風(fēng)電功率的隨機(jī)波動性是制約風(fēng)電功率預(yù)測精度提高的關(guān)鍵問題之一,其中風(fēng)速波動性以及風(fēng)電轉(zhuǎn)換不確定性是造成風(fēng)電功率波動的兩個主要原因.本文首先分析在風(fēng)電功率預(yù)測中計及風(fēng)電場狀態(tài)的必要性;其次以風(fēng)機(jī)運(yùn)行狀態(tài)充當(dāng)輸入變量,采用互信息理論修正外部NWP風(fēng)速,引入集對分析對風(fēng)電場內(nèi)部狀態(tài)特征參量進(jìn)行匹配預(yù)測,構(gòu)建計及風(fēng)電場運(yùn)行狀態(tài)的以一種多輸入-單輸出的RBF神經(jīng)網(wǎng)絡(luò)為核心的風(fēng)功率預(yù)測框架;最后采用吉林省某風(fēng)電場的實(shí)際數(shù)據(jù)進(jìn)行分析.對比多種預(yù)測算法,通過算例結(jié)果表明,所提方法可以有效地提升風(fēng)電功率預(yù)測的精度. 

【文章來源】：昆明理工大學(xué)學(xué)報(自然科學(xué)版). 2020年05期 北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

某風(fēng)電場10號與13號風(fēng)機(jī)實(shí)測功率曲線對比圖

風(fēng)電場運(yùn)行態(tài)勢是指整個風(fēng)電場在目標(biāo)時刻的安全狀況及其變化趨勢,其影響因素包括風(fēng)速等強(qiáng)時變因素以及風(fēng)電機(jī)組運(yùn)行狀況等弱時變因素.對于不完美的NWP風(fēng)速信息,將其與實(shí)測風(fēng)速進(jìn)行關(guān)聯(lián)分析來修正;對于未來的風(fēng)電場運(yùn)行態(tài)勢,利用相似時段匹配法對其進(jìn)行預(yù)測,以此擴(kuò)展并優(yōu)化風(fēng)功率預(yù)測的輸入變量,將在下節(jié)詳述.圖3 某風(fēng)電場10號與13號風(fēng)機(jī)的4種運(yùn)行狀態(tài)參量序列對比圖

某風(fēng)電場10號與13號風(fēng)機(jī)的4種運(yùn)行狀態(tài)參量序列對比圖

【參考文獻(xiàn)】：
期刊論文
[1]基于秩次集對分析理論的空間負(fù)荷預(yù)測方法[J]. 肖白,張婕,姜卓,施永剛,焦明曦,王徭.  電力自動化設(shè)備. 2020(04)
[2]一種利用混合算法選擇變量的天牛須優(yōu)化神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測方法[J]. 李大中,李昉,張克延.  電力科學(xué)與工程. 2019(12)
[3]基于原子稀疏分解和混沌理論的風(fēng)電功率超短期多步預(yù)測[J]. 楊茂,劉慧宇,崔楊.  昆明理工大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[4]計及風(fēng)電場狀態(tài)的風(fēng)電功率超短期預(yù)測[J]. 楊茂,周宜.  中國電機(jī)工程學(xué)報. 2019(05)
[5]基于長短期記憶網(wǎng)絡(luò)的風(fēng)電場發(fā)電功率超短期預(yù)測[J]. 朱喬木,李弘毅,王子琪,陳金富,王博.  電網(wǎng)技術(shù). 2017(12)
[6]融合集對分析和證據(jù)理論的風(fēng)電機(jī)組運(yùn)行狀態(tài)評估[J]. 周湶,徐清鵬,李劍,王慕賓,相晨萌.  電力自動化設(shè)備. 2017(07)
[7]基于卡爾曼濾波和支持向量機(jī)的風(fēng)電功率實(shí)時預(yù)測研究[J]. 楊茂,黃賓陽,江博,林思思.  東北電力大學(xué)學(xué)報. 2017(02)
[8]基于RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法的MPPT方法[J]. 陳小華,李志華.  可再生能源. 2013(01)



本文編號：2939511