考虑测风数据缺失的短期风电功率预测算法

被引:17
作者
曾杰
陈晓科
机构
[1] 广东电网有限责任公司电力科学研究院广东省智能电网新技术企业重点实验室
关键词
风力发电; 功率预测; 虚拟测风塔; RBF神经网络;
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
准确的风电功率预测是提高电网稳定性、增加风电场竞争力的重要途径。文章提出了一种以虚拟测风塔技术对测风塔数据进行预处理的方法,对缺失数据进行补全,利用RBF神经网络建立风速预测模型,拟合风速功率曲线得到风电功率预测结果。实验分析显示,基于虚拟测风塔技术的数据预处理方法可有效增加测风数据完整度,提高预测精度,降低风电场的运行维护成本,进一步提高风电场竞争力,具有实际应用价值。
引用
收藏
页码:298 / 303
页数:6
相关论文
共 19 条
[1]
复杂山地下测风塔缺失测风数据插补订正方法的比较分析 [J].
张雪婷 ;
陈正洪 ;
许杨 ;
孙朋杰 .
风能, 2015, (01) :82-86
[2]
基于相似性样本的LSSVM短期风速和风功率预测研究 [J].
章伟 ;
邓院昌 .
电网与清洁能源, 2013, 29 (11) :85-89
[3]
风电场缺失测风数据插补方法的分析 [J].
王远 ;
钟华 .
可再生能源, 2012, 30 (03) :14-17+21
[4]
测风塔选址及数据采集对风电场产能评估的影响 [J].
胡学敏 .
农业工程技术(新能源产业), 2011, (02) :21-24
[5]
风电场测风数据的插补和修正 [J].
谢建华 ;
汪萍萍 ;
张焕宇 .
能源工程, 2010, (06) :35-37+40
[6]
风电场输出功率年度预测中有效风速预测研究 [J].
王晓兰 ;
李辉 .
中国电机工程学报, 2010, 30 (08) :117-122
[7]
基于小波分析的风电场短期发电功率预测 [J].
王丽婕 ;
冬雷 ;
廖晓钟 ;
高阳 .
中国电机工程学报, 2009, 29 (28) :30-33
[8]
基于支持向量机的风速与风功率预测方法研究 [J].
戚双斌 ;
王维庆 ;
张新燕 .
华东电力, 2009, 37 (09) :1600-1603
[9]
风电场测风数据的验证和处理方法 [J].
王有禄 ;
李淑华 ;
宋飞 .
电力勘测设计, 2009, (01) :60-66
[10]
基于人工神经网络的风电功率预测 [J].
范高锋 ;
王伟胜 ;
刘纯 ;
戴慧珠 .
中国电机工程学报, 2008, (34) :118-123