多风电场短期输出功率的联合概率密度预测方法

被引:27
作者
朱思萌 [1 ]
杨明 [1 ]
韩学山 [1 ]
李建祥 [2 ]
机构
[1] 电网智能化调度与控制教育部重点实验室(山东大学)
[2] 国网山东省电力公司电力科学研究院
关键词
短期风电功率预测; 联合概率密度预测; 支持向量机; 稀疏贝叶斯学习; 动态条件相关回归模型; 电力系统;
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
提出一种多风电场短期输出功率的联合概率密度预测方法。首先利用支持向量机对每座风电场的输出功率进行单点值预测,对预测误差建立稀疏贝叶斯学习模型进行误差的概率密度预测,得到单一风电场输出功率的边际概率密度函数预测结果;对多风场输出功率预测误差特性进行统计分析,发现同一区域内,风电场输出功率预测误差之间存在线性时空关联特性,进而运用动态条件相关回归模型求得相关系数矩阵,定量描述多风电场短期输出功率预测误差之间的动态时空相关关系;最后,综合单一风电场输出功率边际概率密度预测结果和相关系数矩阵得到多风电场输出功率的联合概率密度函数,并借助多元随机变量抽样技术形成包含动态时空关联特性的多维场景。通过实例分析,表明了所提出方法的有效性。
引用
收藏
页码:8 / 15
页数:8
相关论文
共 4 条
[1]
高等数理统计学.[M].陈希孺; 编著.中国科学技术大学出版社.2009,
[2]
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
[3]
基于支持向量机方法对非平稳时间序列的预测 [J].
王革丽 ;
杨培才 ;
毛宇清 .
物理学报, 2008, (02) :714-719
[4]
与风电并网相关的研究课题 [J].
雷亚洲 .
电力系统自动化, 2003, (08) :84-89