基于相空间重构的风速和风功率超短期预测

风速为随机变化的量,风电机组的输出功率具有波动性,大量风电并网将会对电力系统的安全、稳定运行及电能质量带来严峻挑战,因此风电场的风速和发电功率预测在风电场的调度和管理中起着重要的作用。根据风速具有混沌特性,讨论运用C-C方法对混沌时间序列的相空间进行重构,并对某风电场10台机组的相空间进行重构,采用加权一阶局域预测模型,得到1 h内的短期风速预测值,利用功率曲线转换法得到每台机组的发电功率。经实例证明所提出的方法是可行和有效的。     

风电场超短期风功率预测问题研究

以河北省某实际风电场为例,选取风电机组历史功率数据、风速以及数值天气预报的风速和风向作为输入因子,采用人工神经网络法对风电场超短期功率预测问题进行研究.研究结果显示,输入因子的差异性对风功率预测结果影响较大.另外,风电机组历史数据对功率预测结果的影响随时间增加而减小,进行3h以上风电场功率预测时预测结果精度在很大程度上依赖数值天气预报数据精度.     

基于PMSG风力发电系统的最大功率追踪控制

建立了以永磁同步发电机(PMSG)为对象的变速恒频风力发电系统,推导了d-q坐标系下PMSG的数学模型,提出了风力发电系统中的功率控制、转速控制与最大功率追踪(MPPT)算法以及双PWM电能变换器的控制策略.同时,搭建了该系统的仿真模型,对风速阶跃变化时机组运行情况,进行了仿真,结果验证了最大功率追踪控制的有效性.     

基于组合预测的风电场风速及风电机功率预测

风电场风速及风电机功率预测的准确性对接入风电场的电力系统运行有重要意义。文中提出一种基于相似性样本的多层前馈（BP）神经网络风速预测方法,利用风速季节性周期变化的特点提高风速预测的准确性;结合时间序列分析与灰色预测方法研究了应用组合预测方法进行风电场风速预测,并在风速预测的基础上讨论了风电机功率预测。通过对国内某地区的实测风速数据分析,验证了该预测方法能够提高风速预测的准确性,具有较大的实用价值。     

基于LSSVM的短时风电功率预测

风电功率预测对于风电接入电网后上网限电有非常重要作用,同时也对风电的市场竞争力有很大的支持效应。从现阶段风电功率负荷预测的现状出发,在研究当前风速预测方法和预测效果的基础上提出用LSSVM来进行风速的预测方法,与其他几种风速预测方法的误差进行比较表明,LSSVM在预测风速方面具有一定的优越性。经过实例测算表明,效果较为理想。     

基于等效功率变换的配电网状态估计算法

提出一种基于等效功率变换的配电网状态估计算法，将配电网中的功率量测、电压幅值量测、电流幅值量测统一变换为支路首端等效功率量测，采用修正量测雅可比矩阵的迭代方法求解。该方法能够利用配电网中的各种量测，并且P，Q解耦迭代，有较高的运算效率和数值稳定性，对量测配置也无特殊要求。文中还提出一种通过添加零虚拟负荷量测提高数值可观性的方法，使原本不可估计的网络能够进行状态估计。     

基于蚁群优化的支持向量机风速预测模型研究

由于风速的随机性大,预测的准确度不高,针对这种现象,基于支持向量机理论建立了风速预测模型,同时针对支持向量机参数的选取尚无有效的方法,尝试应用蚁群算法来优化参数的选取。以某风场连续5 d的实测风速为研究对象,选取前4 d的实测风速(采样间隔30 min),应用风速预测模型对第5天的48个风速值进行预测,其预测的平均绝对百分比误差仅为9.77%,预测效果比较理想。验证了应用蚁群优化算法理论与支持向量机理论进行风速预测的可行性,可为风速的长期预测、风力发电功率预测和风电场规划选址等提供理论指导。     

风力发电的现状与展望

概述全世界及我国风力发电的发展历程和现状以及今后的发展前景 .预计 2 1世纪将是新能源发展的世纪 ,风力发电将是新能源中的重要组成部分 ,它必将获得更加迅猛的发展 .     

基于等效数值法的岩爆烈度预测研究

岩爆是深部岩石地下工程中常见的自然灾害,因此,必须对岩爆烈度进行预测。选择围岩最大切向应力与其单轴抗压强度的比值σθ/σc、岩石单轴抗压强度与单轴抗拉强度的比值σc/σt以及岩石弹性能量指数Wet作为岩爆烈度评价指标,基于王元汉岩爆烈度分级标准建立了岩爆烈度等效数值法预测模型。国内外12个岩石地下工程的岩爆预测表明,本文模型预测结果与实际岩爆烈度非常吻合,与其他预测模型相比,所建议的模型简单易行,便于实际工程采用。     

基于ARMA模型的短期风功率预测研究

针对风功率预报中出现的资料获取困难、预报精度差等问题,提出采用基于时间序列数据的ARMA模型,并重点对ARMA模型进行识别和参数进行估计。在一定范围内,枚举输入AIC值,并采用大量数据进行模拟,同时采用MAE、NMAE和NRMSE三种指标对模拟结果进行评价,得到了适合于风功率预报的ARMA模型。同时将模型用于预报,发现预报结果精度比较高,表明ARMA模型有较好的实用性。     

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。     

风力发电机无速度传感器网侧功率直接控制

采用不可控整流和可控逆变的交直交结构作为直驱式永磁同步风力发电机的并网电路。从发电机转速、功率和直流母线电压之间的相互关系出发，提出利用直流母线电压进行转速观测实现无速度传感器。根据风力机特性和并网电路的功率模型，提出网侧功率直接控制实现最大风能跟踪。实现了有功/无功功率的解耦控制，并给出有功/无功的参考值选取范围。最后采用电流滞环方法进行逆变器控制。仿真结果验证了所提出的控制策略简单有效、具有良好的稳态精度和动态性能。     

基于POE供电的超声波风速风向仪设计原理

超声波测试设备可避免传统风速、风向测试设备的精度和使用寿命低的问题,基于POE供电的超声波风速风向仪,利用超声波的传输特性,实现三维空间的风速和风向测量,并为远程监测设备提供一种新型的供电方式,解决由于通讯和供电距离长而引起的线路复杂和通讯信号衰减等问题。对基于POE供电的超声波风速风向仪的供电原理、核心控制及测量数据传输原理及可调节角度的机械结构原理进行了介绍。     

新疆不同区域风电场风能资源对比分析

风电利用效果主要与风能资源有关。文章以新疆额敏县165团和布尔津县风电场风能资源为研究对象,从气象条件,各月及年平均风速、风速和风功率密度、风速和风能频率分布等方面全面分析两处风资源情况,经过比较,布尔津县风能资源更优,为今后开发风能资源提供了数据支撑。     

设计风速及风速施测方法差异改正

水利工程设计要求的高水位期（水库满蓄期）的平均最大风速，与气象测站观测的相应数据可能会存在较大差别，主要由测站设置及其观测条件、地形影响等方面产生。故测站观测的风速，往往须经多方面的修正才能用于设计，作者拟订了修正计算公式。公式中涉及的改正值或改正系数，作者曾在本刊发表两偏地形改正方面的论文加以论述，现又研究了自记/定时最大风速的转换方法，使多年平均最大定时风速VD,O转移为相应的自记风速VC,O，根据大量统计资料，经多方分析研究，得出了VC,O=1.23VD,O的初步结果，可供设计中参考。     

风电场50年一遇最大风速计算方法分析

论述风电场设计中,应用Gumbel分析法和风压法计算风电场50年一遇最大风速.分析场址空气密度下和标准空气密度下最大风速的比例关系.通过合理确定风电场50年一遇最大风速,为风电场选择安全的风机提供依据.     

低风速风电场风资源开发分析

低风速地区的风能开发已经成为当前中国风电开发的重要方向。然而,中国关于低风速风电场风能资源特点及计算过程中应考虑的重点问题却研究甚少。文章结合河南省荥阳风电场风资源分析过程,对低风速风电场风资源特点进行了简要剖析,希望对今后的低风速风电场开发提供借鉴和帮助。     

风电场风速不确定性建模及区间潮流分析

风速变化具有随机性、间歇性等不确定性特征,导致风力发电机出力的不确定性,从而影响风电场的稳态运行。为了表达和处理电场中风速和风力发电机出力的不确定性信息,利用区间方法建立了风电场风速不确定性和风力发电机出力不确定性区间模型,并提出了风电场区间潮流分析算法。以青岛某实际风电场的运行数据为基础进行算例分析,验证了所提出的模型和算法的有效性,表明了定量分析风力发电机出力不确定性对风电场稳态运行的影响具有应用价值。     

新疆盐湖风电场风能资源评估分析

盐湖风电场是规划建设的新风电场,为了更好地利用其风能资源,对盐湖风电场的风能资源进行了评估分析。依据测风塔2794号1 a的测风数据,主要分析了年风能参数、风向频率和风能密度方向分布、风速频率及风能频率、湍流强度以及风切变指数。结果表明:盐湖风电场风功率密度达到4级;主风向与风能密度分布主方向一致;风能频率主要分布在中等风速段;盐湖风电场的风能资源丰富,具有很好的开发价值。     

基于NSGA-Ⅱ算法最优组合的风电功率预测的研究

风电场的出力是一个受风速波动性和各种气象条件影响的复杂过程,风电功率预测的准确性可以大大提高电力系统调度运行的效率,维持发、输、用电之间功率的平衡。针对于此,对风电场进行功率预测时,建立了表征风电功率波动的平稳性指标,考虑到风电的波动性越小,预测精度就越高,引入了带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),以此来求取各个风力发电机组的最优组合,使得组合后的风电出力更加平稳,波动更小,得到了一组pareto最优解集。然后对pareto解集中的所有组合的风力发电机组,利用BP神经网络进行功率预测,预测精度最高的解就是最优的组合。通过仿真验证,证明该方法的有效性和合理性。并将所得到的结果与经典的风电功率预测方法—小波预测和粒子群优化的BP神经网络(PSOBP)预测进行对比分析,证明了所提方法的优越性。