风速及风电功率预测研究综述

被引:27
作者
段学伟 [1 ,2 ]
王瑞琪 [1 ]
王昭鑫 [3 ]
郎澄宇 [1 ]
孙树敏 [1 ]
赵鹏 [1 ]
郑伟 [4 ]
机构
[1] 国网山东省电力公司电力科学研究院
[2] 山东省特高压输变电技术与装备重点实验室(山东大学)
[3] 国网山东省电力公司
[4] 山东中实易通集团有限公司
关键词
风速; 风电功率; 预测; 物理方法; 统计方法; 误差;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
080811 [新能源发电与电能存储];
摘要
随着风力发电功率占比日益提高,风电功率的波动对电网安全运行的影响日益加剧。加大电网的旋转备用容量能够解决风电场出力波动的问题,但直接增加了电网运行成本。因此,对于含大规模风电接入的电网,风速及风电功率的准确预测对保证系统安全稳定运行、降低风电消纳成本有着至关重要的作用。在综合分析大量国内外文献资料的基础上,对风速及风电功率预测方法的研究现状进综述,总结常用预测算法的优缺点,给出风速及风电功率预测误差的评价指标体系,并对风速及风电功率预测的发展前景进行展望。
引用
收藏
页码:26 / 32
页数:7
相关论文
共 45 条
[1]
基于改进一阶马尔可夫链的风速时间序列模型 [J].
蒋平 ;
霍雨翀 ;
张龙 ;
罗建裕 ;
李海峰 .
电力系统自动化, 2014, 38 (19) :22-27
[2]
基于动态贝叶斯网络的光伏发电短期概率预测 [J].
董雷 ;
周文萍 ;
张沛 ;
刘广一 ;
李伟迪 .
中国电机工程学报, 2013, 33(S1) (S1) :38-45
[3]
基于云支持向量机模型的短期风电功率预测 [J].
凌武能 ;
杭乃善 ;
李如琦 .
电力自动化设备, 2013, 33 (07) :34-38
[4]
考虑尾流效应的风电场短期功率空间预测模型 [J].
曾程 ;
叶林 ;
赵永宁 .
电力系统保护与控制, 2012, 40 (24) :59-64+142
[5]
采用贝叶斯–克里金–卡尔曼模型的多风电场风速短期预测 [J].
卿湘运 ;
杨富文 ;
王行愚 .
中国电机工程学报, 2012, 32 (35) :107-114
[6]
基于动态神经网络的风电场输出功率预测 [J].
刘瑞叶 ;
黄磊 .
电力系统自动化, 2012, 36 (11) :19-22+37
[7]
基于多状态空间混合Markov链的风电功率概率预测 [J].
周封 ;
金丽斯 ;
刘健 ;
张再利 .
电力系统自动化, 2012, 36 (06) :29-33+84
[8]
基于PSO优化LSSVM的短期风速预测 [J].
孙斌 ;
姚海涛 .
电力系统保护与控制, 2012, 40 (05) :85-89
[9]
基于粗糙集理论的中长期风速预测 [J].
高爽 ;
冬雷 ;
高阳 ;
廖晓钟 .
中国电机工程学报, 2012, 32 (01) :32-37+21
[10]
风电场短期风速的多变量局域预测法 [J].
郭创新 ;
王扬 ;
沈勇 ;
王媚 ;
曹一家 .
中国电机工程学报, 2012, 32 (01) :24-31+22