非可再生能源枯竭及生態(tài)環(huán)境惡化驅(qū)使大力發(fā)展可再生清潔能源利用成為全球共識。就風(fēng)電而言,由于風(fēng)能時變波動性、多變性及概率的不確定性,難以準(zhǔn)確把握其發(fā)電規(guī)律,由此威脅電力系統(tǒng)的安全經(jīng)濟運行。如何有效把握風(fēng)電功率時變規(guī)律,提升電網(wǎng)接納風(fēng)電的能力,依然面臨困境。本文以多風(fēng)場集群集成為背景,以時空特征挖掘為線索,以隨機概率分析為手段,對集群風(fēng)電功率預(yù)測展開研究,對把握風(fēng)電變動成因及應(yīng)對策略具有重要的理論意義和工程價值。風(fēng)電功率預(yù)測方法根據(jù)結(jié)果表現(xiàn)形式的不同可以分為確定性預(yù)測和概率預(yù)測。前者研究已相對成熟,并得到廣泛應(yīng)用。后者,如今成為研究熱點。由于數(shù)值天氣預(yù)報精度的有限性以及預(yù)測模型的局限性,僅提供單一期望值的確定性預(yù)測方法不僅不符合風(fēng)電實際的隨機特性,同時又不可避免的存在預(yù)測誤差,構(gòu)成信息不對稱。為了適應(yīng)風(fēng)力發(fā)電的特性,為決策者提供更豐富的信息,量化風(fēng)電功率概率分布的不確定性和不均勻性十分重要。由此,工程界和學(xué)界展開對風(fēng)電功率概率密度、分布函數(shù)、或置信區(qū)間等的深入研究,其目的是為決策者提供更符合實際的信息,這使風(fēng)電的接納更有針對性,從而使決策成本降低。然而,目前絕大多數(shù)風(fēng)電功率預(yù)測的研究集中于... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１?２００６年－２０１８年全球累計風(fēng)電裝機容量增長情況??

山東大學(xué)碩士學(xué)位論文??用電氣、德國的愛納康等，圖１－２顯示了其所占市場份額。??■丹麥維塔斯??■中國金風(fēng)科技??■德國愛納康??■中國遠景能源??；；．?■德國北歐海神??■中曬陽??■德國賽維昂??■喊蘇司蘭??圖１－２全球風(fēng)輪機所占市場份額排名前７的供應(yīng)商??我國風(fēng)力發(fā)電技術(shù)研究起步較晚，２０世紀８０年代我國第一座風(fēng)電場并網(wǎng)投運，??隨后在近十年里，我國風(fēng)電進入了迅猛發(fā)展的黃金時期。截至２０１８年，我國累計風(fēng)??電裝機容量達到２２１ＧＷ，位居世界第一，如圖１－３所示，我國風(fēng)電裝機容量超過美??國的兩倍。??２?５０１?｜?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??毛?２００?■?■??｜ｊ??Ｓ７＿Ｊ．?＇??中國美國德國印度西班牙英國法國巴西加拿大意大利??國家??圖１－３?２０１８年全球累計風(fēng)電裝機容量排名前１０的國家??此外，我國已建成世界上最大的陸地風(fēng)電基地——甘肅酒泉風(fēng)電基地，其裝機??容量達到了５１６０ＭＷ。根據(jù)ＢＰ發(fā)布的２０１９年《ＢＰ世界能源統(tǒng)計年鑒》［４］，?２０１８年，??我國風(fēng)電發(fā)電量達到３６６ＴＷ＿ｈ，位居全球首位，占全球風(fēng)電總發(fā)電量的２８．８％，同??比增長２４．１％。２０１９年５月，國家能源局印發(fā)了《關(guān)于２０１９年風(fēng)電、光伏發(fā)電項目建??設(shè)有關(guān)事項的通知》（國能發(fā)新能〔２０１９）?４９號）［５］，指出“加大力度實施需國家??補貼項目競爭配置，強化風(fēng)電項目的電力送出和消納保障機制，提高市場競爭力，??２??

山東大學(xué)碩士學(xué)位論文??用電氣、德國的愛納康等，圖１－２顯示了其所占市場份額。??■丹麥維塔斯??■中國金風(fēng)科技??■德國愛納康??■中國遠景能源??；；．?■德國北歐海神??■中曬陽??■德國賽維昂??■喊蘇司蘭??圖１－２全球風(fēng)輪機所占市場份額排名前７的供應(yīng)商??我國風(fēng)力發(fā)電技術(shù)研究起步較晚，２０世紀８０年代我國第一座風(fēng)電場并網(wǎng)投運，??隨后在近十年里，我國風(fēng)電進入了迅猛發(fā)展的黃金時期。截至２０１８年，我國累計風(fēng)??電裝機容量達到２２１ＧＷ，位居世界第一，如圖１－３所示，我國風(fēng)電裝機容量超過美??國的兩倍。??２?５０１?｜?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??毛?２００?■?■??｜ｊ??Ｓ７＿Ｊ．?＇??中國美國德國印度西班牙英國法國巴西加拿大意大利??國家??圖１－３?２０１８年全球累計風(fēng)電裝機容量排名前１０的國家??此外，我國已建成世界上最大的陸地風(fēng)電基地——甘肅酒泉風(fēng)電基地，其裝機??容量達到了５１６０ＭＷ。根據(jù)ＢＰ發(fā)布的２０１９年《ＢＰ世界能源統(tǒng)計年鑒》［４］，?２０１８年，??我國風(fēng)電發(fā)電量達到３６６ＴＷ＿ｈ，位居全球首位，占全球風(fēng)電總發(fā)電量的２８．８％，同??比增長２４．１％。２０１９年５月，國家能源局印發(fā)了《關(guān)于２０１９年風(fēng)電、光伏發(fā)電項目建??設(shè)有關(guān)事項的通知》（國能發(fā)新能〔２０１９）?４９號）［５］，指出“加大力度實施需國家??補貼項目競爭配置，強化風(fēng)電項目的電力送出和消納保障機制，提高市場競爭力，??２??

【參考文獻】：
期刊論文
[1]基于時序數(shù)據(jù)動態(tài)天氣劃分的短期風(fēng)電功率預(yù)測方法[J]. 熊音笛,劉開培,秦亮,歐陽庭輝,何佳奕.  電網(wǎng)技術(shù). 2019(09)
[2]基于集群劃分的短期風(fēng)電功率預(yù)測方法[J]. 王勃,劉純,馮雙磊,丘剛,孟祥星,趙俊屹.  高電壓技術(shù). 2018(04)
[3]多時空尺度協(xié)調(diào)的風(fēng)電集群有功分層預(yù)測控制方法[J]. 葉林,張慈杭,湯涌,孫舶皓,仲悟之,藍海波,劉輝,李湃,黃越輝.  中國電機工程學(xué)報. 2018(13)
[4]基于改進空間資源匹配法的風(fēng)電集群功率預(yù)測技術(shù)[J]. 彭小圣,樊聞翰,王勃,張濤,文勁宇,鄧迪元,熊磊,車建峰.  電力建設(shè). 2017(07)
[5]風(fēng)電功率概率預(yù)測方法及展望[J]. 吳問足,喬穎,魯宗相,汪寧渤,周強.  電力系統(tǒng)自動化. 2017(18)
[6]基于灰色緩沖算子-卡爾曼濾波雙修正的風(fēng)電功率實時預(yù)測研究[J]. 楊茂,黃賓陽.  可再生能源. 2017(01)
[7]風(fēng)電集群短期及超短期功率預(yù)測精度改進方法綜述[J]. 彭小圣,熊磊,文勁宇,程時杰,鄧迪元,馮雙磊,王勃.  中國電機工程學(xué)報. 2016(23)
[8]基于強化學(xué)習(xí)方法的風(fēng)儲合作決策[J]. 劉國靜,韓學(xué)山,王尚,楊明,王明強.  電網(wǎng)技術(shù). 2016(09)
[9]區(qū)域風(fēng)電場短期風(fēng)電功率預(yù)測的最大相關(guān)–最小冗余數(shù)值天氣預(yù)報特征選取策略[J]. 趙永寧,葉林.  中國電機工程學(xué)報. 2015(23)
[10]關(guān)于短期及超短期風(fēng)電功率預(yù)測的評述[J]. 薛禹勝,郁琛,趙俊華,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG.  電力系統(tǒng)自動化. 2015(06)



本文編號：3397200