风电功率预测方法研究综述

风电功率预测是增加含风电电力系统稳定性、安全性的重要手段。主要介绍了目前风电功率预测的基本方法,简要介绍了风电功率预测的评价指标,对风电功率预测技术的发展进行了展望。     

探析基于物理方法的风电功率预测系统在贺兰山风电场的应用

本文从影响风电机组功率预测因素分析入手,结合贺兰山风电场独特的地形阐述了物理方法的风电功率预测系统在贺兰山风电场的应用,结果表明短期风电功率预测系统比较适合于贺兰山风电场,并具有实际指导意义。     

基于局部多项式非参数回归的风电场功率区间预测方法

准确地预测风电场功率有利于减小风电出力波动对电网运行的影响,同时可以为后期的风能消纳问题提供准确信息,然而传统预测方法多为确定性预测,且结果大多有不同程度的误差。本文提出了一种基于误差分布特性统计分析的非参数置信区间估计方法,首先采用LS-SVM算法,建立风速与风电功率之间的转换模型,得到风电功率确定性预测值,在确定性预测基础上得到误差集合,通过对风电功率预测误差分布特性的研究,采用局部多项式回归方法得到给定置信度对应的误差预测值,通过风电功率确定性预测值和误差预测值叠加得到对应的区间上、下限,继而得出满足一定置信水平的风电功率区间预测。仿真结果表明所提出的区间预测在一定置信水平下有较高的预测精度,同时得到的较窄的预测区间,验证了该方法的实用性与有效性。     

考虑机组启停的电网风电接纳能力仿真研究

针对大规模风电并网后的机组启停,进行了仿真研究;采用2010年～2011年蒙西电网风电实际出力值作为原始数据,设定不同的预测误差,计算出在风功率预测值指导下,电网火电机组启停机方式以及相应的风电接纳能力;仿真结果表明,考虑机组启停后,电网风电接纳能力大幅度提高,同时,通过提高预测精度,能够有效避免风功率预测误差造成的电网缺出力现象,保证电网发供电平衡的需要。     

友好型智能风电场远程集中调度系统

本文提出一种基于智能风电场远程调度系统,电网弃风现象的解决方案。将接入系统风电场的风功率预测、风电场有功控制和风电场自动电压控制集中统筹考虑,同时将接入集控中心的大量数据做统计处理,提供更多风机的高级应用分析模块,提高接入风电场的运行效率,降低业主风电场的弃风率。     

基于NWP和改进神经网络的短啦风电功率预测研究

风电场功率预测对电力系统稳定运行起着决定性作用。首先对传统BP神经网络进行改进,以某一风电场获取的2月1日-10日的天气预报（NWP）数据和功率数据作为改进后BP神经网络的训练数据,对神经网络进行训练;其次以2月11号3小时的数值天气预报数据作为改进后BP神经网络的输入数据,对未来3小时的输出功率进行预测。预测过程和结果显示,改进后的BP神经网络在满足低预测误差的同时,能够提高BP神经网络的稳定性和收敛速度。     

基于EEMD与ARMA的短期风功率预测研究

风能作为一种清洁能源是所有可再生能源中最有前途和发展的技术,得到世界各国的高度重视。如果能对风电输出功率进行比较系统且准确的预测,将会为电网调度部门制定日运行方式和制定合理调度计划提供参考,进而减弱风电对电网的不利影响,减少旋转备用、提高电力系统的可靠性。因此找出一个有效相对准确的预测方法可以有效的解决上述问题。本文提出基于EMD-ARMA和EEMD-ARMA的风功率预测方法,采用风场实际功率数据进行分析,验证所提方法的有效性。     

长短期记忆网络在光伏与风电功率预测中的应用

随着能源转型的不断推进,风电与光伏发电站的数量不断增多.但风电和光伏属于随机波动的不稳定能源,大规模的风电与光伏并入大电网,必然会影响大电网的稳定性.电力生产调度系统需要对未来一段时间内的风功率和光伏功率进行预测,以合理分配发电设备的出力,确保大电网稳定可靠运行.长短期记忆网络是一种循环神经网络,能够充分利用一段时间内...     

基于系统动力学的风氢煤耦合系统容量优化配置模型构建及验证分析

对于具有强耦合性和结构复杂性的风氢煤耦合系统，目前学界仅有少数研究从理论阶段证实其可行性，耦合系统的结构及其在实际中的应用路径也缺乏深入分析。为解决能源富集区新能源消纳能力不足的问题，进一步拓展风电利用途径和规模，运用系统动力学理论，分析影响风电功率的不确定性因素，构建风氢煤耦合系统容量优化配置模型。以我国新疆维吾尔自治区为例，基于2010—2020年的相关数据，预测分析其2021—2030年风氢煤耦合系统的动态演化规律，并探讨该系统在经济和技术上的可行性，进而设计在耦合系统内自建和不自建风电场两种方案，对新疆某风电场应用上述优化模型进行验证。结果表明：风氢煤耦合系统容量优化配置模型能有效解决“弃风限电”问题，实现电能长期储存的目标；案例风电场按照风氢煤耦合系统容量优化配置指导CH3OH生产，CH3OH生产商自建风电场成本可减少400万元，负荷弃电率下降32.13%，当风电场容量可信度增加至0.26时，耦合系统无需从大电网购电，可通过储氢罐充放配合来保持H2的稳定供应，规划周期内的碳减排收益可达20.48亿元。实证显示，该改进模型是可行的，在考虑碳减排效益情况下风氢煤耦合系统自建风电场...     

分布式风光功率预测方法的研究与验证

本文总结归纳了国内外风电光伏功率预测发展现状、预测方法和分类,通过算例对比验证了三种典型功率预测模型-利用ARMA模型、卡尔曼滤波模型和小波神经网络模型分别对某一分布式风光发电区域进行了功率预测。通过对预测结果各项评价指标的综合分析,发现：小波神经网络预测模型的精确度最高,实现了针对小范围分布式光伏、风电的短期和超短期的精确预测。实验运行结果表明：该系统能够较为准确的预测短期和未来4小时超短期的风光发电整体出力,超短期和短期预测的月平均均方根误差达到为7%和9%。满足电网实际运行需要,在分布式发电项目上具备一定的推广和应用价值。     

风电功率波动特性及相关性理论综述

风电可以良好应对资源、环境、气候变化等诸多挑战。风电功率波动特性是其的本质属性,会对电网造成一定不利影响,众多学者对其进行了研究与分析。本文综述了风电功率波动特性的研究现状,总结了基于实测数据以及建立模型两个角度的研究方式。对风电功率进行相关性分析是研究风电功率波动特性的重要方法,本文综述了针对风电功率波动特性的相关性理论,总结了风电场与风电场之间功率相关性和风电场与风电基地之间功率相关性两种分析方法。为今后风电功率波动特性的研究提供参考。     

风力发电对电力系统频率的影响

现阶段我国风力发电发展迅速,风电作为一种新能源接入电网后由于风功率的波动会对电力系统的稳定性和可控性产生影响,并且风力发电作为一种分布式能源不具备电力系统需要的频率调节能力。基于以上问题,本文提出了一种惯性风电平滑控制的方法,通过这种方法可以平滑风电波动,减轻风功率波动对电力系统频率的影响。该方法主要考虑风电机的切入风速到额定风速之间的功率波动。可以配备一个控制系统来控制风电机的输出功率,减轻风电波动对电力系统频率稳定性的影响。     

风轮直径对兆瓦级风电机组年发电量的影响

基于BLADED软件平台,对兆瓦级大型风力发电机组应用不同长度叶片的机组性能进行了分析,分析结果表明,通过增大叶轮扫风面积,可以有效弥补使风力机工作在较低速的风场中所损失的功率。     

电力机车流动系统智能控制模型设计

常规静止无功率补偿控制算法存在电力机车限定稳态预测上存在缺点,提出一种改进的限定稳态预测误差电力机车轮动系统无功率补偿控制模型,在常规的静止无功率补偿基础上加一个跟踪误差的积分项,限定稳态预测误差,补偿轮动系统模型的不确定性。设计限定初始状态非线性取代积分控制律,克服常规控制模型在到达阶段不具有鲁棒性的不足。仿真结果表明,改进的限定稳态预测误差电力机车轮动控制模型有较好的削弱稳态误差和抑制抖振特性,机车摇摆幅度较小,能有效控制电力机车的姿态平衡,相比传统方法具有较明显的优越性能,在电力机车智能控制设计领域具有很好的应用前景。     

地震信号时频谱分析技术在储层分析中的应用

地震信号是典型的非平稳信号,信号的功率谱密度是时变的,时频分析方法在非平稳信号分析方面,具有独特优势。本文应用目前常用的时频分析技术对XG油田井旁道进行分析比较,揭示了时频分辨率S变换与小波变换较好,频率衰减梯度属性对储层变化较为敏感,在此基础上应用时频分析技术对本区储层进行了分析与预测。     

基于GA-BP神经网络的光伏发电功率预测研究

本文分析阐述了BP神经网络算法、GA遗传算法的相关理论知识,并在此基础上,针对GA-BP相结合的算法在光伏发电功率预测方面的应用进行了研究,包括对影响辐照量的因素进行了分析和基于GA-BP的光伏发电模型预测,最后对预测结果进行了分析。     

利用压缩空气储能降低风力发电对电网稳定性影响

正在国家大力提倡发展可再生能源,采取有力手段减少弃光弃风,保障新能源消纳的号召下,对风力发电功率特性进行研究和总结,并分析其对电网稳定性影响,提出采用配置压缩空气储能并利用其协助电网调频、调相、黑启动来应对电网稳定性问题。风电发电特性研究风电发电功率特性风功率影响因素较为复杂,本文通过研究风能发电功率的日特性、状态转移特性和波动特性来归纳风电发电功率特性,分析特性所用数据来源东北某省间隔15min数据,记为     

半导体功率组件自动拧紧工作站设计

某公司半导体功率组件产品有品种多(约百余种产品)、拧紧紧固力大(最大紧固力矩达百余牛米、自动设备少(全部采取手工压装的生产方式)的生产特点。近几年功率组件产能为5万套左右,经预测,十三五器件功率组件将有50%增长,手动功率组件装配线最大日产能约150套,不能满足规划需求。目前人力成本居高不下,急需提高工作效率,降低劳动强度,提高组件质量的稳定性。     

NCEP/NCAR再分析数据在风能资源评估中的应用研究

规划风电场短期测风数据的测试相关预测（Measure-Correlate-Predict MCP）是反映风电场风能长期平均水平的主要技术手段,对于预测规划风电场代表年年发电量具有重要意义。然而工程实践中,气象站长期参考数据常受到各类客观因素的影响,数据质量不能满足MCP要求,进而造成对规划风电场风能资源的错误评估。NCEP/NCAR数据是由美国环境预报中心(NCEP)和国家大气研究中心(NCAR)联合推出的再分析数据集,该数据作为一种可替代的长期参考数据得到了广泛的应用。本文对NCEP/NCAR数据在风能资源评估中的应用进行研究,提出了适用于该数据的MCP分析方法——风指数法。通过算例分析后发现,以NCEP/NCAR再分析数据为长期参考数据,风指数法为计算方法的短期测风数据MCP分析原则具有较高的可靠性和工程实用价值。     

浅谈风功率、能量及载荷的评估计算

风能利用的规模和效率取决于风场和风况。因此,了解风功能、能力和载荷是风电项目规划和风机设计的基础。本文主要阐述了风功率、能量及载荷的评估计算。