当前位置首页 > 教育资讯

华中科技学院彭小圣等:风电集群短期及超短期功率预测精度改进方式综述

更新时间:2023-10-22 文章作者:佚名 信息来源:网络整理 阅读次数:

点击标题下「中国水泵工程学报」即可关注本刊陌陌pAO物理好资源网(原物理ok网)

提示pAO物理好资源网(原物理ok网)

新增功能:点击文章顶部左下角“阅读原文”可在手机端查看论文全文啦!点击右下角“写留言”可对论文进行评论。pAO物理好资源网(原物理ok网)

风电集群短期及超短期功率预测精度改进方式综述pAO物理好资源网(原物理ok网)

彭小圣,熊磊,文劲宇,程时杰,伯明翰元,冯双磊,王勃pAO物理好资源网(原物理ok网)

DOI:10.13334/j.0258-8013.pcsee.pAO物理好资源网(原物理ok网)

项目背景pAO物理好资源网(原物理ok网)

风力发电主要由风速、风向、气压、温度、湿度等自然条件决定,具有间歇性、波动性、随机性的特性。大规模风电并网对电力系统的安全稳定运行带来了挑战。风电功率预测(WindPower,WPP)通过数值天气预报数据(,NWP)、风电场历史运行数据、风电场运行状态数据等,预测风电出力变化趋势,为电网安全、电力调度、电力营运带来了积极的影响。目前,世界范围内的风电功率预测大多集中在对单一风电场的功率预测。并且单个风电场的功率预测并不能挺好满足电网调度的需求。一方面,电力系统作为一个整体,其不确定性的功率总额更受调度人员关注;另一方面风电功率预测方法,为了对电网进行合理的实时调度及对联络交换功率的有效控制,防止风电穿透功率提升而导致的脱网风波,须要对集群风电功率作出有效预测。我国的风力资源地理分布和电力负荷中心之间并不匹配,风电开发集中在“三北”地区,产生区域性的集群分布。为此风电集群功率预测对于我国电网的安全稳定运行意义重大。pAO物理好资源网(原物理ok网)

论文所解决的问题及意义pAO物理好资源网(原物理ok网)

(1)风电集群功率预测系统的整体框架pAO物理好资源网(原物理ok网)

论文以我国东部地区一个实际风电集群为对象,从预测流程、数据来源、数据流向、物理层次四个方面阐述了风电集群功率预测系统的整体框架,如图1所示。pAO物理好资源网(原物理ok网)

图1风电集群功率预测系统的整体框架pAO物理好资源网(原物理ok网)

(2)风电集群功率预测系统的数学层次pAO物理好资源网(原物理ok网)

论文提出了具有普适性的风电功率预测模型的6个数学层次,即数据层、映射层、特征层、模型层、反馈层、输出层,如图2所示。pAO物理好资源网(原物理ok网)

图2风电功率预测的化学层次pAO物理好资源网(原物理ok网)

论文重点内容pAO物理好资源网(原物理ok网)

与图2中的数学层次相对应,改进风电集群功率预测精度的方式及其可能的发展方向主要包括:pAO物理好资源网(原物理ok网)

数据层:1)建立高帧率的NWP系统;2)通过测风塔数据对NWP数据进行实时修正;3)采用多个NWP模型组合;4)构建科学规范的风电场数据传输和管理系统;5)与大数据技术相结合。pAO物理好资源网(原物理ok网)

映射层:1)异常测量与数据修正;2)数据分解与变换。pAO物理好资源网(原物理ok网)

特点层:1)特点优选;2)新特点建立。pAO物理好资源网(原物理ok网)

风电功率预测方法_风电功率预测技术与实例分析_风功率预测的方法pAO物理好资源网(原物理ok网)

模型层:单个风电场:1)提高数学模型预测方式的精确度;2)与机率预测方式相结合;3)采用多元预测模型;4)采用先进的人工智能技巧。风电集群:1)子区域界定模型的改进;2)基准风电场选择模型的改进;3)升尺度模型的改进。pAO物理好资源网(原物理ok网)

反馈层:1)预测结果反馈调整模型类型;2)预测结果反馈调整模型参数。pAO物理好资源网(原物理ok网)

推论pAO物理好资源网(原物理ok网)

自然诱因的间歇性、波动性、随机性为风电功率预测带来了挑战,致使其预测难度低于负荷预测。本文总结了风电功率预测技术的分类、集群功率预测的整体框架、6个数学层次、预测偏差形成的缘由、改进风电功率预测精度的方式,对短期、超短期风电功率预测、风电集群功率预测的研究和工业系统的开发皆具有参考价值。pAO物理好资源网(原物理ok网)

引文信息pAO物理好资源网(原物理ok网)

彭小圣,熊磊,文劲宇,等.风电集群短期及超短期功率预测精度改进方式综述[J].中国马达工程学报,2016,36(23):6315-6326.pAO物理好资源网(原物理ok网)

PENG,XIONGLei,WENJinyu,etal.AoftheStateoftheArtforShort-termandUltra-short-termWindPowerof[J].oftheCSEE,2016,36(23):6315-6326(in).pAO物理好资源网(原物理ok网)

团队介绍pAO物理好资源网(原物理ok网)

彭小圣(1983),男风电功率预测方法,博士,IEEE会员,IET会员。2006.6和2009.3分别获华东科技学院专科和硕士学位,2009.2-2012.2在美国国家自然科学基金(EPSRC)的捐助下在墨尔本卡内多尼亚学院攻读博士学位,2012.3-2013.8在EDF捐助下举办博士后研究,2013年9月到华北科技学院工作。研究方向:电力系统大数据理论与应用;电力系统主设备检测与确诊;智能微网多尺度控制;基于大数据挖掘的新能源功率预测;电力设备局部放电测量与辨识;基于大数据深度学习的模式辨识与预测等。2009年以来主持和主研了德国国家自然科学基金(EPSRC)、英国能源公司()、法国电力公司(EDF)、国家自然科学基金、湖北省自然科学基金、国网总部项目子课题、中国电力科学研究院、国网技术大学项目10余项。在IEEE、《中国马达工程学报》等国外、国际一流刊物和大会上发表学术论文20余篇,皆被SCI/EI收录。兼任IEEE、《中国马达工程学报》、《电工技术学报》、《电网技术》等国外、国际一流刊物审稿人。其1篇大数据论文,被评为2016年度《领跑者5000—中国精品科技刊物顶级学术论文》(F5000论文),同时被评为2016年度《中国马达工程学报》和《电网技术》优秀审稿专家。pAO物理好资源网(原物理ok网)

熊磊,男,目前在华北科技学院电气与电子工程大学攻读硕士学位,从事电力系统新能源功率预测的研究工作。pAO物理好资源网(原物理ok网)

发表评论

统计代码放这里