基于风速变化周期的风电场功率分类组合预测模型

被引：14

作者：

张充 ^{[1
]}

檀勤良 ^{[1
]}

汤石雨 ^{[1
]}

高小力 ^{[2
]}

机构：

[1] 华北电力大学科学技术研究院

[2] 中国电力工程顾问集团西北电力设计院有限公司

来源：

太阳能学报 | 2017年 / 38卷 / 04期

关键词：

风速变化周期; 分类预测; 组合预测; Morlet小波; 谱聚类;

D O I：

10.19912/j.0254-0096.2017.04.019

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

基于风速在日时间尺度下的变化周期,提出一种风电场功率分类组合预测模型。该模型采用Morlet小波变换,分析数值天气预报中的风速在日时间尺度下的变化周期及特征;结合主成分分析和谱聚类方法对具有不同周期特征的风速变化过程进行分类;针对不同的风速变化类型分别建立遗传优化BP神经网络、RBF神经网络和支持向量机的预测模型,并选取每类对应的最优算法进行组合,预测功率时根据未来风速过程动态切换相应模型。以中国某风电场为例进行验证,结果表明,按8 h的变化周期对风速变化类型进行分类,可得到较好的分类组合预测结果,其精度较单一预测模型提高0.87%,合格率提高1.05%,验证了所提模型的有效性,为风电场功率预测提供了新思路。

引用

页码：999 / 1006

页数：8

共 13 条

[1]

基于出力模式匹配的风电集群点多时间尺度功率预测 [J].

刘燕华 ;

刘冲 ;

李伟花 ;

张东英 .

中国电机工程学报, 2014, 34 (25) :4350-4358

[2]

基于天气分型的风电功率预测方法 [J].

王勃 ;

冯双磊 ;

刘纯 .

电网技术, 2014, 38 (01) :93-98

[3]

基于CFD流场预计算的短期风速预测方法 [J].

李莉 ;

刘永前 ;

杨勇平 ;

韩爽 .

中国电机工程学报, 2013, 33 (07) :27-32+22

[4]

基于人工神经网络的风电场短期功率预测 [J].

彭怀午 ;

刘方锐 ;

杨晓峰 .

太阳能学报, 2011, 32 (08) :1245-1250

[5]

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

[6]

基于主成分分析与前向反馈传播神经网络的风电场输出功率预测 [J].

张明理 ;

杨晓亮 ;

滕云 ;

徐建源 ;

林莘 .

电网技术, 2011, 35 (03) :183-187

[7]

基于小波分析的西安降水时间序列的变化特征 [J].

邱海军 ;

曹明明 ;

曾彬 .

中国农业气象, 2011, 32 (01) :23-27

[8]

风电场功率预测物理方法研究 [J].

冯双磊 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2010, 30 (02) :1-6

[9]

风电场发电功率的建模和预测研究综述 [J].

王丽婕 ;

廖晓钟 ;

高阳 ;

高爽 .

电力系统保护与控制, 2009, 37 (13) :118-121

[10]

Wind power grouping forecasts and its uncertainty analysis using optimized relevance vector machine.[J].Jie Yan;Yongqian Liu;Shuang Han;Meng Qiu.Renewable and Sustainable Energy Reviews.2013,

← 1 2 →