风电功率

摘要： 为解决风电功率预测过程中面临的风电数据量大且复杂化以及如何提高预测精度的问题,基于堆叠稀疏降噪自动编码器提出地区风电场群高精度超短期风电功率预测方法。该方法采用自编码器对输入风电功率数据进行降维提取特征,为进一步增强自动编码器的抗干扰性,对其引入稀疏性约束和降噪技术。该方法能够有效降低数据的解析难度和提高特征提取的可靠性。通过实际算例验证,该预测方法可有效提高多风电场功率预测的精度。

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： 为提高风电功率短期预测的准确性,针对KNN(K-Nearest neighbor algorithm)算法在风电功率预测中的不足,提出了基于K-means和改进KNN算法的风电功率短期预测方法;利用K-means聚类方法确定风电历史样本的类别,对KNN算法中搜索相似历史样本集的方式进行了改进和优化,构建了预测模型,并采用C/S架构实现了预测系统的设计;该系统具有自修正功能,能够随着预测次数的增加,不断修正预测模型,逐渐降低预测的误差率;以吉林省某风电场历史数据为样本进行了仿真分析,结果显示该算法与其它算法相比平均绝对误差和均方根误差最大下降1.08%和0.48%,运算时间提升了5.45%,在风电功率超短期多步预测中具有推广应用价值。

摘要： 为有效解决风电出力不确定性导致的机组组合问题,基于非参数核密度估计风电功率预测误差概率密度分布,提出一种日前-实时阶段的双层优化模型。首先,基于风电功率预测误差概率密度分布,构建风电功率上下波动域。其次,建立非参数核密度估计风电最佳置信水平的双层优化模型,上层以风电-火电协同运行成本最小为目标,下层以风电和火电输出功率控制偏差最小为目标,并通过CPLEX求解器进行模型求解。最后,在改进的IEEE 30节点和改进的IEEE 118节点系统中,采用中国新疆地区某风电场实际数据进行验证。实验结果表明,文中所提模型可以降低系统运行成本,并且可以协调风电和火电的实时输出功率,抑制风电场有功功率波动。

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： 针对目前国内风电场功率预测过程中预测模型训练缺少大量历史数据导致预测性能不佳的问题,提出了一种基于小样本学习(FSL)和生成对抗网络(GAN)模型方法,扩充样本数据集的同时提高风电预测模型的性能。同时针对传统生成对抗网络模型无法处理回归问题的情况,提出了改进-生产对抗网络(GR-GAN)的模型,使其可以在有限的样本条件下实现风电功率预测回归。通过使用新疆和内蒙地区风电场的历史发电量数据集进行验证,结果表明与原始生成对抗网络(Original-RGAN)、支持向量回归(SVR)、长短期记忆(LSTM)3种基线方法相比,GR-GAN模型预测效果较好,并且在较少输入样本时表现出较小的预测误差。

摘要： 准确的风电功率预测对电力系统的安全稳定运行十分重要。从风功率统计特征出发,提出进行风电功率超短期预测的动态谐波回归方法。首先利用风电功率与不同高度风速的三次函数关系构建回归模型;然后采用自回归移动平均模型(autoregressive integrated moving average model,ARIMA)对回归的残差建模来充分利用风电功率时间序列的历史信息;最后针对风电功率的日季节性特点,引入傅里叶级数形成最终预测模型。经风电场实际数据计算验证表明,该方法有效弥补了ARIMA方法和回归方法的不足,减小了风电预测均方根误差(root mean squared error,RMSE),提高了风电预测精度。通过和持续法、ARIMA 2种现有预测方法比较,验证了所提模型具有更高的预测精度,说明该方法具有一定的实际应用价值。

摘要： 海上风电出力变化范围大,且具有随机性。同时,海上风能一般春季、冬季较大,夏季、秋季较小,后半夜负荷低谷时段大,呈现明显的反调峰特性。大规模海上风电场接入电网运行时,风电功率的波动性会影响电网的频率及功率平衡。海上风电需要一定容量的储能系统,来实现平滑功率输出、跟踪计划出力、电力系统削峰填谷等。

摘要： 针对含风电场的配电网谐波谐振进行研究,对于确保电网正常运行有重要意义,但传统的研究方法在风电功率转化率和风电功率稳定性这两方面研究较少,针对这一问题,基于风电功率特性对含风电场的配电网谐波谐振进行研究。分析含风电场的配电网谐波的产生原因,通过构建谐波产生途径来明确谐波走向,建立谐波传播模型,分别为GSC传播模型和RSC传播模型;根据建立的模型,对谐振特性进行判断,综合分析含风电场的配电网中谐振的危害,给出了抑制谐振影响的方法。为检测研究方法的效果,设定实验,结果表明:随着谐波、谐振的强度逐渐增大,风电功率的转化率与稳定性都会随之降低。

摘要： 为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将(weather research and forecasting,WRF)模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而建立了一套陕北风电场短期风电功率预测模型。以陕北靖边某风电场为例,预测结果表明:所提模型年平均预测准确率伟15.7%;月平均归一化均方根误差在20%以下。模型对风电场风电功率预测精度较好。

摘要： 本文中提出了基于堆叠自动编码机(SDAE)的风电功率预测方法,建立了多组数值天气预报(NWP)为输入、多台机组功率为输出的深度学习模型.一方面改变了传统预测模型一对一映射的学习结构,增加了预测模型的输入信息,可以实现对大规模风电场或复杂地形风电场中流场相关性与机组出力相关性的描述;另一方面采用深度学习算法提升了传统预测算法对大数据特征的学习能力.以中国北方某风电场运行数据为例进行算例分析.结果表明:对比多种常规建模方式和主流算法,该模型均方根误差最小(15.4％),与实测功率的相关性为81.4％,具备对功率波动较强的追踪能力.

摘要： 为充分利用送、受端电网的调峰能力,连接两个交流电网的风火打捆直流输电线路采取跟随送端风电功率波动而调整的策略时,其波动的幅值需要根据受端电网的调节能力而确定.本文在综合考虑电网旋转备用成本与弃风成本的基础上,通过多个场景模拟电力负荷及风电出力,利用CPLEX进行求解,得到24小时内电网开机的最优方式和直流传输的最优潮流,即合理的旋转备用容量.

摘要： 准确的风电功率预测能够解决风电变化带来的困扰,对提高电力系统运行的安全稳定性、风电接纳能力和降低运行的费用等具有重要意义.基于此,本文提出一种新的方法,利用经验Copula函数的相关性进行风电功率预测.该方法只需基于历史风电功率数据进行统计,当已知上一时刻风电功率,就能够得出下一时刻风电功率的大小及变化范围.实验结果表明,该方法在一定条件下,能够较好的实现风电功率预测,为风电功率预测提供一种新的途径.

摘要： 风电具有显著的不稳定性、反调峰性和随机性,因此风电接入电网需要由准确的预测技术作为基础.目前由于风电并网的困难,产生了大量的弃风现象,浪费了大量的可在生能源.将自回归移动平均模型(ARMA)和BP神经网络模型相结合,克服了预测下一预测点的风电功率值收敛速度缓慢的问题.通过对吉林省某风电场的数据进行实证分析和验证,证明了所提模型的科学性和可操作性,为风电功率的预测提供了一个新的研究方法.

摘要： 风电具有很大的随机性、间歇性和不可控性,大容量的风电接入电网将会对电力系统安全、稳定运行带来严峻的挑战,若能对风电场的风场进行短期预报,将是解决这一问题的有效途径.利用中尺度数值模式与风电功率统计预报模型,构建了山西省风电功率短期预报系统.通过模拟发现,预报的发电量与实际电量一致性和相关性较好,可以满足风电场风电功率预报的服务要求.

摘要： 风电功率是电网规划运行中不可忽视的随机输入变量,如果忽略变量间的相关性可能会低估系统的不确定性和运行风险.为此首先分析了风电功率间的非线性特点和尾部特征,鉴于传统相关性分析无法刻画尾部特征的缺点,提出了利用混合copula函数建模分析风电功率的方法.该方法依据风电功率测量数据的相关结构,以线性加权的方式构造能够描述不对称尾部特征的混合copula函数,并利用EM方法对相关参数进行估计,研究结果表明混合copula函数能够很好的刻画风电功率间的不对称尾部特性,同时基于copula函数相关性测度理论能够方便的求取风电功率间的非线性和尾部相关系数.

摘要： 风电功率爬坡事件越来越影响风机在电网中的运行,随之而来的爬坡事件预测问题成为国内外新的研究热点.综述了风电功率爬坡事件的研究背景、定义和特征,建立了考虑频率偏差量的含风机的准稳态潮流计算模型,将频率偏差量和滑差修正量引入到雅克比矩阵中进行含风机的潮流计算,采用了两种频率偏差指标PRESF指标和APRESF指标对爬坡事件进行预测.将所提预测模型应用于5节点和10机39节点系统进行算例仿真,对结果加以对比分析,验证了方法的有效性.

摘要： 负荷侧资源参与电网的有功调度在提高风电接纳能力方面存在着巨大潜力,但会对调度系统带来复杂的控制问题.为解决这一问题,本文提出了多时间尺度协调的源-荷互动调度.首先,建立了“多级协调、逐级细化”的多时间尺度源荷调度总体框架,将负荷调度的整个过程分为4个时间尺度,包括日前24h负荷调控、日内1h负荷调控、日内15min负荷调控和实时负荷调控;其次,研究了风电功率预测不确定性模型、负荷代理决策模型和调度控制中心决策模型;然后,在这几个核心模型的基础上,探讨了多时间尺度“源-网-荷”协调调控策略,给出了计及风电不确定性的负荷调整量的决策计算方法;最后,在某地区实际电网算例上进行了仿真验证,结果表明,本文所设计的负荷调度模型可以充分利用不同时间尺度上的负荷资源,有效平衡风电功率波动.

摘要： 为了改善风电场出力特性,本文提出了一种新的电池储能平抑风电短期功率波动的运行控制策略—超前控制策略.超前控制策略基于当前的简单控制策略,考虑了未来的风电出力波动对储能的当前充放电行为的影响,是一种具有前瞻性的方法.在超前控制策略中,引进了风电预测可信周期的概念,并采用滚动规划法实现电池储能的动态控制.该方法可降低储能电池SOC状态限制对充放电行为的影响,可有效提高储能电池的利用效率.利用该运行控制策略对某大型风电场与电池储能联合运行的出力特性进行了研究,结果证明了模型的有效性.

摘要： 本文介绍了满井风电场风功率预测精度的提升措施技术特点,今年二季度以来经过气象选择优化、参考风电场实际地形影响、针对性的模型调整以及数据订正后,风电场短期功率预测精度得到明显提升.

摘要： 本申请涉及电功率控制装置和电功率控制装置中的电功率计算方法。电动机驱动装置包括电池(10)；以斩波控制被操作的串联连接的开关元件(15、16)与电容器(C2)并联连接，电容器(C2)具有由电池电压的升高动作引起的电压(Vdc)；电抗器(L2)，电抗器的一端与开关元件(15、16)的共同连接点连接；和逆变器(19)，在电抗器(L2)的另一端与电池(10)的负极端子之间连接，用于驱动PM电动机(20)。在这种电动机驱动装置中，基于电容器(C2)的正侧点(P)的电压(Vdc)、流入电抗器(L2)的电流(Idc)和开关元件(15)的开关占空比(d

摘要： 提供一种电功率控制装置中的电功率计算方法，其能够在无须使用输入单元的电流检测器和输出单元的电压检测器的情况下获得输入/输出功率值。在包括电池(10)、开关元件(15、16)、电抗器(L2)、和用于驱动PM电动机(20)的逆变器(19)的电动机驱动装置中，基于在电容器(C2)的正侧的P点电压(Vdc)、流入电抗器(L2)中的电流(Idc)、和满足条件0≤d

摘要： 一种电功率模块，该电功率模块包括壳体，该壳体具有安装在其中的电气部件、并且具有至少两个电导体，该至少两个电导体用于在不同电位处、在壳体的外部与电气部件之间传导电流。这些电导体中的每一个电导体都至少部分地被用于电绝缘的热稳定树脂粉末涂覆、并且包括至少一个从壳体突出到外部的端子。该至少一个端子是无孔的，并且能够藉由材料粘合永久地电连接到其他电子装置的端子。

摘要： 一种弥补风电功率预测误差下实现风电厂收益最大化的方法，包括以下步骤，(1)分析风电厂风电功率的预测误差，得到预测误差的分布规律；(2)建立储能系统的储能额定功率和储能额定容量的数学模型；(3)在储能系统的某一误差补偿度下，建立以风电厂收益最大为目的的目标函数。

摘要： 本发明公开了一种考虑风电机组运行工况的风电功率预测方法，它包括获取风电场基础数据、历史数据和预测日数据；对风电场历史气象数据进行归一化处理，形成气象模式向量初始训练样本库ξ；对预测日第k个时刻风电场气象模式向量Ek进行归一化处理后记做Fk；对气象模式向量初始训练样本库ξ进行筛选；构建BP神经网络功率预测模型最终训练样本λk；利用最终训练样本训练BP神经网络功率预测模型；将Fk输入到训练后的模型，得到预测日第k个时刻的功率预测值Pk；解决了高原山区风电场内各台风机受到的地理气象条件均不相同，造成风电功率预测不准确、精度低等问题。

摘要： 本发明提供一种基于风电天气分型特征选择的风电功率预测方法，具体步骤包括：以历史数据集中的测风塔10m风速筛选数值天气预报风电天气样本段；对筛选样本段进行聚类，将风电天气划分为n类，未筛选的样本段作为第n+1类；对各类天气的输入特征分别进行选择，将W维特征降低到di(i＝1,2,…,n+1)维，di是第i类天气筛选得到的特征数；建立n+1类风电天气下的风电功率预测模型；识别未来24h各段风电天气类型，并分别将各类风电天气关联的di(i＝1,2,…,n+1)维特征作为预测输入，进行风电功率预测。本发明对不同持续时长的风电天气进行分型，采用以数据驱动的特征选择方法，发现不同天气背景下风机出力的关联天气特征并分别建立风电功率预测模型，有效提高了预测精度和效率。

摘要： 本发明公开了一种基于虚拟测风塔的风电功率预测系统，包括：数值天气预报服务器，用于获取数值天气预报数据；反向隔离装置，用于保证数据跨安全区传输安全性；数据库模块，用于存储各类数据；数值天气预报处理模块，用于解析数值天气预报数据；监控系统数据处理模块，用于采集风电场实时功率数据和各个风机实时的功率数据、气象数据；虚拟测风塔模块，用于计算出虚拟测风塔数据；预测模块，用于建立预测模型，得到预测数据；用户界面模块，用于展示实时数据与预测数据；上报数据接口，用于上报预测数据与虚拟测风塔数据。本发明可以实现不依赖于实体测风塔的前提下满足风电功率预测和上报数据的需求。

摘要： 本发明涉及风电功率预测及存量风电优化技术领域，具体为基于尾流效应的风电功率预测及存量风电优化控制方法，包括以下步骤，S1：首先导入环境因素以及最上游风力机的推力系数，并导入所预测风力机的动力特性。本发明中，通过步骤1‑4实现对于单纵列数据的运算功能，并在运算过程中，添加风切变、湍流强度等环境因素数据，以及叶片中翼型的空气动力学特性和每个叶片的俯仰角等动力特性数据，通过Jensen模型对风电场中控制整个流场Navier‑Stokes方程进行数值求解，计算风速衰减，提升了运算结果的精准性，在步骤5‑7中，通过对整体数据的预测和分析，达成对于风电功率的整体预测功能，并反复校验，确保风电场的整体运作在该环境因素下风电率达到最优。

摘要： 本发明涉及一种基于微气象的风电场风电功率预测方法，包括以下步骤：建立中尺度WRF模型，获取目标区域的微气象再分析数据作为背景场数据，对目标区域的背景场数据进行计算，获得中尺度气象分析数据；构建微尺度CFD模型，基于中尺度气象分析数据提取风速、风向和湍动能信息，作为入流边界条件输入至微尺度CFD模型进行数值模拟，得到风电场微尺度风场分布基础数据库；根据中尺度数值天气预报，在微尺度风场分布基础数据库中选择对应的风场分布，计算风电场中每台风电机组的风向和风速数据，并根据计算出的风电机组的风向和风速数据和功率曲线计算对应风电机组的发电功率，确定当前运行的风电机组，统计得到目标风电场的风电功率预测值。

摘要： 本发明涉及一种基于风过程识别的风电功率预测集成优化方法及装置，包括：将预测时刻的数值天气预报数据代入各预先训练的风电功率预测模型中，获取各预先训练的风电功率预测模型输出的预测时刻功率数据；利用各预先训练的风电功率预测模型在预测时刻对应的线性回归系数和各预先训练的风电功率预测模型输出的预测时刻功率数据确定最优的预测时刻功率数据；其中，所述各预先训练的风电功率预测模型在预测时刻对应的线性回归系数基于所述各预先训练的风电功率预测模型的训练数据获取。本发明提供的技术方案，可以快速有效的匹配识别预测时刻的风过程的相似的向量同时对风电功率进行集成优化，进而提高风电功率预测的精准度，预测方法简单快捷。