基于数据驱动的超短期风电功率预测综述

被引：69

作者：

杨茂

张罗宾

机构：

[1] 东北电力大学电气工程学院

来源：

电力系统保护与控制 | 2019年 / 47卷 / 13期

基金：

国家重点研发计划;

关键词：

数据驱动; 超短期预测; 风电功率; 多源数据融合; 深度学习;

D O I：

10.19783/j.cnki.pspc.180888

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

以数据驱动为主要特征的超短期风功率预测是大规模风电并网运行的关键基础之一。按照预测流程,从数据挖掘、机器学习算法及风速-功率曲线等角度分析现有数据驱动方法的思想及局限性。总结离线数据驱动/深度学习算法和在线应用的预测思路,给出风电场数据筛选的评价手段,归纳深度学习算法的最新研究进展。最后分析超短期风功率预测的当前定位:"由模型驱动向数据驱动过渡,由机器学习算法向深度学习算法转移",并指出合理的算法更迭和深层次的数据融合将是未来的研究趋势。

引用

收藏

页码：171 / 186

页数：16

相关论文

共 64 条

[1] 基于置信等效边界模型的风功率数据清洗方法 [J].

胡阳 ;

乔依林 .

电力系统自动化, 2018, 42 (15) :18-23+149

[2] 基于深度门控循环单元神经网络的短期风功率预测模型 [J].

牛哲文 ;

余泽远 ;

李波 ;

唐文虎 .

电力自动化设备, 2018, 38 (05) :36-42

[3] 基于卷积神经网络的高压电缆局部放电模式识别 [J].

杨帆 ;

王干军 ;

彭小圣 ;

文劲宇 ;

陈清江 ;

杨光垚 ;

李朝晖 .

电力自动化设备, 2018, 38 (05) :123-128

[4] 基于小波与最小资源分配网络的超短期风电功率预测研究 [J].

杨杰 ;

霍志红 ;

何永生 ;

郭苏 ;

邱良 ;

许昌 .

电力系统保护与控制, 2018, 46 (09) :55-61

[5] 基于CEEMD和混沌理论的超短期风电功率预测模型 [J].

王丽婕 ;

张利 ;

张岩 .

系统仿真学报, 2018, (04) :1560-1565

[6] 考虑大规模集中接入风电功率波动相关性的在线概率安全评估 [J].

吕颖 ;

鲁广明 ;

谢昶 ;

戴红阳 ;

于之虹 ;

严剑峰 .

电网技术, 2018, 42 (04) :1140-1148

[7] 风电机组风速-功率特性曲线建模研究综述 [J].

杨茂 ;

杨琼琼 .

电力自动化设备, 2018, 38 (02) :34-43

[8] 基于长短期记忆网络的风电场发电功率超短期预测 [J].

朱乔木 ;

李弘毅 ;

王子琪 ;

陈金富 ;

王博 .

电网技术, 2017, 41 (12) :3797-3802

[9] 多时空尺度协调的风电集群有功分层预测控制方法 [J].

叶林 ;

张慈杭 ;

汤涌 ;

孙舶皓 ;

仲悟之 ;

蓝海波 ;

刘辉 ;

李湃 ;

黄越辉 .

中国电机工程学报, 2018, 38 (13) :3767-3780+4018

[10] 基于神经网络平均影响值的超短期风电功率预测 [J].

徐龙博 ;

王伟 ;

张滔 ;

杨莉 ;

汪少勇 ;

李煜东 .

电力系统自动化, 2017, 41 (21) :40-45

← 1 2 3 4 5 6 7 →