基于波动规律挖掘的风电功率超短期预测方法

被引:48
作者
梁志峰 [1 ]
王铮 [2 ]
冯双磊 [2 ]
董存 [1 ]
万筱钟 [3 ]
丘刚 [4 ]
机构
[1] 国家电网有限公司
[2] 新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司)
[3] 国家电网公司西北分部
[4] 国网新疆电力有限公司
关键词
风力发电; 超短期预测; 波动构成; 低频波动; 波动特征匹配; 波动规律挖掘;
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
风电功率超短期预测是调整日内发电计划、开展风电增量现货交易、提高风电消纳的基础之一。针对风电功率超短期预测精度提升问题,有别其他单纯引入预测算法的研究思路,以挖掘和分析风电功率的固有波动规律为切入点,围绕风电波动规律在超短期预测中的利用问题研究新方法。具体来说,在认识风电出力序列高频低能量随机波动和低频高能量波动构成特点的基础上,研究了低频高能量波动自动识别和提取方法,发现了风电出力序列的低频高能量波动复演特征,并采用波动特征匹配与融合方法加以利用,提出了基于低频类波动过程挖掘与动态融合的超短期预测新思路。以实际数据进行仿真,结果显示所提出的方法正确可行,且与其他方法比较发现,所提出方法的预测性能提升显著。目前该方法已在西北地区应用。
引用
收藏
页码:4096 / 4104
页数:9
相关论文
共 17 条
[1]
一种结合CNN和GRU网络的超短期风电预测模型 [J].
薛阳 ;
王琳 ;
王舒 ;
张亚飞 ;
张宁 .
可再生能源, 2019, (03) :456-462
[2]
计及风电场状态的风电功率超短期预测 [J].
杨茂 ;
周宜 .
中国电机工程学报, 2019, 39 (05) :1259-1268
[3]
改进K近邻算法在风功率预测及风水协同运行中的应用 [J].
杨秀媛 ;
裘微江 ;
金鑫城 ;
陈勇 ;
邹卫美 ;
郑志伟 ;
郭中华 ;
秦泽阳 .
电网技术, 2018, 42 (03) :772-778
[4]
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
[5]
基于神经网络平均影响值的超短期风电功率预测 [J].
徐龙博 ;
王伟 ;
张滔 ;
杨莉 ;
汪少勇 ;
李煜东 .
电力系统自动化, 2017, 41 (21) :40-45
[6]
一种基于FPGA的随机数检验实现方法 [J].
韩炼冰 ;
段俊红 ;
房利国 ;
王松 .
通信技术, 2017, 50 (11) :2584-2588
[7]
基于AMD-ICSA-SVM的超短期风电功率组合预测 [J].
李燕青 ;
袁燕舞 ;
郭通 .
电力系统保护与控制, 2017, 45 (14) :113-120
[8]
基于加权系数动态修正的短期风电功率组合预测方法 [J].
王铮 ;
Rui Pestana ;
冯双磊 ;
申洪 ;
Luis Rosa .
电网技术, 2017, 41 (02) :500-507
[9]
新能源消纳关键因素分析及解决措施研究 [J].
舒印彪 ;
张智刚 ;
郭剑波 ;
张正陵 .
中国电机工程学报, 2017, 37 (01) :1-9
[10]
按时序特征优化模型后在线选配的超短期风电预测 [J].
郁琛 ;
薛禹胜 ;
文福拴 ;
董朝阳 ;
KPWONG ;
Kang LI .
电力系统自动化, 2015, 39 (08) :5-11