基于ARMA的风电功率预测

被引:18
作者
惠小健
王震
张善文
贺海龙
机构
[1] 西京学院应用理学系
关键词
风力发电; ARMA; 风电功率预测; 风电机组;
D O I
10.16652/j.issn.1004-373x.2016.07.036
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
风电场风电功率预测对优化电网调度,提高风电场容量系数具有重要意义。对采样时间为15 min的风电功率时间序列建立自回归移动平均模型,并对风电场输出功率分别进行短期和中长期预测,同时分别分析了4台风电机组和58台风电机组的汇聚对预测结果的误差影响等。研究结果表明,利用ARMA模型在预测短期及中长期风电功率时的日前预测平均相对误差为0.087 1,实时预测误差为0.15,同时4台风电机组和58台风电机组的汇聚的平均相对误差为0.293 1和0.194 3,风电机组在集中开发方式下风电功率预测误差减小。
引用
收藏
页码:145 / 148+153 +153
页数:5
相关论文
共 14 条
[1]
基于时间序列分析的风电功率预测模型 [J].
钱晓东 ;
刘维奇 .
电力学报, 2014, 29 (04) :293-298
[2]
基于主成分—遗传神经网络的短期风电功率预测 [J].
罗毅 ;
刘峰 ;
刘向杰 .
电力系统保护与控制, 2012, 40 (23) :47-53
[3]
风电功率时间序列混沌特性分析及预测模型研究 [J].
张学清 ;
梁军 .
物理学报, 2012, 61 (19) :70-81
[4]
灰色理论用于风力发电容量中长期预测的研究 [J].
孟祥星 ;
田成微 ;
冬雷 ;
高阳 ;
郝颖 ;
廖晓钟 .
电力系统保护与控制, 2011, 39 (21) :81-85
[5]
基于小波—BP神经网络的短期风电功率预测方法 [J].
师洪涛 ;
杨静玲 ;
丁茂生 ;
王金梅 .
电力系统自动化, 2011, 35 (16) :44-48
[6]
风电场输出功率超短期预测结果分析与改进 [J].
陈颖 ;
周海 ;
王文鹏 ;
曹潇 ;
丁杰 .
电力系统自动化, 2011, 35 (15) :30-33+87
[7]
短期风电功率预测误差综合评价方法 [J].
徐曼 ;
乔颖 ;
鲁宗相 .
电力系统自动化, 2011, 35 (12) :20-26
[8]
风电场风速及风电功率预测方法研究综述 [J].
洪翠 ;
林维明 ;
温步瀛 .
电网与清洁能源, 2011, 27 (01) :60-66
[9]
基于非参数回归模型的短期风电功率预测 [J].
王彩霞 ;
鲁宗相 ;
乔颖 ;
闵勇 ;
周双喜 .
电力系统自动化, 2010, 34 (16) :78-82+91
[10]
基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法 [J].
刘辉 ;
田红旗 ;
李燕飞 .
中南大学学报(自然科学版), 2010, 41 (01) :370-375