基于ASD-KDE的风电出力超短期区间预测

被引:19
作者
张坤 [1 ]
张金环 [2 ]
张巍巍 [3 ]
刘云林 [4 ]
张尚然 [4 ]
赵玮 [4 ]
王睿 [4 ]
周博文 [5 ]
机构
[1] 国网宁夏电力有限公司经济技术研究院
[2] 天津职业大学机电学院
[3] 北方民族大学电气信息工程学院
[4] 河北省仪器仪表工程技术研究中心
[5] 东北大学信息科学与工程学院
关键词
原子稀疏分解; 摇摆窗; 波动区间; 二维核密度估计; 区间预测;
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
为提高含风电场电网经济调度能力、降低电力系统规划决策的保守性,构建了原子稀疏分解-二维核密度估计(ASD-KDE)模型对风电出力进行区间预测。该方法在采用小波-原子稀疏分解(WD-ASD)预测模型得出点预测值及预测误差的基础上,通过摇摆窗函数将历史风电数据划分为多个波动区间,使用二维核密度估计(KDE)模型逐步滚动获取预测值置信区间。实际风电场算例验证了该模型的自适应性、快速性、有效性及可信性,得到的区间可信度高,可为调度部门提供更多不确定信息,使风电资源得到有效利用。
引用
收藏
页码:32 / 37
页数:6
相关论文
共 17 条
[1]
关于当代能源转型方向的探讨 [J].
童光毅 .
智慧电力, 2018, 46 (10) :1-3+25
[2]
长期风电负荷预测方法比较 [J].
靳春旭 ;
董福贵 .
广东电力, 2018, 31 (09) :70-76
[3]
风电功率波动引发的强迫振荡扰动源定位方法 [J].
蒋平 ;
史豪 ;
吴熙 .
电力工程技术, 2018, 37 (05) :1-6
[4]
基于小波变换的抗噪声电压暂降检测方法研究 [J].
许丹 ;
黄利军 ;
李献伟 ;
王毅 ;
李博 .
供用电, 2018, 35 (02) :57-62
[5]
基于因子分析和神经网络分位数回归的月度风电功率曲线概率预测 [J].
李丹 ;
任洲洋 ;
颜伟 ;
朱继忠 ;
赵霞 ;
余娟 .
中国电机工程学报, 2017, 37 (18) :5238-5247+5522
[6]
基于BN分解和ALO优化LSSVM模型的风电出力预测 [J].
郭森 .
智慧电力, 2017, 45 (07) :92-99
[7]
基于广义自回归条件异方差偏度峰度模型的风电功率预测方法 [J].
陈昊 ;
高山 ;
王玉荣 ;
张建忠 .
中国电机工程学报, 2017, 37 (12) :3456-3461+3673
[8]
基于风电场功率特性的风电预测误差分布估计 [J].
吴晓刚 ;
孙荣富 ;
乔颖 ;
鲁宗相 .
电网技术, 2017, 41 (06) :1801-1807
[9]
基于小波-原子分解的超短期风电出力预测模型 [J].
曲正伟 ;
张坤 ;
王云静 ;
王雅坤 ;
崔志强 .
仪器仪表学报, 2016, 37 (10) :2251-2258
[10]
基于条件Copula函数的风电功率区间预测 [J].
兰飞 ;
桑川川 ;
梁浚杰 ;
黎静华 .
中国电机工程学报, 2016, 36(S1) (S1) :79-86