计及风电场状态的风电功率超短期预测

被引：91

作者：

杨茂

周宜

机构：

[1] 东北电力大学电气工程学院

来源：

中国电机工程学报 | 2019年 / 39卷 / 05期

基金：

国家重点研发计划;

关键词：

风电功率波动; 风机状态评估; 随机矩阵理论; 人工神经网络; 风电功率预测;

D O I：

暂无

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：

风电功率的随机波动性是风电功率预测精度提高的瓶颈问题。一方面,风速的波动性使得风电功率是波动的;另一方面,风电场将风能转化为电能的能力也会在一定程度上造成风电功率波动。该文首先分析在功率预测中计及风电场状态的必要性,然后利用随机矩阵理论评估风电场状态,以此为基础提出计及风电场状态的风电功率超短期预测方法。算例结果表明,该方法可以有效的提升风电功率超短期预测精度。

引用

收藏

页码：1259 / 1268

页数：10

相关论文

共 18 条

[1]

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

[2]

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

[3]

基于AMD-ICSA-SVM的超短期风电功率组合预测 [J].

李燕青 ;

袁燕舞 ;

郭通 .

电力系统保护与控制, 2017, 45 (14) :113-120

[4]

基于动态集成LSSVR的超短期风电功率预测 [J].

刘荣胜 ;

彭敏放 ;

张海燕 ;

万勋 ;

沈美娥 .

湖南大学学报(自然科学版), 2017, 44 (04) :79-86

[5]

基于MRMR的集合经验模态分解和支持向量机的风电功率实时预测 [J].

李国庆 ;

张钰 ;

张明江 ;

张礼珏 .

东北电力大学学报, 2017, 37 (02) :39-44

[6]

基于卡尔曼滤波和支持向量机的风电功率实时预测研究 [J].

杨茂 ;

黄宾阳 ;

江博 ;

林思思 .

东北电力大学学报, 2017, 37 (02) :45-51

[7]

基于随机矩阵理论的电力系统暂态稳定性分析 [J].

刘威 ;

张东霞 ;

王新迎 ;

刘道伟 ;

吴茜 .

中国电机工程学报, 2016, 36 (18) :4854-4863+5109

[8]

基于随机矩阵理论的电网静态稳定态势评估方法 [J].

吴茜 ;

张东霞 ;

刘道伟 ;

刘威 ;

邓春雨 .

中国电机工程学报, 2016, 36 (20) :5414-5420+5717

[9]

风电功率预测方法综述 [J].

钱政 ;

裴岩 ;

曹利宵 ;

王婧怡 ;

荆博 .

高电压技术, 2016, 42 (04) :1047-1060

[10]

基于随机矩阵理论的配电网运行状态相关性分析方法 [J].

徐心怡 ;

贺兴 ;

艾芊 ;

邱才明 .

电网技术, 2016, 40 (03) :781-790