基于小波理论的风电功率实时协同预测研究

被引:12
作者
严干贵
熊昊
杨茂
王东
宋薇
机构
[1] 东北电力大学微通电力系统研究室
基金
国家自然科学基金重点项目;
关键词
小波理论; 实时预测; 协同预测; 风电功率波动;
D O I
10.19718/j.issn.1005-2992.2013.z1.023
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
风力发电联网运行是实现风能大规模开发利用的主要途径,准确的风电功率实时预测是实现风能大规模合理调度的有效手段。对风电功率波动特性进行了分析,得到合理的小波分解层数,通过选取各层预测的最优方法,从而得到协同预测模型。最后以吉林省某风场的实测数据为例,阐述了模型选取的准则,预测结果验证了协同预测模型的有效性。
引用
收藏
页码:120 / 125
页数:6
相关论文
共 12 条
[1]  
基于小波和神经网络算法的电力系统短期负荷预测的研究.[D].黄丹.长沙理工大学.2009, 12
[2]   基于小波变换的ARMA-LSSVM短期风速预测 [J].
赵辉 ;
李斌 ;
李彪 ;
岳有军 .
中国电力, 2012, 45 (04) :78-81
[3]   基于小波—BP神经网络的短期风电功率预测方法 [J].
师洪涛 ;
杨静玲 ;
丁茂生 ;
王金梅 .
电力系统自动化, 2011, 35 (16) :44-48
[4]   风电功率预测技术综述 [J].
王健 ;
严干贵 ;
宋薇 ;
穆钢 .
东北电力大学学报, 2011, 31 (03) :20-24
[5]   风电功率预测的发展现状与展望 [J].
范高锋 ;
裴哲义 ;
辛耀中 .
中国电力, 2011, (06) :38-41
[6]   基于小波包和支持向量回归的风速预测 [J].
陈盼 ;
陈皓勇 ;
叶荣 ;
陈天恩 ;
李丹 .
电网技术, 2011, 35 (05) :177-182
[7]   基于小波分解和最小二乘支持向量机的短期风速预测 [J].
王晓兰 ;
王明伟 .
电网技术, 2010, 34 (01) :179-184
[8]   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
[9]   风电场风速预测模型研究 [J].
陶玉飞 ;
李伟宏 ;
杨喜峰 .
电网与清洁能源, 2009, 25 (03) :53-56
[10]   基于小波变换和EMD提取非平稳风速中的时变均值 [J].
申建红 ;
李春祥 ;
李锦华 .
振动与冲击, 2008, 27 (12) :126-130+185