基于波动互相关系数的风能资源评估组合模型

被引：12

作者：

叶林 ^{[1
]}

饶日晟 ^{[1
]}

杨丹萍 ^{[2
]}

靳晶新 ^{[1
]}

张亚丽 ^{[1
]}

机构：

[1] 中国农业大学信息与电气工程学院

[2] 国网浙江省电力公司湖州供电公司

来源：

中国电机工程学报 | 2017年 / 37卷 / 03期

关键词：

风能资源评估; 测量–关联–预测; 波动互相关系数; 风电场; 组合模型;

D O I：

10.13334/j.0258-8013.pcsee.161012

中图分类号：

TM614 [风能发电]; TK81 [风能];

学科分类号：

0807 ; 080703 ; 080704 ;

摘要：

传统的风电场风能资源评估中测量–关联–预测(measure-correlate-predict,MCP)方法只能利用单组参考数据预测目标站长期风资源,但精度较差。为了充分利用多组参考数据所包含的信息,该文提出引入风速序列间的波动互相关系数来衡量参考站和目标站之间风速波动趋势的相关程度,并将其作为多参考站组合预测的权重分配依据,建立了基于波动互相关系数的风能资源评估组合模型。结合站间风速的相关性对目标站长期风速分布进行了组合预测,估算了目标站长期风功率密度分布和年平均风功率密度。研究结果表明,与线性相关系数相比,波动互相关系数可以更有效地衡量站间风速的相关性;将波动互相关系数作为多参考站组合预测的权重参数,可以更准确地对风电场的风能资源状况进行有效评估。

引用

页码：712 / 720

页数：9

共 16 条

[1]

一个新的关于两个非稳态时间序列互相关性分析的算法.[D].吴俊杰.华东理工大学.2014, 06

[2] 风电场风能资源评估的测量—关联—预测方法综述 [J].

叶林 ;

杨丹萍 ;

赵永宁 .

电力系统自动化, 2016, 40 (03) :140-151

[3] 基于混合神经网络的风电场风资源评估 [J].

王娜 ;

周有庆 ;

邵霞 .

电工技术学报, 2015, 30 (14) :370-376

[4] 风能资源分布特性的改进最大熵方法 [J].

叶林 ;

朱远 ;

赵永宁 ;

任成 .

中国电机工程学报, 2014, 34 (34) :6093-6100

[5] 基于空间相关性的风电功率预测研究综述 [J].

叶林 ;

赵永宁 .

电力系统自动化, 2014, 38 (14) :126-135

[6] 风速空间相关性和最优风电分配 [J].

简金宝 ;

刘思东 .

电力系统保护与控制, 2013, 41 (19) :110-117

[7] 五种风速测量相关预测方法的比较研究 [J].

刘郁珏 ;

胡非 ;

朱蓉 .

太阳能学报, 2013, 34 (07) :1241-1249

[8] 区域风能规划中的风资源参数及等效风速序列求解方法 [J].

吉平 ;

周孝信 ;

武守远 .

中国电机工程学报, 2013, 33 (01) :11-21

[9] 采用平均风速参与因子法的区域风资源评估 [J].

吉平 ;

周孝信 ;

武守远 .

中国电机工程学报, 2012, 32 (19) :10-15+179

[10]

A hybrid measure-correlate-predict method for long-term wind condition assessment.[J].Jie Zhang;Souma Chowdhury;Achille Messac;Bri-Mathias Hodge.Energy Conversion and Management.2014,

← 1 2 →