风电场超短期功率预测及不确定性分析

被引：12

作者：

韩爽 ^{[1
]}

刘永前 ^{[1
]}

杨勇平 ^{[1
]}

李金山 ^{[2
]}

机构：

[1] 华北电力大学

[2] 国网新源建设有限公司

来源：

太阳能学报 | 2011年 / 32卷 / 08期

关键词：

风力发电; 功率预测; 历史数据; 神经网络; 不确定性分析;

D O I：

10.19912/j.0254-0096.2011.08.022

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

研究了在不使用数值气象预报的条件下,基于历史数据序列,采用BP神经网络对风电场未来3h功率进行预测。结合多次的计算试验,合理确定了输入神经元参数;提出两种风电场功率预测路线:一种是首先预测每台机组功率,再累加计算风电场功率;另一种是直接计算整个风电场功率。结果表明,第一种预测路线更适合我国风电场集中分布的情况,相对预测误差为9.6%。在此基础上,建立了基于独立分量分析的条件概率计算模型,对预测结果的不确定性进行了分析。

引用

页码：1251 / 1256

页数：6

共 8 条

[1]

盲信号处理及应用.[M].张发启; 主编.西安电子科技大学出版社.2006,

[2]

盲信号处理.[M].马建仓;牛奕龙;陈海洋编;.国防工业出版社.2006,

[3]

独立分量分析的原理与应用.[M].杨福生;洪波著;.清华大学出版社.2006,

[4]

神经网络模型及其MATLAB仿真程序设计.[M].周开利;康耀红编著;.清华大学出版社.2005,

[5] 提前三小时风电机组出力组合预报研究 [J].

刘永前 ;

韩爽 ;

杨勇平 ;

高辉 .

太阳能学报, 2007, (08) :839-843

[6]

Structural testing and numerical simulation of a 34<ce:hsp sp="0.25"/>m composite wind turbine blade.[J].F.M. Jensen;B.G. Falzon;J. Ankersen;H. Stang.Composite Structures.2006, 1

[7] Short-term prediction of the aggregated power output of wind farms -: a statistical analysis of the reduction of the prediction error by spatial smoothing effects [J].

Focken, U ;

Lange, M ;

Mönnich, K ;

Waldl, HP ;

Beyer, HG ;

Luig, A .

JOURNAL OF WIND ENGINEERING AND INDUSTRIAL AERODYNAMICS, 2002, 90 (03) :231-246

[8]

Fatigue loads for wind turbines operating in wakes.[J]..Journal of Wind Engineering & Industrial Aerodynamics.1999, 1

← 1 →