基于改进CFD与小波混合神经网络组合的风电场功率预测方法

被引：21

作者：

崔嘉 ^{[1
]}

杨俊友 ^{[1
]}

杨理践 ^{[2
]}

高凯旻 ^{[1
]}

宋志成 ^{[1
]}

高子昂 ^{[3
]}

机构：

[1] 沈阳工业大学电气工程学院

[2] 沈阳工业大学信息科学与工程学院

[3] 东北电力大学电气工程学院

来源：

电网技术 | 2017年 / 41卷 / 01期

关键词：

功率预测; 组合方法; 计算流体力学; 小波混合神经网络; 尾流模型;

D O I：

10.13335/j.1000-3673.pst.2016.0734

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

风的间歇性和时变性制约电力系统能量平衡,准确的风电功率预测有助于电网减小旋转备用、合理制定检修计划。为减小预测误差,提出一种基于多计算流体力学(computational fluid dynamics,CFD)模型的新型风电场组合功率预测方法。首先,利用小波混合神经网络对数值天气预报降尺度;其次,提出了考虑多重尾流的风电场物理CFD模型,并建立了根据测风塔风速外推各台风电机组风速的加速比相关系数;最后,提出了仅考虑自由流场和带有激盘模型的变权重组合流场模型。实际算例仿真证明,所提出的预测方法更准确地反映了风电场实际运行状态,有效提高了预测准确性。

引用

页码：79 / 85

页数：7

共 18 条

[1] 中长期风电功率的多气象变量模型组合预测方法 [J].

欧阳庭辉 ;

查晓明 ;

秦亮 ;

熊一 ;

黄鹤鸣 .

电网技术, 2016, 40 (03) :847-852

[2] 风电功率预测的新型互联网运营模式设计 [J].

鲁宗相 ;

徐曼 ;

乔颖 ;

刘梅 ;

张华铭 ;

孙福林 .

电网技术, 2016, 40 (01) :125-131

[3] 非迭代与分时段最优的风电功率短期预测 [J].

梁沛 ;

卢继平 ;

钟璐 ;

张奋强 .

电网技术, 2015, 39 (10) :2766-2771

[4] 基于混沌时间序列GA-VNN模型的超短期风功率多步预测 [J].

江岳春 ;

张丙江 ;

邢方方 ;

张雨 ;

王志刚 .

电网技术, 2015, 39 (08) :2160-2166

[5] 关于短期及超短期风电功率预测的评述 [J].

薛禹胜 ;

郁琛 ;

赵俊华 ;

Kang LI ;

Xueqin LIU ;

Qiuwei WU ;

Guangya YANG .

电力系统自动化, 2015, 39 (06) :141-151

[6] 基于尾流效应的海上风电场有功出力优化 [J].

王俊 ;

段斌 ;

苏永新 .

电力系统自动化, 2015, 39 (04) :26-32+75

[7] 关于风电不确定性对电力系统影响的评述 [J].

薛禹胜 ;

雷兴 ;

薛峰 ;

郁琛 ;

董朝阳 ;

文福拴 ;

鞠平 .

中国电机工程学报, 2014, 34 (29) :5029-5040

[8] 基于数据特征提取的风电功率预测误差估计方法 [J].

张凯锋 ;

杨国强 ;

陈汉一 ;

王颖 ;

丁恰 .

电力系统自动化, 2014, 38 (16) :22-27+34

[9] 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

[10]

The iteration method for tower height matching in wind farm design[J] . K. Chen,M.X. Song,X. Zhang.Journal of Wind Engineering & Industrial Aerodynamics . 2014

← 1 2 →