风电场短期功率预测水平提升举措措施研究与实例分析

被引：7

作者：

柳玉 ^{[1
,2
]}

白恺 ^{[1
,2
]}

崔正湃 ^{[3
]}

孙荣富 ^{[3
]}

吴宇辉 ^{[1
]}

宋鹏 ^{[1
]}

吕游 ^{[4
]}

机构：

[1] 华北电力科学研究院有限责任公司

[2] 国家电网公司风光储联合发电运行技术实验室

[3] 国网冀北电力有限公司

[4] 新能源电力系统国家重点实验室(华北电力大学)

来源：

电网与清洁能源 | 2015年 / 31卷 / 12期

关键词：

风电功率预测; 测风塔数据; 集合预报; 模型修正;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

风力发电作为一种随机性、波动性、反调节性的新能源电源形式,随着其电网渗透率逐年攀升,给电网安全调度运行带来了安全隐患,尤其电网峰谷时段的调峰工作受到了安全性和经济性的双重压力。以提升风电场功率预测准确率、降低电网安全运行风险为出发点,综合分析了影响短期功率预测水平的技术因素和非技术管理因素,提出了预测水平提升的关键举措措施,并以实际工作案例为样本,验证了预测水平提升关键举措措施的有效性和实用性。

引用

页码：77 / 82

页数：6

共 10 条

[1] 基于分段分层相似日搜索和自适应脊波神经网络的风电功率多步预测
张宜阳
严欢
[J]. 电网与清洁能源, 2015, 31 (04) : 124 - 131
[2] 基于动态神经网络的风电场输出功率预测
刘瑞叶
黄磊
[J]. 电力系统自动化, 2012, 36 (11) : 19 - 22+37
[3] 风电场风功率实时预测效果综合评价方法
严干贵
宋薇
杨茂
王东
熊昊
[J]. 电网与清洁能源, 2012, 28 (05) : 1 - 6
[4] 基于AdaBoost与BP神经网络的风速预测研究
柳玉
郭虎全
[J]. 电网与清洁能源, 2012, 28 (02) : 80 - 83+89
[5] 采用时间序列预测风电场出力
连文莉
黄成辰
吕昌霖
[J]. 电网与清洁能源, 2011, 27 (12) : 112 - 117
[6] 风电场功率预测物理方法研究
冯双磊
王伟胜
刘纯
戴慧珠
[J]. 中国电机工程学报, 2010, 30 (02) : 1 - 6
[7] 风电功率预测技术的应用现状及运行建议
屠强
[J]. 电网与清洁能源, 2009, 25 (10) : 4 - 9
[8] 基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型
潘迪夫
刘辉
李燕飞
[J]. 电网技术, 2008, (07) : 82 - 86
[9] GB/T 18709-2002. 风电场风能资源测量方法[S]. 2002
[10] Application of artificial neural networks for the wind speed prediction of target station using reference stations data[J] . Mehmet Bilgili,Besir Sahin,Abdulkadir Yasar. Renewable Energy . 2006 (14)

← 1 →