風電功率的隨機波動性是制約風電功率預(yù)測精度提高的關(guān)鍵問題之一,其中風速波動性以及風電轉(zhuǎn)換不確定性是造成風電功率波動的兩個主要原因.本文首先分析在風電功率預(yù)測中計及風電場狀態(tài)的必要性;其次以風機運行狀態(tài)充當輸入變量,采用互信息理論修正外部NWP風速,引入集對分析對風電場內(nèi)部狀態(tài)特征參量進行匹配預(yù)測,構(gòu)建計及風電場運行狀態(tài)的以一種多輸入-單輸出的RBF神經(jīng)網(wǎng)絡(luò)為核心的風功率預(yù)測框架;最后采用吉林省某風電場的實際數(shù)據(jù)進行分析.對比多種預(yù)測算法,通過算例結(jié)果表明,所提方法可以有效地提升風電功率預(yù)測的精度. 

【文章來源】：昆明理工大學學報(自然科學版). 2020年05期 北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

某風電場10號與13號風機實測功率曲線對比圖

風電場運行態(tài)勢是指整個風電場在目標時刻的安全狀況及其變化趨勢,其影響因素包括風速等強時變因素以及風電機組運行狀況等弱時變因素.對于不完美的NWP風速信息,將其與實測風速進行關(guān)聯(lián)分析來修正;對于未來的風電場運行態(tài)勢,利用相似時段匹配法對其進行預(yù)測,以此擴展并優(yōu)化風功率預(yù)測的輸入變量,將在下節(jié)詳述.圖3 某風電場10號與13號風機的4種運行狀態(tài)參量序列對比圖

某風電場10號與13號風機的4種運行狀態(tài)參量序列對比圖

【參考文獻】：
期刊論文
[1]基于秩次集對分析理論的空間負荷預(yù)測方法[J]. 肖白,張婕,姜卓,施永剛,焦明曦,王徭.  電力自動化設(shè)備. 2020(04)
[2]一種利用混合算法選擇變量的天牛須優(yōu)化神經(jīng)網(wǎng)絡(luò)風速預(yù)測方法[J]. 李大中,李昉,張克延.  電力科學與工程. 2019(12)
[3]基于原子稀疏分解和混沌理論的風電功率超短期多步預(yù)測[J]. 楊茂,劉慧宇,崔楊.  昆明理工大學學報(自然科學版). 2019(04)
[4]計及風電場狀態(tài)的風電功率超短期預(yù)測[J]. 楊茂,周宜.  中國電機工程學報. 2019(05)
[5]基于長短期記憶網(wǎng)絡(luò)的風電場發(fā)電功率超短期預(yù)測[J]. 朱喬木,李弘毅,王子琪,陳金富,王博.  電網(wǎng)技術(shù). 2017(12)
[6]融合集對分析和證據(jù)理論的風電機組運行狀態(tài)評估[J]. 周湶,徐清鵬,李劍,王慕賓,相晨萌.  電力自動化設(shè)備. 2017(07)
[7]基于卡爾曼濾波和支持向量機的風電功率實時預(yù)測研究[J]. 楊茂,黃賓陽,江博,林思思.  東北電力大學學報. 2017(02)
[8]基于RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法的MPPT方法[J]. 陳小華,李志華.  可再生能源. 2013(01)



本文編號：2939511