基于ANN概率生成模型的风电功率爬坡事件大数据场景预测

被引：9

作者：

崔明建 ^{[1
,2
]}

机构：

[1] University of Texas at Dallas

[2] 武汉大学电气工程学院

来源：

智慧电力 | 2017年 / 45卷 / 07期

关键词：

ANN; 风电功率; 爬坡事件; 大数据场景;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

提出一种基于ANN概率生成模型的爬坡事件大数据场景预测方法,通过构建计及累积密度函数和高阶矩自相关函数的多目标适应度函数,实现了分布特征一致性和时序特征一致性。基于多目标适应度函数的遗传算法对概率生成模型参数进行迭代寻优,得到大数据场景,并通过场景捕捉带内挖掘出的爬坡事件概率特征评价该预测方法。选取国外某风场实际数据进行算例计算和统计分析,结果表明多目标函数较单目标函数的统计结果更为精确,而且该大数据场景预测方法可以较准确地估计出爬坡事件的特征量,证明了该方法的正确性,为大数据场景生成方法和爬坡事件预测模型提供指导。

引用

页码：83 / 91

页数：9

共 9 条

[1] 应对风电功率爬坡事件备用需求分析和预防控制 [J].

何成明 ;

杨金刚 ;

王洪涛 ;

李顺昕 ;

史智萍 ;

张海霞 ;

汤庆峰 .

电力系统保护与控制, 2017, 45 (07) :51-57

[2] 适应大规模风电接入的电力系统旋转备用优化模型与求解 [J].

张姣 ;

康广伟 ;

黄滢芳 ;

闫秉科 .

陕西电力, 2014, 42 (04) :15-18+28

[3] 考虑电网侧频率偏差的风电功率爬坡事件预测方法 [J].

崔明建 ;

孙元章 ;

柯德平 ;

罗超 .

电力系统自动化, 2014, 38 (05) :8-13

[4] 抑制风电爬坡率的风储联合优化控制方法 [J].

王颖 ;

张凯锋 ;

付嘉渝 ;

庞晓东 ;

耿建 .

电力系统自动化, 2013, 37 (13) :17-23

[5] 风电高风险爬坡有限度控制 [J].

戚永志 ;

刘玉田 .

中国电机工程学报, 2013, 33 (13) :69-75

[6] 基于扩展拉丁超立方采样的电力系统概率潮流计算 [J].

丁明 ;

王京景 ;

李生虎 .

中国电机工程学报, 2013, 33 (04) :163-170+22

[7] 采用拉丁超立方采样的电力系统概率潮流计算方法 [J].

于晗 ;

钟志勇 ;

黄杰波 ;

张建华 .

电力系统自动化, 2009, 33 (21) :32-35+81

[8]

Characterizing and analyzing ramping events in wind power, solar power, load, and netload[J] . Mingjian Cui,Jie Zhang,Cong Feng,Anthony R. Florita,Yuanzhang Sun,Bri-Mathias Hodge. Renewable Energy . 2017

[9]

Detecting, categorizing and forecasting large ramps in wind farm power output using meteorological observations and WPPT[J] . NicholasCutler,MerlindeKay,KieranJacka,Torben SkovNielsen. Wind Energ. . 2007 (5)

← 1 →