风电功率预测
风电功率预测的相关文献在2008年到2023年内共计745篇,主要集中在电工技术、自动化技术、计算机技术、能源与动力工程
等领域,其中期刊论文297篇、会议论文5篇、专利文献342717篇;相关期刊135种,包括电力科学与技术学报、可再生能源、太阳能学报等;
相关会议5种,包括甘肃省电机工程学会2012年学术年会、中国高等学校电力系统及其自动化专业第二十七届学术年会、中国电工技术学会电力电子学会第十二届学术年会等;风电功率预测的相关文献由2377位作者贡献,包括王勃、王铮、孟安波等。
风电功率预测—发文量
专利文献>
论文:342717篇
占比:99.91%
总计:343019篇
风电功率预测
-研究学者
- 王勃
- 王铮
- 孟安波
- 殷豪
- 车建峰
- 叶林
- 刘纯
- 冯双磊
- 张菲
- 赵艳青
- 姜文玲
- 王伟胜
- 雷金勇
- 杨苹
- 陈国初
- 鲁宗相
- 杨茂
- 王陈恩
- 乔颖
- 丁敏
- 徐梅梅
- 文贤馗
- 林呈辉
- 范强
- 许炫淙
- 阎洁
- 公维祥
- 吴敏
- 安剑奇
- 张颖超
- 汪步惟
- 王致杰
- 王钊
- 王鹏
- 程艳
- 袁智勇
- 裴岩
- 赵永宁
- 邓华
- 陈勤勤
- 靳双龙
- 韩爽
- 刘永前
- 叶家豪
- 周长城
- 孙永辉
- 常喜强
- 张鹏
- 徐玉韬
- 汪宁渤
-
-
鲁泓壮;
丁云飞;
汪鹏宇
-
-
摘要:
针对超短期风电功率预测,准确捕捉功率变化因素和建立混合预测模型是提高预测精度的有效手段之一。为了能够继承和整合单个模型的优点以及增强历史信息的表示和利用能力,文章提出了一种基于信息融合和堆叠模型的超短期风电功率预测模型。首先,利用相关性方法选择历史功率序列和历史测风塔数据的特征,作为预测模型的输入;然后,建立两层堆叠的集成模型作为预测模型,并使用交叉验证和超参数优化以增强预测模型的泛化性能;最后,以每个基学习器的输出作为元学习器获得最终预测值的新输入。通过东北某风电场真实数据的验证,以及与单一模型、深度神经网络模型和集成学习模型的对比,验证了所提模型的可行性和有效性。
-
-
陈黍;
许炫淙;
张铮;
梁儒铎;
孟安波
-
-
摘要:
精确的短期风电功率预测能有效提高电网供电可靠性。为降低风电数据中隐含噪声对预测结果的影响,采用奇异谱分析(Singular Spectrum Analysis,SSA)将原始数据分解并重构为趋势、周期和高频噪声三个子序列,作为预测模型的输入。针对传统循环网络局限于时间相关性的前向提取,提出卷积双向门控循环单元网络(Convolution Neural Network-Bidirectional Gated Recurrent Unit,CNN-BiGRU)预测模型。前者提取重构子序列间特征的耦合关系,后者挖掘数据的双向时间相关性,以提高预测精度。为了研究该模型的预测性能,选取了其他模型进行对比,试验结果表明SSA-CNN-BiGRU模型比其他模型更具有优越的预测性能。
-
-
赵瑞锋;
王海柱;
郭文鑫;
刘洋;
王可
-
-
摘要:
为解决综合能源电/热储能配置问题,提出了一种含风电接入的区域综合能源系统电/热储能配置方法。首先,构建风电功率预测的动态神经网络预测模型,对区域综合能源系统内的风电场出力进行有效预测。然后,分析区域综合能源系统电/热储能充放能行为,建立储电、储热与区域风电场功率的联系,并考虑电热耦合关系,形成电/热储能的联合优化配置模型。最后,选取某地实际数据,设置3个场景,将预测结果代入优化模型计算储电和储热配置,对比验证了该方法下风电预测具有较好效果,有利于储能资源的优化配置和降低成本。
-
-
曾亮;
狄飞超;
王珊珊;
常雨芳
-
-
摘要:
风电功率的预测精度受到多种因素的影响,为进一步提高预测精度,提出一种基于浅层方法和深度网络集成的短期风电功率预测模型(GRA⁃GWO⁃SVR⁃AdaBoost⁃GRU),集成灰色关联度分析(GRA)、支持向量回归机(SVR)、自适应提升集成(AdaBoost)和门控循环单元(GRU)等多种模型/方法。首先采用GRA计算变量之间的相关程度,选择相关性高的3个特征作为模型的输入;其次利用GWO算法对SVR的惩罚参数和核函数参数进行优化,建立GWO⁃SVR预测模型;然后采用AdaBoost集成模型构建强回归器进行预测;最后采用GRU模型对预测误差进行修正,将修正后的误差与预测结果进行叠加,得到最终预测值。仿真结果表明,该模型的预测结果的均方根误差和R⁃Square显著优于其他传统模型,有效提高了风电功率的预测精度。
-
-
朱显辉;
于越;
师楠;
胥良;
简有为
-
-
摘要:
为改善BP神经网络算法需要大量训练数据和预测精度有限等问题,提出了以输入层、隐含层和输出层为目标的分层优化思路。首先,利用灰色模型良好的小数据趋势辨别能力对输入层数据进行处理,以更好地提炼数据内部蕴含的数学规律,压缩神经网络所需训练数据样本数量;然后,利用遗传算法优越的全局寻优能力确定隐含层的初始权值和阈值,抑制神经网络隐含层参数无法准确获取所导致的误差较大和泛化能力弱的问题;最后,采用蚁群优化算法对输出层数据进行优化,以进一步改善神经网络模型的计算精度。以波动性较强的风电功率进行算例验证,结果表明,所提基于分层优化思想的神经网络算法,能在减小预测误差的同时,降低神经网络所需样本量并增强其泛化能力。
-
-
王腾洲;
李森文;
黄宇轩;
郝思鹏
-
-
摘要:
针对支持向量机预测精度低、收敛速度慢等问题,提出一种改进鲸鱼算法优化支持向量机的风电功率预测模型。将Tent混沌映射引入鲸鱼算法中,使初始种群的分布更加均匀;由于随机抽取猎物具有盲目性,不能充分结合迭代经验对种群进行更新,采用轮盘赌法寻找目标猎物来加快鲸鱼算法的收敛速度,得到改进鲸鱼算法优化支持向量机的风电功率预测模型。将该模型应用到我国东北某处风电场进行风电功率预测,并与其他常用的功率预测模型进行对比分析,仿真结果表明,该模型具有更高的预测精度。
-
-
康田雨;
覃智君
-
-
摘要:
高精度的风电功率预测在电力系统的安全稳定运行和能源系统的优化配置中至关重要。为了从多维风电历史数据中提取隐藏信息,准确选择与预测目标高度相关的高维特征,克服时间序列的短时记忆问题,提出了一种以卷积神经网络-双向长短时记忆网络(convolutional neural network and bidirectional long short term memory network,CNN-BiLSTM)为基础模型,结合双重注意力机制和贝叶斯优化算法的风电功率超短期预测模型。首先,为了自主挖掘输入特征与风电功率之间的数据关联,进一步突出重要特征影响,在常规的CNN架构上增加注意力机制,构建特征注意力模块;然后在BiLSTM网络输出端引入注意力机制形成时间注意力模块,增强BiLSTM网络的长时记忆能力,加强重要历史信息的影响;最后,采用贝叶斯优化算法优化所提模型的超参数,选取最优超参数,发挥模型最佳性能。以中国西北某风电场实际数据进行验证,模型的单步预测精度达到95.58%。多步预测结合数值天气预报信息实现4 h前超短期预测,其精度达到90.44%。实验结果表明所提基于超参数优化和双重注意力机制的预测模型相比其他模型具有更高的预测精度。
-
-
张嘉英;
翟炜亮
-
-
摘要:
提出一种基于层次聚类法的EMD-ELM风电功率预测方法,用来解决目前风电站功率预测精度不够的问题。该方法利用层次聚类的聚合算法将天气情况相似的数据经行聚类,使用EMD方法来分解各组功率序列,可以得到相对平稳的数据分量,最后采用ELM模型对各分量经行预测并且重组。由于相似天气情况的数据特征更加的明显,所以经行聚类会使预测更加的准确。算例仿真表明,该模型与传统的预测模型相比有更高的准确度。
-
-
项航;
王新居;
李强;
索连帅;
马腾飞;
张丹丹;
朱新军;
张臣冬;
王照阳
-
-
摘要:
精准的风电功率预测是电力的合理调度的重要依据和电力系统的平稳运行的重要保证。本文提出了组合残差网络和门控循环单元的风电功率预测模型。该模型使用残差网络提取风电数据的多维非线性特征,之后将特征向量时序化并作为门控循环单元网络的输入。残差网络将前面的时序特征与当前时刻的特征相结合,可以取得比普通卷积网络更好的非线性时序特征。门控循环单元网络比传统的长短期记忆网络有更简单的结构和更高的预测精度。本文通过实验的方法优化了所提出的模型中残差块的个数和门控单元的个数。在法国La Haute Borne风电场的风电数据上的仿真实验表明,本文提出的方法具有令人满意的预测精度。
-
-
李思莹;
陈海宝
-
-
摘要:
文章基于集成学习思想对风电机组的运行工况进行辨识,进而完成功率预测。首先采用模糊C均值聚类法进行工况辨识,再建立基于SVM的子学习器模型。在主学习器模型的选择上,考虑运行工况对主学习器的影响,提出了一种基于改进的SVM主学习器模型,将样本到聚类中心的距离加入主学习器模型中。实验结果表明,文章所提出的基于集成学习思想的风电功率预测方法,更加符合工程的实际情况,预测精度高,适用于风电功率的预测。
-
-
姜林;
王霁松;
周茉
- 《吉林省第九届科学技术学术年会》
| 2016年
-
摘要:
我国风力发电相关技术日益完善,不论是技术理论研究还是实际应用,都取得了重大进步.但从资源和市场配置情况来看,我国风电开发的程度还较低,加快风电行业发展仍将是增强我国能源供应、调整能源结构和生态保护的重点工作.在电力市场环境下,风电功率预测的作用越来越重要,直接影响电网调峰容量和对风电的消纳能力.经研究,发现一种中位数滤波方法,采用这种方法按照实测风速将风机功率数据分组,每组数据参考风机出力特性,采用中位数统计方法选定滤波的上下限,为不同的机组提供定制的滤波上下阂值,通过设定数据合理范围,剔除由于数据采集造成的异常数据。并且可以通过对合理范围内数据的进一步分析,筛选出最能反映机组实际运行特点的数据。
-
-
-
-
-
王慧;
朱凌;
王毅;
宋少群
- 《中国电工技术学会电力电子学会第十二届学术年会》
| 2010年
-
摘要:
目前我国风电快速发展,同时也带来了大规模风电并网安全稳定问题,研究风电并网安全预警系统具有重要意义。本文对变速恒频风力发电机群并网安全预警系统关键问题进行研究,在此基础上,依据变尺度数据挖掘进行超短期风电功率预测,通过PowerFactory提供的二次开发语言DPL(DIGSILENT Programming Language)实现与EMS(Energy Management System)的数据接口,最后以PoweFactory仿真软件中建立的包古变速恒频风力发电机组模型的电网潮流计算模型为核心研发预警系统。实际运行效果表明该系统能很好的应用于风电并网的安全预警及调度管理。
-
-
-
-
- 武汉大学
- 公开公告日期:2021.08.06
-
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。
-
-
-
-
-
-
-