风功率预测
风功率预测的相关文献在2008年到2022年内共计273篇,主要集中在电工技术、能源与动力工程、自动化技术、计算机技术
等领域,其中期刊论文125篇、会议论文15篇、专利文献342717篇;相关期刊88种,包括重庆工商大学学报(自然科学版)、科技资讯、上海电机学院学报等;
相关会议9种,包括中国仪器仪表行业协会电工仪器仪表分会第五届第五次理事扩大会议暨2015第三十届中国电工仪器仪表产业发展技术研讨会、第十一届全国风能应用技术年会暨“十二五”风能973专题研讨会、中国电机工程学会电力系统自动化专业委员会2012年学术交流会等;风功率预测的相关文献由1007位作者贡献,包括向婕、张亮、张阁等。
风功率预测—发文量
专利文献>
论文:342717篇
占比:99.96%
总计:342857篇
风功率预测
-研究学者
- 向婕
- 张亮
- 张阁
- 李小伟
- 杨艺云
- 肖园园
- 肖静
- 葛维春
- 雍正
- 高立克
- 黎敏
- 乔颖
- 何婷
- 何海平
- 傅中兴
- 刘文彪
- 刘泽健
- 刘洋
- 刘玉奇
- 刘瑞叶
- 吕新杰
- 吴世伟
- 唐文虎
- 孙国强
- 宋嗣博
- 张育嘉
- 张鹏
- 彭喆
- 彭嘉俊
- 曾垂宽
- 李润
- 李靖霞
- 杨苹
- 梁卉林
- 潘文霞
- 牛哲文
- 王海云
- 王玮
- 王玲霞
- 王紫东
- 王芝茗
- 王芳
- 王鹏飞
- 纪陵
- 罗卫华
- 胡伟
- 臧海祥
- 袁兴德
- 裴瑞平
- 许志荣
-
-
杨锡运;
刘雅欣;
马文兵;
邢国通;
高峰
-
-
摘要:
针对风电大规模并网将增加电网调频需求的问题,提出考虑风电不确定性的风电机组同时参与能量市场与调频市场的日前投标方法.分析风电场在2种市场中的收益机制,在调频市场收益中考虑调频性能指标(FRPI),提出调频性能指标的估值方法.分析风电场参与2种市场的投标策略.利用核极限学习机(KELM)和核密度估计(KDE),建立风电功率概率预测模型KELM-PSO-KDE.基于功率概率密度的预测结果,以风电场收益最大为目标函数建立优化模型,利用蚁狮优化(ALO)算法求解该模型,得到风电场同时参与2种市场的日前最优投标功率.风电场真实数据的仿真表明,提出的风电场同时参与2种市场的投标策略,可以使风场侧获得更大收益,有助于缓解电网的调频压力,具有优越性和普适性.
-
-
苏剑涛;
郑书婷;
严干贵;
熊国专;
蔡婷婷
-
-
摘要:
由于风速的随机性、间歇性,以及风电场内各机组风速、功率的分散性,给风功率预测带来了较大难度。在计算风速线性相关的权值基础上,提出了改进模糊C均值聚类算法(fuzzy c-means,FCM)的风速模型,建立了风电场等值风速与改进FCM风速的关系函数。以某风电场实测数据进行验证,结果表明:所提风电功率预测方法算法简单;该方法预测精度提高了71.35%。在该风电场不同日周期下,验证了所提预测方法的有效性和普适性。
-
-
高鹭;
孔繁苗;
张飞;
任晓颖;
张晓琳;
秦岭
-
-
摘要:
针对现有模型预测准确性与稳定性较低的问题,提出一种以BiLSTM为基础的风电功率预测模型。BiLSTM可以很好的处理风电多变量之间的非线性关系,其次采用改进的PSO优化BiLSTM的超参数,并通过AM训练模型的权重。最后采用内蒙古自治区某风电场的历史数据进行提前0~15 min试验。结果表明,提出的IPSO-BiLSTM-AM模型具有较高的预测精度,可以为风电场电力调度与控制提供科学参考。
-
-
杨芮;
文武;
徐虹
-
-
摘要:
可靠的风功率预测对于电力部门制定电力调度计划、维护电网的安全运行具有重要意义。这项任务极富挑战性,因为影响风功率预测准确率的因素较多,如地理因素、环境因素、人为因素等。将环境因素考虑在内,提出一种基于深度学习的组合预测模型PCC-CNN-GRU皮尔逊相关系数法(Pearson correlation coefficient)-卷积神经网络(convolutional neural networks)-门控循环单元(gate recurrent unit)。该模型首先使用皮尔逊相关系数法分析输入数据中不同因素与风功率之间的相关关系,剔除与功率无关的因素,重构新的输入数据并进行归一化处理,并使用一维卷积神经网络对数据的深层特征进行提取,最后将提取的特征送入GRU神经网络进行预测。实验使用新疆某地风场实地采集数据仿真,结果表明,该方法的预测误差最小,预测能力最强。
-
-
刘文斌;
谢丽蓉;
张革荣
-
-
摘要:
风功率时间序列易受到多种因素影响,呈现出高度的随机性和波动性,对电网的安全运行构成了潜在的威胁,因此准确的风功率预测至关重要。针对风电时间序列低预测性问题,提出一种组合变分模态分解(VMD)、和声搜索(HS)算法和最小二乘支持向量机(LSSVM)的短期风功率预测方法。首先采用VMD将风功率时间序列分解为不同模态,减少数据的波动性;然后对各模态分别建立HS⁃LSSVM预测模型,并运用HS优化最小二乘支持向量机相关参数,从而建立VMD⁃HS⁃LSSVM风功率预测模型,提高模型在短尺度时序的预测能力;最后将各模型预测结果进行求和重构。实验结果表明,相比传统预测模型中的仿真结果,文中方法运用在风功率时序预测中具有优越性,能有效提高短期风功率时间序列预测的准确性。
-
-
马宁;
董泽;
冯斌
-
-
摘要:
针对传统短期风功率预测模型在功率变化较大情况下的预测精度不高问题,提出了一种基于信号分解和量子粒子群算法优化核极限学习机的短期风功率预测模型。首先利用经验小波变换将原始风功率序列分解成为若干个模态分量,再利用核极限学习机建立每个模态分量的预测模型,为了提高模型预测精度,采用量子粒子群算法优化核极限学习机参数,最后将每个模态分量预测值相加得到最终的功率预测结果。以实际风电场发电功率为例,并与其他预测模型进行比较,结果表明所提模型具有较高的预测精度。
-
-
崔颢;
马平
-
-
摘要:
在含大规模风电的电力系统中,基于风电存在固有的不确定性问题,提出一种基于优化BP神经网络和非参数估计的风功率短期区间预测模型。通过训练BP神经网络得到短期风功率点预测值并针对在训练过程中对网络的初始值非常依赖这一问题,采用灰狼优化算法优化网络的初始参数;在风功率点预测的基础上,利用非参数核密度估计来描述预测误差的概率分布,构造出某一置信度下的预测区间。选取某一风电场的实际测量数据进行实验,结果证明,所提出的模型具有较好的预测精度。
-
-
孙国强;
项航;
王新居;
侯清民;
索连帅;
马腾飞;
刘建伟;
黄传亮;
王照阳
-
-
摘要:
为提高风功率预测的准确性,本文提出了一种基于注意力机制的CNN-LSTM风功率预测模型。首先进行数据预处理,采用最小二乘法k阶曲线对输入数据进行平滑处理,并对平滑化后的数据归一化;其次,利用卷积神经网络对输入数据特征提取;然后,在传统长短期记忆网络模型中融入注意力机制,进一步从大量信息中提取有用信息,提高模型预测精度。最后,以甘肃省某风电场实测数据为依据进行仿真分析,验证所设计模型的优越性。仿真结果表明,文中模型可以有效降低风功率预测误差。
-
-
李娜;
林宪平
-
-
摘要:
准确的风功率预测可以缓解风电并网对电力系统的负面影响.本文提出一种新的组合模型来提高风电功率预测精度.首先,对特征变量进行时间延迟实现数据重构,利用完全集成经验模态分解(CEEMDAN)将重构后的数据分解为趋势分量和波动分量.其次,利用最大互信息(MIC)选出低维敏感的变量.最后,低维变量输入置信神经网络(DBN)中进行风电功率预测.基于风机实际运行数据的实验结果表明,所建立模型预测结果的MAPE为3.41%,相比于对比模型取得了更高的预测性能.
-
-
王芳;
刘永前
-
-
摘要:
我国是风电大国,但专业软件等目前仍依赖国外。华北电力大学新能源学院教授刘永前表示,可借鉴欧美经验,加强基础研究与自主开发,长期积累,不断完善,逐步增强行业“软实力”。Q:在风电产业发展过程中,智能化会起到哪些作用?能够产生哪些效益?A:智能化已经成为风电产业发展的主要趋势之一。在风功率预测方面,应用各种智能算法,可以显著提高天气预报和风功率预测精度。在海上风电场,智能算法应用于设备状态诊断、运维决策,显著减少了运维工作量与运维成本,成为降低海上风电度电成本,提高海上风电场经济效益的必由之路。
-
-
-
-
杨民;
宾世杨
- 《全国风力发电技术协作网第九届年会》
| 2015年
-
摘要:
为了合理地利用风电,提高电力系统经济性,需要对风电场输出功率进行预测,以初步建立的风功率预测平台为基础,对降尺度风场建模进行校正;对不同的统计学方法在风场发电功率预测校正实际效果的优化程度进行比较和验证;根据研究分析结果用于现有风功率预测平台的技术升级,提高预测准确率.
-
-
黄佐伟
- 《2015年风电场信息化智能化专题研讨会》
| 2015年
-
摘要:
风电场输出功率的波动性和对无功电量的需求会对电网带来不利的影响.随着我国各个千万千瓦级风电基地不断地建设完成并逐步投运,风电场实现可控运行将逐渐成为大型风电场并网运行的发展趋势.风电场可控运行的关键技术是风电场的有功功率控制和无功功率控制,本文在介绍风电机组功率控制方法的基础上,结合风电场风功率预测系统综述风电场的有功控制和无功控制策略.
-
-
梅春晓;
沙济通;
李晧
- 《2015年风电场信息化智能化专题研讨会》
| 2015年
-
摘要:
大数据技术的发展为电力系统数据统计分析提供了新的发展契机,掌握电力大数据的关键技术对电力行业的发展,特别是风电行业的发展有着无比重要的意义.本文通过阐述对大数据的特点和大数据处理技术,针对风功率预测、故障定位等几个风电行业重难点领域分析出可以借助大数据实现技术的突破.大数据早期主要应用于商业、金融等领域,后逐渐扩展到交通、医疗、能源等领域,电力系统被看作是大数据应用的重要技术领域之一。目前大数据技术的发展依然处于发展阶段,特别是在电力系统的应用尚处于起步阶段。针对电力系统设备数据运行特点以及数据计算架构有助于建立电力系统大数据模型,为日后智能电网的建设带来技术支持。
-
-
王海洋
- 《2015年风电场信息化智能化专题研讨会》
| 2015年
-
摘要:
风能已经成为目前国内最具潜力和活力的新能源之一,风力发电作为一种清洁的可再生的发电形式,近几年来发展迅猛.但是由于风力发电的输出功率的不稳定性,使得其大量并网的难度增大,安全性和可靠性得不到保障,从而制约了风电的大面积推广应用.因此对风电的输出功率的预测显得尤为重要.研究出一种准确、有效的风电功率预测系统可以将风力发电的应用提升到一个新的高度,具有重要的意义和深远的影响.在国内,风力发电处于一个飞速发展的阶段,相对应的预测方法研究却尚处于起步阶段,因此风电功率的预测研究在国内需求更加迫切.本文总结了当前普遍采用的对于风电功率进行短期预测的一些方法,如持续预测法、人工智能法、数值预测法等,归纳了其预测原理,分析了其中仍存在的问题,并对以后的研究提出一些建议与措施.
-
-
杨晓雷;
郭磊;
张涛;
孙晓伟
- 《第十届电力工业企业节能减排学术研讨会》
| 2015年
-
摘要:
准确的风功率预测可以提高风电场的穿透功率,优化电网调度,提高电力系统运行稳定性.预测方法的选择与预测模型参数的优化对于风电场功率预测的准确性至关重要.最小二乘支持向量机预测模型采用网格搜索法进行参数寻优的精确度较差,为提高准确性,本文采用基于全局搜索的粒子群算法对最小二乘支持向量机中影响回归性能的参数进行优化,以历史风速和历史功率数据作为输入,以风电场短期功率作为输出建立风电场短期功率预测模型(PSO-LSSVM).并将PSO-LSSVM预测模型与前馈(BP)神经网络模型和LSSVM预测模型的预测结果采用多种误差指标进行对比,仿真结果表明PSO-LSSVM预测模型可以提高预测的准确性和鲁棒性,是一种有效的风电场短期功率预测方法.
-
-
-
周洪涛;
杨贤勇;
刘双
- 《中国电机工程学会电力系统自动化专业委员会2012年学术交流会》
| 2012年
-
摘要:
风电场群远程集中监控系统是将大量分散于各地的风力发电场进行集中的远程控制与管理,监控系统通过对接入风场重点区域的视频监控,风机运行监控,变压站的运行监控等方式对风场实现全面的远程监控管理.探讨了风电场群远程监控系统功能设计和信息采集、传输、风功率预测的技术实现.介绍了系统部分功能在某新能源公司的控制中心的投入运行.
-
-
梅春晓;
沙济通;
李皓
- 《全国风力发电技术协作网第九届年会》
| 2015年
-
摘要:
大数据技术的发展为电力系统数据统计分析提供了新的发展契机,掌握电力大数据的关键技术对电力行业的发展,特别是风电行业的发展有着无比重要的意义.本文通过阐述对大数据的特点和大数据处理技术,针对3个风电行业重难点领域分析出可以借助大数据实现技术的突破.大数据在电力行业的广泛应用必然能够为电力行业带来重大变革.