功率预测

摘要： 针对单一气象预报源可能存在的误报和偏差问题,提出一种基于多源气象预报总辐照度修正的光伏功率短期预测方法。根据功率序列特征,采用自组织映射神经网络聚类算法实现历史数据广义天气类型划分。按照晴朗程度实现广义天气类型与公共气象服务天气类型预报的匹配对应,并计算不同广义天气类型总辐照度各等级之间的折算系数。在计算各广义天气类型系统误差的基础上,如果预测日数值天气预报广义天气类型分类结果与公共气象服务天气类型预报的一致,则叠加修正总辐照度系统误差;否则,采用树扩展朴素贝叶斯算法计算2种广义天气类型的转移概率,在修正系统误差后利用折算系数计算公共气象服务天气类型预报对应广义天气类型的总辐照度序列,并根据转移概率设定权重系数进一步修正总辐照度序列。建立预测模型,基于遗传算法优化的反向传播神经网络获得光伏功率短期预测结果。利用某光伏电站的实际运行数据和气象预报数据验证了模型的有效性。

摘要： 提出了将LSTM神经网络作为基础的光伏发电功率预测方法,在天气类型为晴朗天气的时候具有良好的预测结果,和传统方法对比精度提升13%左右。

摘要： 为了提高光伏电站短期预测功率的精度,提出一种基于相似日原理和改进CPSO-Elman神经网络模型的光伏电站短期功率预测方法。将历史运行数据按照时长划分不同季节,采用欧式距离对天气类型进行处理并建立天气类型系数,通过灰色关联分析法和余弦相似度指标结合选取相似日。由于粒子群算法搜索速度慢且存在易早熟等缺陷,采用改进混沌粒子群(CPSO)来优化Elman神经网络的权值和阈值,对夏季不同天气类型条件下的短期功率分别预测。选用南疆某光伏电站2020年运行数据进行分析,结果表明:CPSO-Elman在非晴天条件下也具有较高的预测精度。

摘要： 准确预测光伏发电功率有利于并网后电网调度管理,现阶段光伏发电功率预测存在精度较低和对不同天气类型的适应性弱的问题。探索了一种相似日与免疫遗传神经网络(IGA-BP)结合的预测方法:基于天气类型、温度及风速,结合灰色关联度和余弦相似度指标构建气象相似日判别模型;以相似日气象特征向量为输入,建立IGA-BP功率预测模型。利用实测数据对比分析所提IGA-BP模型与GA-BP、BP模型的预测精度,结果为:在不同天气类型下IGA-BP模型具有较高精度,其RMSE平均值为14.142%,TIC平均值为0.017 58,均优于其他对比模型。表明IGA-BP模型能够提高功率预测精度,且具有较高的适应性。

摘要： 光电功率预测对电网的安全稳定运行以及调度等方面具有重要意义。针对单一预测方法精度较低的问题,提出了一种基于交叉熵理论的光伏发电功率组合预测方法,以单一预测方法和最小化组合预测方法的“差值”为依据,动态地改变不同预测方法的权重,提高组合预测的精度。以某光伏电场为算例进行分析,结果表明,该模型针对不同的天气,具有较强的预测适应性,可以提高预测精度,减少预测误差的出现。

摘要： 阐述新能源风力发电技术的特点,风力发电技术的发展趋势,包括风功率预测技术、风电机组功率调节技术、大容量风电系统、并网技术与最大风能捕获技术。

摘要： 随着能源转型的不断推进,风电与光伏发电站的数量不断增多。但风电和光伏属于随机波动的不稳定能源,大规模的风电与光伏并入大电网,必然会影响大电网的稳定性。电力生产调度系统需要对未来一段时间内的风功率和光伏功率进行预测,以合理分配发电设备的出力,确保大电网稳定可靠运行。长短期记忆网络是一种循环神经网络,能够充分利用一段时间内的数据进行学习,并对未来功率做出预测。本文对输入的气象数据进行优化处理,提高数据的时间特性,能够提升风电和光伏功率预测的准确性。

摘要： 为精确预测风电设备发电功率,使油田电网自建风电机组发电功率与实际用电负荷达到最佳匹配效果,提出了自适应噪声完备集合经验模态分解(CEEMDAN, Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)和时间卷积网络(TCN,Temporal Convolutional Network)的风电功率短期预测模型。利用CEEMDAN算法将风电功率序列进行分解,将分解之后的结果与选用的历史风速、历史风向、温湿度等一起作为时间卷积网络模型输入变量,并采用归一化方法消除各变量间量纲差异,得到各自对应分量的预测值,最后将各预测分量叠加重构得到最终功率预测序列。为验证所提模型的预测精度,将其与经典算法对比分析,获得较为精确的风电设备发电功率数据,为油田电网分布式风电机组容量最优配置提供了重要参考。

摘要： 提高风电功率预测准确率对风电场和电力系统的稳定运行都具有重要意义。风机偏航系统理论上可使得风机叶片自动适应环境风向的变化,但风向偏差角仍普遍存在。应用国电集团江西省某风电场的实测数据,分析了风向偏差角的分布特征及其对风机输出功率的影响。结果表明:风向偏差角具有显著的正态分布特征及日变化规律,当风速一定时,风向偏差角越大,则风机输出功率越小。进一步将风向偏差角引入预测模型,发现可有效提升风电功率预测的准确性,预测相关系数提升0.9%,均方根误差降低7.9%、平均绝对误差降低8.6%,表明在风电功率预测模型中,考虑风向偏差角的影响具有积极意义。

摘要： 基于参数辨识技术对光伏组件进行辨识可以快速准确地得到光伏组件的模型情况,这对光伏阵列的功率计算、最大功率点跟踪和故障排除等都具有十分积极的作用,然而光伏组件数据的监控测点多、数据大且复杂,传统的参数辨识方法在搜索过程中灵活度较差,难以满足精确度需求。基于光伏组件数学模型,针对传统智能算法精确度低和易陷入局部最优解等问题,提出禁忌搜索算法和果蝇算法结合(TS-FOA)的参数辨识方法。TS-FOA算法进行了两种算法的融合:引入FOA算法,保证前期全局搜索能力,实现初期搜索的快速迭代;引入TS概念对传统FOA算法进行优化,进一步减少迭代时间,并可以避免迭代后期陷入局部最优解的问题,提升寻优效率。在算例分析中,使用光伏电站测试数据,验证该算法在实际工程中的适用性,同时与其他基础算法进行多方面对比,结果表明TS-FOA相较于传统算法能提供更加精准、快速的参数辨识效果。

摘要： 风电功率预测是整个风电运行与控制体系的基础支撑技术模块.基于功率预测误差的修正结果,提出了一种风电场日前有功出力分布的估计方法.首先验证了风电功率的预测误差水平受到风速大小的三次方、风电功率的峰度、风电功率的大小和功率预测相关性等多个因素的影响;然后利用多元线性回归法建立风电功率预测误差的估计模型,并对风电场日前的点功率预测值进行修正;最后利用广义误差分布模型估计出风电出力的上下限.以华北地区某座风电场作为测试算例进行分析,验证了该出力分布估计方法的有效性.

摘要： 基于中尺度数值预报模式和微尺度计算流体力学模式(CFD),建立了复杂地形风电场短期风电功率预测系统.该系统能够预测复杂地形风电场中每台风电机组发电量,提高了复杂地形风场发电功率预测准确率.试验表明,2016年3月风电场短期风电功率预测系统预测相对误差为18.3％,满足中国国家电网对风电功率预测误差和时效性的业务要求.

摘要： 本文针对国外投运的风功率预测系统软件作了综合对照表,简要叙述了国内的风功率预测技术发展现状.针对常规的风功率预测精度低的问题,总结了改进方法.

摘要： 风电是一种间歇性、波动性电源.随着风电技术的日渐成熟,风电并网容量大幅增加,大规模的风电并网对电力系统的影响日益明显,大幅度的风电功率波动会对电网的功率平衡和频率调节带来不利影响.因此,风电功率预测对电力系统的调度和安全运行有着重要的意义.本文基于灰色理论,建立了风功率的预测模型,并对预测结果中的不良数据进行修正.最后根据某风电场数据,进行了仿真验证.仿真结果显示,预测结果基本满足要求.

摘要： 提高风速预测的精度,可以减少风电对电网带来的影响,同时提高风电的可利用率.本文引入了一种新型风电功率预测模型,提高了风电功率预测的精度.该模型以预测误差的平方作为约束信息,模拟退火可以防止算法陷入局部最优,而自适应遗传算法可以保持种群多样性.通过与三种单一模型和两种组合模型对一个实际风电场功率预测的对比,结果表明,新模型具有较高的精度和实用性.

摘要： 本文考虑大数据下风电场实际运行数据存在异质值,利用IPSO优化模糊C均值和PSR-KELM的组合模型预测风速.首先,利用IPSO优化之后的模糊C均值计算模糊隶属度并对风电场的实际运行数据进行分类,完成模糊样本的形成;其次,利用IPSO对PSR-KELM模型的四参数(τ,m,γ,σ)进行优化;最后,基于IPSO优化模糊PSR-KELM模型预测风速.将预测的风速映射到基于改进移动平均平滑算法滤除异质值后得到的风速-功率曲线上,实现功率预测.以晋北风场作为实例,通过分析其现场实际运行数据可知,与四参数优化的PSR-KELM模型、模糊四参数优化的PSR-KELM模型相比,基于IPSO优化模糊PSR-KELM模型克服传统模糊C均值聚类算法因不易选取聚类中心而难以准确聚类的缺陷,避免大数据下异质值对风速预测模型的影响,将模糊训练样本输入PSR-KELM四参数优化模型,实现更加准确的风速预测.且提出改进移动平均平滑算法可以有效滤除异质值,拟合出更接近风电场实际运行状况的风速-功率曲线.

摘要： 为缓解风光等新能源并网消纳问题,将集控系统应用于风光水多能源电站群,利用风光水资源互补性实现资源的有效整合,推进能源的综合开发.详细分析了风光水互补发电集控系统的主要功能需求,在功率预测系统、水调自动化系统的基础上提出了风光水多能源综合优化运行,实现多目标风光水互补优化运行调控,提高风光水多能源电站群的安全经济运行水平.分析了监控数据流程,在此基础上,提出了集控系统总体架构,采用分层分布式体系结构,1+N多冗余设计,并从安全性、可靠性、实用性等方面提出了集控系统软硬件配置.设计研究可为解决新能源安全稳定经济并网运行提供较好的技术支撑,为类似工程设计提供参考.

摘要： 主要介绍了光伏发电工程咨询以及电池组件和系统的设计优化；光/风功率的预测以及对接电网调度等方面的内容。

摘要： 主要介绍了光伏发电工程咨询以及电池组件和系统的设计优化；光/风功率的预测以及对接电网调度等方面的内容。

摘要： 主要介绍了光伏发电工程咨询以及电池组件和系统的设计优化；光/风功率的预测以及对接电网调度等方面的内容。

摘要： 本发明公开了一种电池功率预测模型生成方法及系统、功率预测方法及系统，生成方法包括以下步骤：S1、获取训练样本集中每个样本电池的功率特性数据，功率特性数据包括所述样本电池的每次充放电的放电功率数据；S2、对功率特性数据进行预处理以生成对应的功率数据矩阵；S3、使用所述训练样本集中所述样本电池的功率数据矩阵对卷积神经网络算法进行模型训练，以生成电池功率的预测模型。本发明使用卷积神经网络算法对输入的功率数据矩阵进行多层的降维及特征提取，能够得出电池功率的预测模型。使用该预测模型能够对待预测的动力电池尤其是退役动力电池进行功率预测，根据功率预测的结果能够实现对待预测的电池的全生命周期预测及实时监控。

摘要： 本发明提供了一种利用空间多点功率预测特征的风功率集成预测方法及装置，方法包括将数值天气预报多个格点的气象预报结果分别输入功率预测模型中，再结合历史输出功率进行集成建模，最终实现集成功率预测。本发明通过结合不同格点数值天气预报(NWP)气象预测结果，获得空间多点功率预测特征，充分反映新能源场站功率未来趋势变化的可能性，避免了以往用单个NWP格点预测结果可能由于反应气象变化不够全面而影响功率预测精度的缺点，本发明充分利用了不同格点的气象预测特征，更加全面反应新能源场站气象条件的变化对功率预测的影响，从而提高新能源预测的准确性。

摘要： 本发明提供了一种风功率预测模型训练方法、风功率预测方法、装置及介质，训练方法包括：获取风机的时序风机数据和所述风机所在风场的气象数值数据，所述气象数值数据表示所述风场的气象数据，所述时序风机数据表示按照时间排序的风机数据；基于自注意力机制对所述时序风机数据进行特征提取，获得第一特征数据，并基于交叉注意力机制对所述气象数值数据进行特征提取，获得第二特征数据；融合所述第一特征数据和所述第二特征数据，获得训练数据；采用所述训练数据训练预先构建的深度神经网络，获得风功率预测模型。本发明的技术方案提高了风功率预测的准确性。

摘要： 本申请涉及风电功率预测模型的训练和功率预测的方法、装置和设备，包括：获取历史不同采样点对应原始风电功率序列并进行奇异值分解，根据不同奇异值对应能量贡献值，从所述原始风电功率序列中分解出多个与模态对应风电功率子序列；对各模态风电功率子序列采用滑动窗口取数据，得到各模态窗口数据，并从各模态窗口数据中划分出训练集；采用分布式计算方式，将各模态训练集中窗口数据输入TCN模型进行单模态特征向量提取；利用SVM预测模型根据各单模态特征向量进行单模态下的功率预测，根据各模态下损失函数，调整SVM预测模型及对应模态TCN模型参数。解决现有风电功率预测中应对复杂状况时，存在的预测精度不高的技术问题。

摘要： 本发明提供了一种功率预测模型建立方法、功率预测方法及装置，功率预测模型建立方法包括：获取标定区域内各个分布式光伏电站的历史发电功率和至少一个气象站采集的历史气象数据；根据所述历史气象数据和所述历史发电功率在所有所述气象站中确定参考气象站，确定所述参考气象站对应的所述历史气象数据与区域历史总功率之间的相关性参数，所述区域历史总功率为所有所述历史发电功率之和；基于所述相关性参数，根据所述历史气象数据和所述历史发电功率建立功率预测模型。本发明的技术方案中，建立功率预测模型用于预测标定区域的发电功率，简单便捷，实用高效，适用范围广。

摘要： 本发明公开了一种光伏发电功率预测模型的构建方法及功率预测方法、计算机设备及存储介质，其中构建方法包括：构建光伏发电功率预测的初始功率预测模型；获取光伏发电数据的训练样本，采用鸟群优化算法对初始功率预测模型进行优化训练，得到优化后的功率预测模型；获取光伏发电数据的验证样本，利用验证样本对优化后的功率预测模型的预测效果进行验证，本发明通过利用该预测模型可以对区域分布式光伏发电理论功率进行精确评估。

摘要： 本发明公开了一种电池功率预测模型生成方法及系统、功率预测方法及系统，生成方法包括以下步骤：S1、获取训练样本集中每个样本电池的功率特性数据，功率特性数据包括所述样本电池的每次充放电的放电功率数据；S2、对功率特性数据进行预处理以生成对应的功率数据矩阵；S3、使用所述训练样本集中所述样本电池的功率数据矩阵对卷积神经网络算法进行模型训练，以生成电池功率的预测模型。本发明使用卷积神经网络算法对输入的功率数据矩阵进行多层的降维及特征提取，能够得出电池功率的预测模型。使用该预测模型能够对待预测的动力电池尤其是退役动力电池进行功率预测，根据功率预测的结果能够实现对待预测的电池的全生命周期预测及实时监控。

摘要： 本发明提供了一种利用空间多点功率预测特征的风功率集成预测方法及装置，方法包括将数值天气预报多个格点的气象预报结果分别输入功率预测模型中，再结合历史输出功率进行集成建模，最终实现集成功率预测。本发明通过结合不同格点数值天气预报(NWP)气象预测结果，获得空间多点功率预测特征，充分反映新能源场站功率未来趋势变化的可能性，避免了以往用单个NWP格点预测结果可能由于反应气象变化不够全面而影响功率预测精度的缺点，本发明充分利用了不同格点的气象预测特征，更加全面反应新能源场站气象条件的变化对功率预测的影响，从而提高新能源预测的准确性。

摘要： 一种考虑功率预测的风电场功率型储能配置方法，建立储能优化模型，针对储能优化模型进行求解优化；结合储能设备成本与寿命、风电场年收益构建储能优化模型；储能优化模型进行求解优化后配置合适的储能输出功率；建立储能优化配置模型，使得风电场通过储能辅助运行，减少功率考核费用损失，提升风电场经济效益。

摘要： 本申请涉及电力技术领域，提供了一种基于气象‑功率特性的新能源功率预测限电数据识别方法、装置、计算机设备、存储介质和计算机程序产品。本申请能够实现提高限电数据识别的准确性和效率。该方法包括：获取待识别的历史功率数据和历史功率数据对应的历史气象数据，将历史气象数据划分为多个历史气象数据区间，将历史功率数据分配到对应的历史气象数据区间中，对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合，得到各历史气象数据区间中对应的历史功率数据的合理分布范围，将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。