风功率预测

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.

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。

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。

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。

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。

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。

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。

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。

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.

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。

摘要： 为了提高复杂地形下风电场短期风功率预测的准确度,提出一种基于多级BP神经网络模型的风功率预测方法.结合统计方法与物理方法,对风电场内单点风速、功率及全场功率进行预测.首先建立基于测风塔历史数据的BP神经网络模型,预测出测风塔处t时刻风速vt1利用风电场计算流体力学模型推算出各个机组位置处t时刻风速Vt2;然后建立Vt2与单台机组功率输出的BP神经网络映射关系;最后利用BP神经网络预测出全风电场功率输出值.实际案例结果表明,该方法有效可行且满足电网调度要求.

摘要： 随着风电并网容量迅速的增加,风电与风功率系统的联系也越来越密切,考虑到风能各种不稳定因素引起风电送出负荷的变化给整个电力系统的电能质量、安全稳定运行和经济效益带来的不利影响.因此,进行风电功率预测具有十分重要的意义.

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.

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.

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。

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.

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.

摘要： 由于风电出力具有随机性和间歇性,大规模风电接入给传统的电力系统调度运行带来新的挑战.风功率预测精度一定程度上不能满足实际要求,因此文章归纳国内外相关研究成果,并分别从两个方面展开论述,首先论述风电场与常规机组联合调度的模型,包括风电确定性模型和风电不确定性模型,概述了当前的建模方法,并对常用的算法进行总结,然后介绍储能技术及其发展状况,对风电场与储能设备协调配合抑制风电场出力波动的研究进行详细介绍.文章最后为考虑大规模并网风电场的发电调度进一步研究提出了意见和建议.

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.

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.

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： 本发明公开了一种基于风功率纵向时刻概率分布的风功率预测值预评估方法，具体步骤如下：1）根据每天同一时刻的风电场出力值及其概率分布结果拟合得到纵向时刻概率分布分段函数；2）采用时间序列模型中的自回归-滑动平均模型（ARMA模型）进行风功率预测，从而获得预测值；3）风功率预测值的预评估：由纵向时刻概率分布分段函数确定预测值出现的概率或者通过设置不同置信水平确定预测值的可信度，从而在真实值出现之前实现对预测值的预评估，调度部门可根据预测值的出现概率及其可信度对预测值进行合理的评判与取舍。

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： 本发明涉及一种基于风功率预测测风塔的风电机组功率曲线验证方法，不单独安装测风塔，利用风电场内已设立风功率预测测风塔数据，以期得到风电机组的自由流风速，进而对风电场风电机组的功率曲线进行验证。通过对风功率预测风向数据的矢量处理，充分保障风电场风向计算合理性，其风向数据更真实的反映风电场风向特征。引入风电机组的风速衰减因子Cwake，在充分利用风电场Scada记录的风电机组实时数据，可以更真实地计算风电机组的自由流风速，表现其实际运行风况特征；引入风电机组的湍流强度计算公式，以期得到近似的地形动态特征。

摘要： 本发明公开了一种基于风功率纵向时刻概率分布的风功率预测值预评估方法，具体步骤如下：1）根据每天同一时刻的风电场出力值及其概率分布结果拟合得到纵向时刻概率分布分段函数；2）采用时间序列模型中的自回归-滑动平均模型（ARMA模型）进行风功率预测，从而获得预测值；3）风功率预测值的预评估：由纵向时刻概率分布分段函数确定预测值出现的概率或者通过设置不同置信水平确定预测值的可信度，从而在真实值出现之前实现对预测值的预评估，调度部门可根据预测值的出现概率及其可信度对预测值进行合理的评判与取舍。

摘要： 本发明公开了一种基于声波雷达测风的风功率预测系统，还公开了一种基于声波雷达测风的风功率预测系统的预测方法，涉及电力系统技术领域，其包括声波雷达、北斗卫星、北斗服务平台和管理后台，声波雷达用于探测和收集风速风向等信息并处理后通过北斗传输的方式发送给北斗卫星，且北斗服务平台配置有接收和发送数据信息的应用模块，且将处理后的数据信息通过互联网传输给管理后台。本系统可实现稳定可靠的数据传输，通过计算多组偏差值，且利用测量任意12个高度层内的风速风向信息从而进行随机多次对比，找到预测数据与实际数据之间的关系，且将其绘制成风廓线，最后再通过计算每个方向的径向风速和功率，得出总预测功率，实现准确预测。

摘要： 本申请实施例公开了一种定制化风功率预测方法、预测装置、测风装置、设备和存储介质，该方法包括：根据目标风电场的地理和地形位置信息、各个风机的位置，以及，各个风机与其他风机的间距，将所述目标风电场划分为各个区域；针对每个区域，获取典型位置点的风速数据和风向数据，其中，所述每个典型位置点设置有对应的测风装置；应用流场分析技术，将各个区域的典型位置点的风速数据和风向数据传输到对应的风机上，以指示所述风机预测当前风电场的功率。提高了风电场中风功率短期预测的精度，以便电力部门能够提前根据风功率变化即时调整调度计划，保证电能质量，减少系统的备用容量，降低电力系统的运行成本。

摘要： 本实用新型涉及风电并网技术领域，具体地说，涉及基于风电并网系统的可短期预测风功率预测装置，包括底座，底座上表面中心位置设有转筒，转筒上方设有支撑柱，支撑柱顶部设有顶帽，风扇的中心位置设有转轴，转轴中间位置设有从动转盘，底板下表面安装有转速电机，转速电机的输出轴上套设有主动转盘，主动转盘与从动转盘通过履带连接，控制台上安装有显示屏；该基于风电并网系统的可短期预测风功率预测装置，转筒有助于支撑柱在转筒中转动，在转筒上通过紧固螺栓对圆环进行位置的固定，防止偏移，风扇在转轴与轴承的配合下与顶帽转动连接，转轴在从动转盘与主动转盘配合下，与转速电机连动组合，转速电机通过数据线与外界的控制台连接。