Assessment of the benefits of numerical weather predictions in wind power forecasting based on statistical methods

Several forecast systems based on Artificial Neural Networks have been developed to predict power production of a wind farm located in a complex terrain, where geographical effects make wind speed predictions difficult) in different time horizons: 1,3,6,12 and 24 h.In the first system, the neural network has been used only as a statistic model based on time series of wind power; later it has been integrated with numerical weather predictions, by which an interesting improvement of the performance has been reached, especially with the longer time horizons. In particular, a sensitivity analysis has been carried out in order to find those numerical weather parameters with the best impact on the forecast.Then, after the implementation of forecast systems based on a single ANN, the two best prediction systems individuated through the sensitivity analysis, have been employed in a hybrid approach, made up of three different ANNs.Besides, a prediction system based on the wavelet decomposition technique has been also carried out in order to evaluate its contribute on the forecast performance in two time horizons (1 and 24 h).The error of the different forecast systems is investigated and the statistical distributions of the error are calculated and presented.     

电厂空冷系统设计气象条件的确定

气象数据的准确性会直接影响空冷系统设计精度。基于对火电厂气象站与地方气象站在气温、风速、气温变化规律、风速变化规律以及风向变化规律等方面的对比分析,得出了火电厂空冷系统设计气象条件的确定方案。     

基于频谱合约的协作通信中继选择方法

针对认知无线网络中协作通信中继节点自私性的需求和非对称网络信息的特点,提出一种多用户协作通信合约机制的设计与实现方法。首先,通过将协作通信映射成劳动力市场,研究对称网络信息条件下多用户频谱合约建模方法;在此基础上,针对合约签订前中继节点私有信息隐匿性引起的逆向选择问题,研究非对称网络信息条件下频谱合约建模方法,以激励中继节点真实地反馈其类型信息和保证协作通信的实现。实验结果表明,雇主授权用户(PU)雇用信道状态好、协作成本低的非授权用户(SU),能获得较大的协作通信增益。提出的多用户协作通信合约机制能为无线频谱的高效利用提供新思路。     

基于空时自适应处理的低空风切变风速估计方法

针对机载气象雷达在探测低空风切变时,有用信号会淹没在强杂波背景中的问题,该文提出一种基于空时自适应处理(STAP)的低空风切变风速估计方法。该方法首先利用空时插值原理校正机载前视阵地杂波的距离依赖性,获得多个独立同分布(IID)样本后估计地杂波协方差矩阵,然后构造适用于分布式低空风切变目标的空时自适应处理器,在自适应抑制地杂波的同时积累低空风切变信号,最终实现风场速度的精确估计。仿真结果表明,在高杂噪比、低信噪比的情况下,该方法可有效地自适应抑制地杂波并精确地估计风场速度。     

基于非参数核密度估计法的光伏出力随机分布模型

光伏出力的随机性是影响光伏发电稳定性的重要因素。通过对国内某一光伏电站历史运行数据进行统计计算和分析,揭示气象条件差异对光伏出力水平的影响规律,并提出将数据按气象条件分类,用非参数核密度估计法建立晴天、多云、阴天、雨雪4种气象条件下光伏出力的随机分布模型。该方法对数据分布不附加任何假定,只从数据本身特征出发研究其分布特性,适合分析受气象影响显著的光伏出力分布特性。结果表明,模型所示分布特性与相应气象条件下光伏出力实际概率分布具有很好的一致性。     

京津唐电网风电场群发电功率短期预测

随着风电大规模并网,加强区域性风电场群的发电功率预测对于地区电网的安全稳定经济运行具有重要意义。根据京津唐地区风电场群的特殊性,首先用物理建模方式建立风电场的短期风力预测模型,并将统计升尺度技术与物理模型相结合,以提升预测模型精度的稳定性;之后,采用三层体系架构建立京津唐电网风电功率预测系统,且实现了工程应用。运行结果表明,该方法可以更准确地预测京津唐地区风电发电功率,大幅提升京津唐电网风电消纳能力,有效提高电网调度精益化水平。     

基于气象因素粗糙集理论的负荷预测方法

电力负荷受气象因素影响越来越大,如何准确预测负荷中的气象负荷是负荷预测中的一项有意义的课题。本文首先采用粗糙集对影响负荷的气象因素进行规则简约,找到影响负荷的核心气象因素;然后以这些核心因素为坐标寻找与预测日距离最小的历史数据,利用时间序列方法进行预测。经实际系统检验,证明该方法克服了传统气象负荷预测中的主观性,将历史数据的发掘过程量化,便于机器预测。并且预测结果误差小,是一种适用性很强的技术。     

基于负荷分解的日最大负荷预测方法研究

提出了1种基于负荷分解的日最大负荷预测算法,即将负荷分解为正常负荷分量和天气敏感负荷分量,用结合指数趋势和周期趋势的组合模型预测正常负荷分量．用神经网络法预测天气敏感负荷分量。同时,在分析最大负荷和人体舒适度相关性的基础上,在预测中用人体舒适度替代了常规气象因子。预测结果表明,该方法可以取得较为满意的预测效果。     

考虑雷电天气的大电力系统可靠性评估

雷电天气会导致输电线路故障率增加,对大电力系统可靠性评估有重要影响。针对不同雷电水平下的输电线路具有不同的故障率,依据地闪密度划分雷电水平区域,分区建立输电线路故障率模型,提出一种基于蒙特卡洛抽样原理,在考虑雷电天气下的大电力系统可靠性评估方法。该方法分别对雷电天气和输电线路进行蒙特卡洛抽样,确定雷电天气状态和输电线路状态,生成确定的系统状态,然后进行大电力系统可靠性评估。最后给出在考虑雷电天气下的大电力系统可靠性评估流程,并通过算例说明雷电天气对电力系统可靠性充裕度指标的影响。     

球面小波背景误差协方差模型的设计

在全球变分资料同化系统中设计和实现了基于球面小波的背景误差协方差（B）模型。引入框架理论构造了球面小波函数;设计了一个基于球面小波变换的全球B矩阵模型;分别通过理想数值试验和在全球变分同化系统中的实现对新模型的有效性进行了验证。试验结果表明：基于球面小波的背景误差协方差模拟方法能够克服由有限背景误差样本引入的取样噪声,能估计出真实的背景误差相关函数;在全球变分同化系统中新模型能够模拟出在物理和动力上正确和有效的背景误差结构函数。