功率波动信息的丢失率。通过数据分析,得出了随着时间尺度的增大,风电功率波动的相对可变性呈现上升的趋势,风电功率波动的时空分布具有一定的趋势性的结论。     

基于高斯混合模型的平流层浮空器RCS分布拟合

雷达散射截面(RCS)是表征目标电磁散射特性的重要物理参数。本文针对典型起伏模型对平流层浮空器动态RCS分布特性描述精度较低的问题,采用高斯混合模型对浮空器动态RCS测量数据的起伏分布进行拟合并完成检验。首先,对浮空器体坐标系中的雷达视线角进行了解算;其次,采用多个高斯分布模型的混合叠加逼近浮空器RCS的概率密度分布,并引入期望最大化算法对各高斯分布分量的参数进行估计;最后,选取具有代表性的方位角度域内的浮空器RCS实测数据,分析了高斯混合模型对RCS概率分布的拟合效果并与典型起伏模型对比及检验拟合优度。数据分析结果表明,在最小二乘准则下高斯混合模型相比于典型起伏模型对RCS概率分布的拟合效果最高可提升96.87%,验证了高斯混合模型的有效性。     

基于高斯混合模型聚类的风电场短期功率预测方法

对任意来流条件下的风电场发电功率进行准确预测,是提高电网对风电接纳能力的有效措施.针对大型风电场的功率预测采用单点位风速外推预测代表性差的局限,提出基于高斯混合模型(GMM)聚类的风电场短期功率预测方法.方法结合数据分布特征,利用GMM聚类将大型风电场划分为若干机组群,借助贝叶斯信息准则指标评价,获得风电场内最优机组分...     

基于混合储能系统的平抑风电波动功率方法的研究

为提高风电功率的可控性,依据国家电网公司关于风电场并网的技术规定,提出了一种基于新型混合储能系统平抑风电波动功率的方法.在对风电波动功率进行分解,并研究其平抑过程对储能系统性能需求的基础上,研制了一种新型混合储能系统.通过对运行控制方式的设计,使得该储能系统能够与风电系统进行精确、高效的功率交换;同时,储能元件可根据各...     

基于混合储能系统的平抑风电波动功率方法的研究

为提高风电功率的可控性,依据国家电网公司关于风电场并网的技术规定,提出了一种基于新型混合储能系统平抑风电波动功率的方法.在对风电波动功率进行分解,并研究其平抑过程对储能系统性能需求的基础上,研制了一种新型混合储能系统.通过对运行控制方式的设计,使得该储能系统能够与风电系统进行精确、高效的功率交换;同时,储能元件可根据各自的储能特性平抑不同类型的波动功率.仿真分析表明,该平抑方法使得储能元件的储能优势得到了充分发挥,能够延长系统的使用寿命,平抑后的风电输出功率可以满足电力系统实时调度的要求.     

基于非参数核密度估计的风电场有功功率双层优化模型

为有效解决风电出力不确定性导致的机组组合问题,基于非参数核密度估计风电功率预测误差概率密度分布,提出一种日前-实时阶段的双层优化模型.首先,基于风电功率预测误差概率密度分布,构建风电功率上下波动域.其次,建立非参数核密度估计风电最佳置信水平的双层优化模型,上层以风电-火电协同运行成本最小为目标,下层以风电和火电输出功率...     

基于DA-CNNGRU混合神经网络的超短期风电场功率预测方法

风力发电功率受到风速、风向等气象因素而呈现强波动性与随机性,对超短期风电功率精确预测提出了挑战.针对上述问题,提出一种基于双重注意力机制-CNNGRU混合神经网络的超短期风电功率预测方法.首先,为提升模型对输入数据矩阵的时空特性提取能力,提出一种基于卷积神经网络结合门控循环单元神经网络的组合算法;其次,为提升模型对强相...     

基于改进高斯混合模型的概率潮流解析方法

大规模风电并网使电力系统的随机性问题日益突出,概率潮流分析是一种能够计及电力系统随机性的稳态运行分析重要工具。针对风电的随机性和多个风电场出力之间的相关性问题,提出利用遗传算法改进的高斯混合模型求解多个风电场出力的联合概率密度函数,利用联合概率密度函数对多个风电场出力的随机性和相关性进行刻画。在此基础之上,利用线性潮流方程计算多条线路和多个节点电压的联合概率分布,最终求解概率潮流的计算结果。仿真结果表明,所提方法计算精度高,速度快,利用联合概率密度函数和联合分布函数能够比边缘分布更精确地评估电力系统多条线路同时过载的风险。     

基于混合Copula函数的风电场出力建模方法

大容量风电场接入系统后,由于其具有间歇性、随机性和不确定性,会对电网潮流分布造成影响。以往的研究大都侧重于解决不同风电场间的风速相关性问题,针对云南电网中大型风电场往往由分布在不同山头的若干风电机群构成的实际情况,风电场内部已经不能单纯地采用一台风电机组等效。基于可以描述不同尾部特性的Copula理论,文中提出基于混合Copula函数建立风电场出力模型的方法。以云南电网某实际风电场为例进行验证分析,在PSD-BPA软件平台上建立该风电场出力模型,并进行系统潮流计算,结果表明,基于混合Copula函数的模型与基于单一Copula函数的模型相比,更接近于历史实测数据模型,二者得到较一致的潮流结果。     

基于高斯混合随机性模型的多风电场配电网概率潮流计算

风速的随机性及风电场之间的相关性对电力系统潮流分析具有重要影响。计及风速的随机性及多风电场之间的相关性,提出一种改进的概率潮流计算方法。基于多风电场实际出力样本数据,利用k-means算法确定高斯混合模型的参数数量,并利用数据筛选过程改进高斯混合模型以提高联合分布模型的精确度;引入基于Nataf估算变换的三点估计法对所建概率分布模型进行采样,并将采样数据与电力系统潮流平衡方程结合以实现概率潮流计算。IEEE 18节点系统的算例结果表明,所提方法具有较高的计算精度和计算效率。     

风电功率在时间和空间尺度的波动分析

风电功率自身的随机性和波动性对电网的运行影响重大。根据我国国内某地区的实测电网数据对基于NASA地球观测数据库的区域风电功率计算分析方法进行验证,并对基于时间和空间的风电功率波动在线评价指标包括风电容量因数和负荷功率的相关系数,负荷峰谷差率,等效负荷峰谷差率,风电场之间年平均功率波动的相关系数进行计算与分析,为调峰能力计算及风电接入能力分析提供科学依据。     

基于高斯混合分布的混合储能电动汽车DC-DC变换器的优化设计

结合超级电容与锂电池优势的混合储能系统(Hybird Energy Storage System,HESS)能大幅提高储能系统的各项性能.半主动HESS中的DC-DC变换器需要工作在剧烈变化的负载功率和输入电压下,以单一工况下性能评价的变换器设计难以找到实际负载条件下的最优方案.基于此,本文提出了基于实际负载分布下功率...     

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。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率.以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究.研究结果表明,基...     

多风电场短期输出功率的联合概率密度预测方法

提出一种多风电场短期输出功率的联合概率密度预测方法。首先利用支持向量机对每座风电场的输出功率进行单点值预测,对预测误差建立稀疏贝叶斯学习模型进行误差的概率密度预测,得到单一风电场输出功率的边际概率密度函数预测结果;对多风场输出功率预测误差特性进行统计分析,发现同一区域内,风电场输出功率预测误差之间存在线性时空关联特性,进而运用动态条件相关回归模型求得相关系数矩阵,定量描述多风电场短期输出功率预测误差之间的动态时空相关关系;最后,综合单一风电场输出功率边际概率密度预测结果和相关系数矩阵得到多风电场输出功率的联合概率密度函数,并借助多元随机变量抽样技术形成包含动态时空关联特性的多维场景。通过实例分析,表明了所提出方法的有效性。     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

基于深度学习的风电场短期功率预测∗

风能是波动性较大、不确定性较高的不稳定能源,大量的风能源进入电力系统,电力系统的稳定性将受到很大影响.通过机器学习、深度学习、组合模型的方式对风电功率预测的原理、条件、程序进行分析,解决风电对电力系统带来的影响.研究发现,成熟的风电预测技术将对电力系统带来巨大的收益,混合算法具有更好的特征表达和 更加稳定、准确的预测能力,在未来的风能并网中将起到决定性的作用.     

基于变分贝叶斯学习的光伏功率波动特性研究

光伏出力波动严重影响电力系统稳定运行。对光伏出力爬坡率进行分析,建立光伏出力爬坡率的高斯混合模型,并用变分贝叶斯学习算法估计模型参数。某光伏电站大量实测数据检验表明,在进行光伏功率波动特性研究方面,在不同时间尺度和天气类型下,变分贝叶斯学习算法比单一分布及基于最大期望算法的方法具有更好的拟合效果。