风电功率概率预测研究综述

被引:63
作者
杨茂 [1 ]
代博祉 [1 ]
刘蕾 [2 ]
机构
[1] 东北电力大学电气工程学院
[2] 国网吉林供电公司磐石市供电中心
基金
国家自然科学基金重大项目;
关键词
风电功率; 点预测; 概率预测;
D O I
10.19718/j.issn.1005-2992.2020-02-0001-06
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
从风力发电被人们应用起,风电功率预测一直是研究的热议话题.由于风能自身的波动起伏、随机不定,导致风电功率具有一定的不确定性.目前风电功率大部分研究针对其点预测,但考虑风电功率固有的波动特性,其点预测的预测精度有限.然而准确可靠的风电功率预测对于电力系统运行是必不可少的.鉴于风力发电的不确定性,概率预测提供了一种独特的方案,即:提前估算和量化风电并网对系统运行潜在的影响以及风险.故风电功率概率预测将会成为风电功率预测的热门方向.文中归纳总结了风电功率概率预测已有的研究成果,并对风电功率概率预测未解决问题及将来发展趋势进行展望.
引用
收藏
页码:1 / 6
页数:6
相关论文
共 33 条
[1]
基于Copula理论的风电功率条件预测误差短期概率分布估计 [J].
杨茂 ;
杨春霖 ;
董骏城 ;
袁文强 ;
刘石 .
可再生能源, 2018, (01) :98-104
[2]
基于长短期记忆网络的风电场发电功率超短期预测 [J].
朱乔木 ;
李弘毅 ;
王子琪 ;
陈金富 ;
王博 .
电网技术, 2017, 41 (12) :3797-3802
[3]
基于C5.0算法的胃癌生存预测模型研究 [J].
黄志刚 ;
刘虹 ;
刘娟 ;
张岐山 .
南京信息工程大学学报(自然科学版), 2017, 9 (04) :406-410
[4]
考虑风力发电随机性的超短期风电功率区间预测研究 [J].
陆欣 ;
沈艳霞 ;
陈杰 ;
纪志成 .
太阳能学报, 2017, 38 (05) :1307-1315
[5]
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
[6]
超短期风电功率预测误差数值特性分层分析方法 [J].
叶林 ;
任成 ;
赵永宁 ;
饶日晟 ;
滕景竹 .
中国电机工程学报, 2016, 36 (03) :692-700
[7]
基于粒子群优化的核极限学习机模型的风电功率区间预测方法 [J].
杨锡运 ;
关文渊 ;
刘玉奇 ;
肖运启 .
中国电机工程学报, 2015, 35(S1) (S1) :146-153
[8]
一种基于Beta分布的风电功率预测误差最小概率区间的模型和算法 [J].
杨宏 ;
苑津莎 ;
张铁峰 .
中国电机工程学报, 2015, 35 (09) :2135-2142
[9]
基于非参数核密度估计的风电功率区间预测 [J].
孙建波 ;
吴小珊 ;
张步涵 .
水电能源科学, 2013, 31 (09) :233-235+54
[10]
风电功率预测研究综述 [J].
杨茂 ;
马秀达 ;
温道扬 ;
庄明振 ;
王文静 .
电测与仪表 , 2013, (07) :7-10+89