基于时序长记忆模型的风电场短期功率预测

随着风电的飞速发展,风电场接入电网的规模日益扩大,随之而来的是对风电功率预测准确性要求的提高,准确的风电功率预测可以更好地利用风能资源,减小风电并网对电网的不利影响。为了提高风电预测的精度,采用最大期望算法(expectation maximization algorithm,EM算法)对风电场功率历史数据进行处理,填补缺失值,替换错误数据,然后采用修正重标极差分析法即修正R/S分析方法分析数据的长记忆性,采用时间序列ARFIMA模型,然后根据预测时刻之前的功率数据,通过贝叶斯统计推断对模型参数进行估计,生成预测模型方程,进而对风电场输出功率进行预测。     

基于预测的风电功率平抑控制方法

受风速随机变化的影响,风电输出功率具有波动性。为了平抑风电输出功率的波动,在配置电池储能系统的基础上,文中基于风电短期平均功率预测技术,以风电时间周期T的平均功率为对象,采用时间序列法进行预测,实时滚动预测未来每个时间周期T的平均功率,结合平抑度要求和电池荷电状态限制条件,控制并网功率在每个时间周期T都保持在平均功率附近的可接受范围内,分段平抑功率波动。其中,根据电网对风电功率波动的可接受程度,设置平抑度,为防止电池过充放电,对电池SOC进行限制。最后以某风电场的实际历史数据为例,在Matlab中进行了仿真分析,验证了所述方法的有效性。     

基于数理统计的省级电网风电出力特性分析

随着风电在电力系统中的比重越来越大,风电功率波动幅值及频度将进一步增大,对系统调峰和调频的影响将日益明显,需要准确掌握风电的出力特性。基于某省级电网的风电实际运行数据,对风电出力时间序列的功率分布特性、波动性及相关性进行了相关研究,量化分析了风电出力随机性、波动性对电力系统运行的影响,可以为该区域风电的长期规划与发展提供参考和借鉴。     

基于AM-LSTM模型的超短期风电功率预测

近年来,中国的风力发电产业高速发展。然而风力发电具有不稳定性,风电功率超短期预测结果的准确性直接影响到电网安全有效的运行。为了进一步提高风电功率超短期预测的精确度,提出了长短期记忆网络-注意力模型(AM-LSTM)风电功率预测模型,该模型将长短期记忆网络(long-term and short-term memory,LSTM)和注意力模型(attention model,AM)相结合, LSTM网络能够处理好风速、风向等时间序列变量与风电功率之间的非线性关系,注意力模型能够优化LSTM网络的权重,从而使预测结果更加准确。采用真实的风电场历史数据进行实验,结果表明:提出的AM-LSTM预测模型能够有效利用多变量时间序列数据进行风电场发电功率的超短期预测,比传统的BP神经网络和LSTM网络具有更精确的预测效果。该预测模型为风电场地电力调度提供了科学参考。     

基于EEMD-GA-BP模型的风电功率短期预测研究

随着我国风电产业迅速发展,风电并网规模不断扩大,准确预测风电场输出功率是降低风电波动对电网影响、提高电能质量、保证电网稳定运行的有效途径.本文采用箱型分析及热卡填充的方法对数据集中的异常数据进行清洗与重构.采用遗传算法与EEMD分解算法相结合的方式改进BP算法,并且根据不同时间尺度预测结果对比,相对于传统预测模型而言,...     

基于混合储能技术的风电场功率控制研究

风力发电的输出功率因为风能的随机性而具有波动性和间歇性的特点,并网风电的高渗透率将削弱电力系统中发电功率的可控性.本文研究在风电场中引入一种混合储能装置,通过其充放电功率来平抑风电输出功率的波动.在保证储能装置荷电状态可靠性前提下,采用一种模糊自适应控制策略,优化储能装置的充放电过程控制.通过仿真研究,验证了采用模糊自适应控制的正确性和有效性,仿真结果表明混合储能系统能够有效平滑风力发电系统的并网功率,提高含风电场的电力系统的发电功率的可控性,并延长储能设备的使用寿命.     

超导磁储能装置抑制风电并网功率波动的探索

为减小随机波动性的风电对电网产生的冲击,采用储能装置平抑功率波动,通过快速补偿或吸收不平衡功率,提高风能的利用率.超导磁储能装置响应速度快、能量密度大,将超导磁储能应用于风电厂出口处,并在MATLAB中对超导磁储能装置平抑风电并网功率波动的系统进行仿真验证,结果表明,超导磁储能技术对风电并网产生的功率波动有抑制作用.     

试论风电系统中的电压波动及抑制措施

针对风电系统中电压波动的问题,分析了风电系统中电压波动的产生机理,指出风速的变化、临近风电场的电网结构、风力发电机类型等是影响风电系统中电压波动的主要因素;提出了几种抑制措施,即优化电网结构、提高风电场风速等。     

南澳风电场输出有功功率与频率特性分析

风力发电具有间歇性、随机性、可调度性低的特点,大规模接入后对电网运行会产生较大的影响。结合南澳风电场实际情况,对风电场进行建模,分析风电场输出有功功率与频率特性,以便更好的应对风电并网后出现的频率波动等问题。     

基于超级电容器储能的直驱风电系统并网性能分析

为改善直驱风电系统的并网性能,在直流母线电压端并入超级电容器储能装置.分析了基于超级电容器储能的直驱风电系统模型,设计了控制策略,通过控制双向直流变换器及并网变流器,抑制风机功率的波动以向电网输出平滑的功率.在电网电压跌落时,使直驱风电系统安全实现低电压穿越,并向电网提供一定的无功功率支撑.利用依兰风电场18#风机实际输出功率作为控制对象进行仿真.结果表明,加入超级电容器储能装置可以改善直驱风电系统的并网性能.     

用于提高电网中风电渗透率的混合储能容量优化分析

为提升电网中风电渗透率,通过提出由电池、超级电容器和抽水蓄能构成的混合储能系统,构建缓和风电并网时不稳定性的双层容量优化模型。首先,提出了风电典型场景和极端场景的提取方案,获得充分逼近原风电出力场景的场景集合。然后,使用小波包分析法,配置电池和超级电容器的容量用来平抑风电功率波动,并在电力系统中利用抽水蓄能进行削峰填谷,建立双层混合储能容量优化模型对储能容量进行优化。最后,利用某风电场一年输出功率数据,对改进的 RTS-96 系统进行仿真验证并分析。算例结果表明：建立的双层混合储能容量优化模型在确保经济性的条件下提升了风电渗透率。     

基于游程判别法和VMD残差修正的风电功率预测

为了提高风电功率预测准确性,提出一种基于频率游程判别法和变分模态分解（VMD）残差修正的风电功率超短期预测模型.采用变分模态分解将原始风电功率序列分解,得到一系列不同中心频率的子序列,再利用序列之差提取残差序列,残差序列继承原始序列噪声分量与分解被屏蔽的真实分量,呈现波动性大,非线性复杂和不平稳的特点,采用t-SSAL...     

风电出力特性研究

以张家口地区某风电场的年出力数据为基础,重点分析了风电场年、月、日出力特性,并以概率出力作为分析指标,深入分析了尖峰电量与风电出力的关系;并对电力平衡及调峰平衡时如何考虑计入风电场进行了探讨。通过风电场出力特性研究,可为电力系统规划、电网调度运行提供重要的参考依据。     

基于CQPSO算法的含风电场电力系统经济调度研究

为了克服风电场出力波动的不利影响,提高调度经济性,构建含常规火力发电燃料费用、风电预测误差备用费用以及风电弃风成本的多目标动态调度模型,并提出一种混沌量子粒子群算法对模型进行求解。标准测试函数的仿真结果表明本算法比对照算法具有较高的收敛精度和稳定性。对含风电场的IEEE30节点系统算例进行仿真实验,结果表明采用混沌量子粒子群算法对调度模型求解的调度费用最低。     

基于天牛须搜索算法的短期风电功率组合预测

为了提高风电功率预测精度,提出了一种完全集成经验模态分解(CEEMDAN)、极限学习机(ELM)和改进天牛须搜索算法(IBAS)的组合预测模型来预测风电功率。引入动态惯性权重改进天牛的位置更新方式,提高天牛须搜索算法的寻优能力。在预测过程中,首先通过CEEMDAN对原始风电功率数据进行预处理,将非平稳信号分解为一组按照频率和振幅大小排列的序列分量,减少数据波动带来的预测误差。然后利用IBAS优化ELM构建预测模型,分别预测每个序列分量,最后叠加每个序列分量的预测值得到最终预测值。仿真结果表明,与其他预测模型相比,本预测模型预测精度最高,评价指标MAE、RMSE、MAPE均为最小,具有广阔的实际应用前景。     

改进型PID风电场功率控制系统的设计

现有风电场功率控制系统存在响应速度慢与控制误差大的缺点,提出一种改进型PID算法用于风电场功率控制,从现有实际运行的风电场SCADA系统中采集大量数据,利用辨识工具做模型辨识,根据最小二乘解算法得出传递函数,在Matlab中构建试验模型,采用比例、微分先行控制,积分后行,得出理想性能PID控制器.将仿真参数实际应用到风电场功率控制系统中.结果表明,该系统响应速度快,控制精度高,具有较强实际应用价值.     

含风电场电网电能质量小波检测方法

研究了利用小波变换方法检测含风电场电网电能质量扰动的原理,并对谐波、电压波动及电磁暂态等电能质量扰动进行了MATLAB仿真．仿真结果表明,该方法能够实现对电能质量扰动快速又准确的检测,为研究含风电场电网中电能质量扰动的评估和治理提供了依据．     

审计行业专长与股价崩盘风险——基于客户重要性和内部控制水平的视角

针对最小二乘支持向量回归（Least Square Support Vector Regression,LSSVR)建模风电功率时变特性的局限性,提出了一种基于动态集成LSSVR的超短期风电功率预测模型.首先利用风电场监测控制与数据采集（Supervisory Control And Data Acquisition,SCADA）与数值天气预报（Numerical Weather Prediction, NWP）系统的历史数据建立离线单体LSSVR模型库,然后根据预测时段与训练时段NWP序列的相似度从单体LSSVR模型库中动态选择候选集成成员,再后综合考虑正确性与多样性确定集成成员.最后由预测时段与训练时段NWP序列间的相似度分配集成LSSVR成员的权重.通过对湖南省某风电场输出功率进行预测,验证了动态集成LSSVR预测模型的有效性,与持续法、自回归求和移动平均法、单体LSSVR模型、常权重LSSVR组合模型及BPNN动态集成模型相比,动态集成LSSVR模型具有更高的精度,在天气非平稳变化阶段更加明显.     

基于尾流效应的低风速地区风电场布局优化方法

为了减少低风速地区风电场尾流效应对其发电能力的影响,提出一种通过改变风机塔筒高度以提高风电场收益的布局优化方法。首先分析了塔筒高度与风电场年发电量的关系,进而优化风电场主风向上机组塔筒高度,以使轮毂海拔高度呈渐进式增加,实现风电场年发电量提升的同时尾流损失下降的优化目标。最后,使用Wasp10.0风资源评估软件建立风电场模型,与未使用优化方法的风电场进行仿真对比。仿真结果表明,随着主风向上前后排机组轮毂海拔高度差值的不断增加,风电场年发电量不断增加,验证了所提方法的有效性。