风电场风速及风电功率预测方法研究综述

被引:61
作者
洪翠
林维明
温步瀛
机构
[1] 福州大学电气工程与自动化学院
关键词
风电预测; 统计方法; 学习方法; 综合预测;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
由于风能的随机性以及电力系统的非线性等原因,预测风电功率时需要考虑众多的不确定因素影响。现有预测方法主要包括物理预测方法、统计预测方法以及学习预测方法、综合预测法等。基于数字天气预报(NWP-numerical weather prediction)的物理预测方法模型复杂、计算量大,较少用于短期预测;统计预测方法模型简单,数据需求量少,较适合于数据获取有一定困难的情况;人工智能预测方法不依赖于对象的精确模型,适合于随机非线性系统;综合预测方法可一定程度地扬长避短。本文主要就风电场风速及风电功率预测方法研究进行了综合阐述,并在总结前人研究的基础上提出了一些可进一步研究的问题。
引用
收藏
页码:60 / 66
页数:7
相关论文
共 59 条
[1]   基于小波-神经网络的风速及风力发电量预测 [J].
杨琦 ;
张建华 ;
王向峰 ;
李卫国 .
电网技术, 2009, 33 (17) :44-48
[2]   基于时间序列法的短期风速建模 [J].
高文元 ;
刘尊朋 ;
王鹏 ;
卢晓光 .
甘肃科技, 2009, 25 (07) :14-16
[3]   风电场短期风速的混沌预测方法 [J].
罗海洋 ;
刘天琪 ;
李兴源 .
电网技术, 2009, 33 (09) :67-71
[4]   基于支持向量机的风速与风功率预测方法研究 [J].
戚双斌 ;
王维庆 ;
张新燕 .
华东电力, 2009, 37 (09) :1600-1603
[5]   基于组合预测的风电场风速及风电机功率预测 [J].
张国强 ;
张伯明 .
电力系统自动化, 2009, 33 (18) :92-95+109
[6]   基于小波分析的风电场短期发电功率预测 [J].
王丽婕 ;
冬雷 ;
廖晓钟 ;
高阳 .
中国电机工程学报, 2009, 29 (28) :30-33
[7]   基于气象因子的BP神经网络风电场风速预测 [J].
傅蓉 ;
王维庆 ;
何桂雄 .
可再生能源, 2009, (05) :86-89
[8]   基于人工神经网络的风电功率短期预测研究 [J].
彭怀午 ;
刘方锐 ;
杨晓峰 .
华东电力, 2009, 37 (11) :1918-1921
[9]   基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型 [J].
李文良 ;
卫志农 ;
孙国强 ;
完整 ;
缪伟 .
电力自动化设备, 2009, 29 (06) :89-92
[10]   风电场短期风速的改进Volterra自适应预测法 [J].
罗海洋 ;
刘天琪 ;
李兴源 .
四川电力技术, 2009, 32 (03) :16-19+88