發(fā)布時間：2018-07-07 12:14

  本文選題：風力發(fā)電 + 歷史運行數(shù)據(jù)　； 參考：《電力系統(tǒng)自動化》2014年05期

【摘要】：風電場真實的歷史運行數(shù)據(jù)是準確研究風電功率預測、出力特性及對系統(tǒng)影響的基礎(chǔ)。針對目前限風情況下風電場歷史運行數(shù)據(jù)存在的不良數(shù)據(jù)的實際問題,提取了不良數(shù)據(jù)的時序特性,采用分段判定方法進行識別;基于可用的歷史數(shù)據(jù),一方面利用風電場出力之間的延時相關(guān)性還原重構(gòu)缺失數(shù)據(jù),另一方面利用風電自身出力數(shù)據(jù),采用基于自回歸滑動平均(ARMA)模型的雙向權(quán)重比重構(gòu)方法重構(gòu)完整的時間序列。以中國某風電基地實際風電場歷史運行數(shù)據(jù)為算例,采用所提出的方法可以有效識別并重構(gòu)缺失數(shù)據(jù)。文中比較了兩種重構(gòu)方法的重構(gòu)效果,并給出了各自的適應(yīng)性。
[Abstract]:The real historical operation data of wind farm is the basis of accurate research on wind power prediction, output characteristics and its influence on the system. In view of the actual problem of bad data existing in wind farm historical operation data under the condition of wind limitation at present, the temporal characteristics of bad data are extracted, and the method of segmental decision is used to identify them, and based on the available historical data, On the one hand, the time-delay correlation between wind farm forces is used to restore the missing data; on the other hand, the autoregressive moving average (ARMA) model is used to reconstruct the complete time series using the wind power output data. Taking the actual wind farm operation data of a wind power base in China as an example, the missing data can be effectively identified and reconstructed by the proposed method. In this paper, the effects of the two reconstruction methods are compared and their adaptations are given.
【作者單位】： 華北電力大學電氣與電子工程學院;
【基金】：中央高校基本科研業(yè)務(wù)費專項資金資助項目(13MS06) 國家電網(wǎng)公司科技項目((2012)515)~~
【分類號】：TM614

【參考文獻】

相關(guān)期刊論文 前10條

1 肖創(chuàng)英;汪寧渤;陟晶;丁坤;;甘肅酒泉風電出力特性分析[J];電力系統(tǒng)自動化;2010年17期

2 茆美琴;周松林;蘇建徽;;基于脊波神經(jīng)網(wǎng)絡(luò)的短期風電功率預測[J];電力系統(tǒng)自動化;2011年07期

3 張宜陽;盧繼平;孟洋洋;嚴歡;李輝;;基于經(jīng)驗模式分解和混沌相空間重構(gòu)的風電功率短期預測[J];電力系統(tǒng)自動化;2012年05期

4 吳棟梁;王揚;郭創(chuàng)新;劉毅;高振興;;電力市場環(huán)境下考慮風電預測誤差的經(jīng)濟調(diào)度模型[J];電力系統(tǒng)自動化;2012年06期

5 呂泉;王偉;韓水;苑舜;張近朱;李衛(wèi)東;;基于調(diào)峰能力分析的電網(wǎng)棄風情況評估方法[J];電網(wǎng)技術(shù);2013年07期

6 王乾坤;;國內(nèi)外風電棄風現(xiàn)狀及經(jīng)驗分析[J];華東電力;2012年03期

7 林子雨;江弋;賴永炫;林琛;;一種新的時間序列延遲相關(guān)性分析算法——三點預測探查法[J];計算機研究與發(fā)展;2012年12期

8 張寧;康重慶;;風電出力分析中的相依概率性序列運算[J];清華大學學報(自然科學版);2012年05期

9 王雷;張瑞青;盛偉;徐治皋;;基于支持向量機的回歸預測和異常數(shù)據(jù)檢測[J];中國電機工程學報;2009年08期

10 袁鐵江;晁勤;李義巖;吐爾遜·伊不拉音;;大規(guī)模風電并網(wǎng)電力系統(tǒng)經(jīng)濟調(diào)度中風電場出力的短期預測模型[J];中國電機工程學報;2010年13期

【共引文獻】

相關(guān)期刊論文 前10條

1 周吉安;;酒泉風電集中并網(wǎng)對電網(wǎng)安全穩(wěn)定的影響[J];電力安全技術(shù);2011年06期

2 靳丹;何世恩;丁坤;;關(guān)于大規(guī)模風電基地建設(shè)的思考[J];電力建設(shè);2011年10期

3 林章歲;羅利群;;福建省風電出力特性及其對電網(wǎng)的影響分析[J];電力建設(shè);2011年12期

4 秦睿;曹銀利;楊萍;;風電場機組設(shè)備涉網(wǎng)性能的檢測[J];電力建設(shè);2011年12期

5 朱清清;嚴正;賈燕冰;王亮;;輸電線路運行可靠性預測[J];電力系統(tǒng)自動化;2010年24期

6 孫榮富;張濤;梁吉;;電網(wǎng)接納風電能力的評估及應(yīng)用[J];電力系統(tǒng)自動化;2011年04期

7 于大洋;韓學山;梁軍;宋曙光;;基于NASA地球觀測數(shù)據(jù)庫的區(qū)域風電功率波動特性分析[J];電力系統(tǒng)自動化;2011年05期

8 于大洋;宋曙光;張波;韓學山;;區(qū)域電網(wǎng)電動汽車充電與風電協(xié)同調(diào)度的分析[J];電力系統(tǒng)自動化;2011年14期

9 薛峰;�？�;汪寧渤;;大規(guī)模間歇式能源發(fā)電并網(wǎng)集群協(xié)調(diào)控制框架[J];電力系統(tǒng)自動化;2011年22期

10 汪寧渤;王建東;何世恩;;酒泉風電跨區(qū)消納模式及其外送方案[J];電力系統(tǒng)自動化;2011年22期

相關(guān)會議論文 前4條

1 栗然;柯?lián)砬?張孝乾;唐凡;;基于時序-支持向量機的風電場發(fā)電功率預測研究[A];中國智能電網(wǎng)學術(shù)研討會論文集[C];2011年

2 潘雄;劉文霞;徐玉琴;張虹;廖平;周俊東;;基于隨機響應(yīng)面法的含風場群電力系統(tǒng)暫態(tài)穩(wěn)定分析[A];2012年云南電力技術(shù)論壇論文集[C];2012年

3 車洵;朱e，

本文編號：2104930