地区电网风电场功率超短期预测方法

被引:45
作者
李智 [1 ]
韩学山 [1 ]
韩力 [2 ]
康凯 [3 ]
机构
[1] 山东大学电气工程学院
[2] 中国国际工程咨询公司
[3] 烟台供电公司
关键词
风电功率; 地区电网; 超短期预测; 风电总量; 分配因子; 最小二乘支持向量机; 卡尔曼滤波;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
针对某地区电网并入多个风电场的情况,论证分析了所有风电场总输出功率变化较单一风电场输出功率变化具有更好的规律性,引入风电总量与风电分配因子这2个概念,提出超短期风电场功率预测模型和求解方法。主要内容包括:风电总量、风电分配因子以及它们之间的随机关联规律;最小二乘支持向量机和卡尔曼滤波技术对风电总量和风电分配因子的自适应动态预测算法;基于关联规律间接实现风电场输出功率的超短期预测。通过实例验证,表明所提出的预测方法无论是在风电场功率预测精度、还是在预测误差分布范围方面都有明显改进。
引用
收藏
页码:90 / 94
页数:5
相关论文
共 10 条
[1]   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
[2]   基于最小二乘支持向量机的电力系统暂态稳定在线预测 [J].
吴琼 ;
杨以涵 ;
刘文颖 .
中国电机工程学报, 2007, (25) :38-43
[3]   网格化的电力系统短期负荷预测的MDRBR模型 [J].
黎静华 ;
栗然 ;
顾雪平 ;
牛东晓 .
电力系统自动化, 2005, (24) :27-31
[4]   风电场风速和发电功率预测研究 [J].
杨秀媛 ;
肖洋 ;
陈树勇 .
中国电机工程学报, 2005, (11) :1-5
[5]   电力系统负荷预测研究综述与发展方向的探讨 [J].
康重庆 ;
夏清 ;
张伯明 .
电力系统自动化, 2004, (17) :1-11
[6]   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
[7]   负荷预报中负荷规律性评价方法的研究 [J].
穆钢 ;
侯凯元 ;
杨右虹 ;
惠永杰 ;
姜克志 .
中国电机工程学报, 2001, (10) :97-102
[8]  
概率论与数理统计[M]. 高等教育出版社 , 盛骤等编, 2001
[9]  
误差理论与精度分析[M]. 国防工业出版社 , 毛英泰 主编, 1982
[10]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300