【摘要】：精確的風電功率預測對保障大規(guī)模風電接入電網后電力系統的安全穩(wěn)定運行具有重要意義。其中,風速的隨機變化是引起風電功率波動和影響風電功率預測精度的最主要原因。針對該問題,提出一種基于變尺度時間窗口和波動特征提取的短期風電功率組合預測方法。首先,通過多重分形譜分析不同天氣類型下的風速特征。然后,根據當前風速的特征量采用變尺度滑動時間窗口算法,動態(tài)地進行特征提取,由提取結果對風電歷史數據進行分類,在此基礎上選擇特定參數建立對應的功率預測模型。為使模型在功率大幅度波動時刻的預測結果更加精確,提出了基于頻譜分析的修正方法。最后,將不同天氣類型下的功率預測結果與修正結果進行時序組合。算例結果表明,所述變尺度時間窗口與波動特征提取相結合的短期風電功率組合預測方法可有效提高風速波動劇烈的風電場的風電功率預測精度。
[Abstract]:Accurate wind power prediction is of great significance to ensure the safe and stable operation of power system after large-scale wind power is connected to the power network. The random variation of wind speed is the main cause of wind power fluctuation and the influence of wind power prediction accuracy. To solve this problem, a short-term wind power combination prediction method based on variable scale time window and wave feature extraction is proposed. Firstly, the wind speed characteristics of different weather types are analyzed by multifractal spectrum. Then, according to the current wind speed feature, the variable scale sliding time window algorithm is used to extract the feature dynamically, and the historical wind power data is classified by the result of the extraction. Based on this, the corresponding power prediction model is established by selecting the specific parameters. In order to make the prediction results of the model more accurate at the time of large power fluctuation, a modified method based on spectrum analysis is proposed. Finally, the power prediction results of different weather types are combined with the modified results. The numerical results show that the combined short-term wind power prediction method combined with variable scale time window and wave feature extraction can effectively improve the prediction accuracy of wind power in wind farms with severe wind speed fluctuations.
【作者單位】： 中國農業(yè)大學信息與電氣工程學院;國網冀北電力有限公司;中國電力科學研究院;國網冀北電力有限公司電力科學研究院;
【基金】：國家自然科學基金資助項目(51477174);國家自然科學基金中英國際合作交流基金資助項目(51711530227) 國家電網公司科技項目(5201011600TS)~~
【分類號】：TM614

【相似文獻】

相關期刊論文 前10條

1 蔣曉艷;央吉卓嘎;;西藏林芝電網用電量的最優(yōu)組合預測研究[J];人民長江;2009年21期

2 張疆涌;許飛云;;組合預測在我國人均凈用電量預測中的應用[J];黑龍江科技信息;2008年21期

3 谷川;秦世偉;;基于預測有效度的變形數據組合預測[J];大地測量與地球動力學;2008年05期

4 陳存;郭偉;范建中;;中長期負荷組合預測的改進[J];江蘇電機工程;2007年01期

5 吉培榮,熊冬青,姚明仁;電網負荷的組合預測[J];華北電力技術;2000年05期

6 劉賽,陳光東;層次分析法在電力負荷組合預測中的應用[J];長沙電力學院學報(自然科學版);2002年04期

7 敖培;李明;陳垣吉;;環(huán)境特性電網負荷組合預測[J];科技創(chuàng)新導報;2013年30期

8 王翠茹;杜鵑;;優(yōu)化組合預測的設計與分析[J];東北電力技術;2006年06期

9 柯于剛;顧潔;;混沌遞階遺傳神經網絡在組合預測中的應用[J];電氣應用;2007年04期

10 陳偉;趙慶堂;郭建鵬;王維州;肖駿;;基于相空間重構的風電場日有功功率組合預測[J];電力系統及其自動化學報;2014年06期

相關博士學位論文 前2條

1 趙欣;小世界網絡理論及其在風電功率短期預測中的應用研究[D];北京交通大學;2015年

2 王富強;風電場短期風速預測及模擬的理論與方法研究[D];華北電力大學;2013年

相關碩士學位論文 前10條

1 陳嵩;組合預測技術及其在功率預測中的應用[D];華北電力大學;2015年

2 施艷春;基于非線性時間序列和神經網絡的風電功率短期預測[D];沈陽工業(yè)大學;2016年

3 馬斌;基于人工智能的短期風電功率組合預測研究[D];西南交通大學;2016年

4 楊冬強;風力發(fā)電短期功率預測研究[D];鄭州大學;2016年

5 劉旭;基于大數據的風功率預測模型優(yōu)化研究與實現[D];華北電力大學;2016年

6 葉晨;風電功率組合預測研究[D];華北電力大學（北京）;2011年

7 于媛媛;基于組合預測的核電產業(yè)發(fā)展趨勢研究[D];大連理工大學;2010年

8 段志峰;組合預測基礎研究與風電預測的白噪聲分離研究[D];天津大學;2012年

9 王穎雪;基于灰色關聯的火電行業(yè)NO_x排放組合預測[D];華北電力大學;2013年

10 王慶露;基于協整模型與組合預測的中國電力需求分析[D];哈爾濱工業(yè)大學;2006年

，

本文編號：2184414