风电场随机时间序列法功率预测的探究

我国能源资源总量相对较少,人均占有率低;能源消费增长较快,能源形势比较严峻;能源结构不合理,可再生能源开发利用不充分。从技术成熟性和经济可行性看,风电在可再生能源中具有最好前景。近十几年来其发电成本已得到大幅下降,风电已具有与传统常规电源发电竞争的潜力。随着我国能源结构的调整,无污染可再生的风电日益得到重视。风电场功率预测一直是风电研究热点和技术必需。     

风电场短期功率预测方法及应用

风电场输出功率的预测对一些大规模的风电接入电力系统的正常运行有着较为重要的价值与意义。对此本文主要对其相关预测方式以及实际应用进行了探究,提出了向量机——马尔科夫链的风电短期功率预测方法。     

基于ARMA的风电功率预测

风电场风电功率预测对优化电网调度,提高风电场容量系数具有重要意义。对采样时间为15 min的风电功率时间序列建立自回归移动平均模型,并对风电场输出功率分别进行短期和中长期预测,同时分别分析了4台风电机组和58台风电机组的汇聚对预测结果的误差影响等。研究结果表明,利用ARMA模型在预测短期及中长期风电功率时的日前预测平均相对误差为0.087 1,实时预测误差为0.15,同时4台风电机组和58台风电机组的汇聚的平均相对误差为0.293 1和0.194 3,风电机组在集中开发方式下风电功率预测误差减小。     

智能电网风电功率预测分析

智能电网建设是未来国内外电力系统投资和建设的主要目标,智能电网需要大量的可再生资源新电源,风能是最有发展前景的新能源技术之一,高精度的风电功率预测能够提高电力系统的经济效能。针对风电功率预测的不同模型,详细介绍了风电功率预测的分类及预测方法,分析了风电功率预测中存在的问题,对于未来风电功率预测系统的建设有很好的指向性作用。     

风电场风速及风电功率预测方法研究综述

当今社会传统能源形式危机,化石燃料的前景早已不容乐观。因此,当下环保节能的新型能源越来越受到广大人们的追捧与重视。以目前的趋势来看,在几十年之后,先进环保的新型能源能取代传统化石燃料进行社会的发展和需要越来越现实。风力发电是目前我们国家正在尝试的新型能源之一,而对风电场风俗以及风电功率的预测和研究正式该过程一项不可或缺的内容,它对于日后风能发电在生活生产里的大规模应用有着重要的意义。本文则简单的对风电场风速以及风电速率的研究方式进行分析,并对相关的方式进行客观有效的分析,从而得到最终想要达到的预期目标。     

风电发电功率预测模型改进研究

为了提高风力发电机的发电功率和使用效率,需要进行风电发电功率有效预测,实现电机优化控制。提出一种基于模糊PID的风电发电功率预测模型。首先建立风电发电机的电路模型,以风电发电机的输出目标电流、输出功率、励磁电流和动子电流等参量为约束参量模型,进行风电发电机的控制器模型设计。在优化控制模型中,根据基尔霍夫电压回路模型建立发电功率预测的模糊PID控制目标函数,并进行最优解求取,实现发电功率有效预测。实验结果表明,采用该方法进行风电发电功率预测的精度较高,收敛性较好,有效提高了风电发电机的输出效率。     

Controller design for a wind farm, considering both power and load aspects

In this paper, a wind farm controller is developed that distributes power references among wind turbines while it reduces their structural loads. The proposed controller is based on a spatially discrete model of the farm, which delivers an approximation of wind speed in the vicinity of each wind turbine. The control algorithm determines the reference signals for each individual wind turbine controller in two scenarios based on low and high wind speed. In low wind speed, the reference signals for rotor speed are adjusted, taking the trade-off between power maximization and load minimization into account. In high wind speed, the power and pitch reference signals are determined while structural loads are minimized. To the best of authors’ knowledge, the proposed dynamical model is a suitable framework for control, since it provides a dynamic structure for behavior of the flow in wind farms. Moreover, the controller has been proven exceptionally useful in solving the problem of both power and load optimization on the basis of this model.     

深度神经网络在风电功率预测中的应用研究

风电功率预测对于电网建设具有重要意义。文中提出一种基于深度神经网络的风电功率预测方法,该方法充分考虑了影响风电功率的若干因素,如风速、风向、空气密度和季节,通过深度神经网络训练、学习给出最佳的功率预测值。通过深度神经网络学习的特征能够更为有效地反映实际情况,因此提高了风电功率预测的稳健性。基于内蒙古某风电厂的实测数据进行了验证实验,结果表明了提出方法的有效性。     

基于PSO-WaveNet的短期风电功率预测

为了应对风电大规模并网给电力系统带来的严峻挑战,同时提高风力发电的市场竞争力,需要对短期风电功率进行准确预测.文中将小波分析和粒子群优化理论引入神经网络——PSO-WaveNet算法.该算法构建了稳定的风电功率预测网络模型,同时利用灰色关联算法确定网络的输入参量.弥补了神经网络容易陷入局部最优值的缺陷,实验结果表明用算法进行风电功率预测提高了预测精度,验证了该混合算法的可行性.     

风力机功率控制器的研究

MPPT（Maxmin Power Point Tracking）控制方法在风力机功率控制器中处于核心地位,其控制策略的优劣影响整个系统的输出特性。本文构建了风力发电系统仿真模型,深入研究了风机输出特性,在此基础上对以往MPPT控制方法的改进提出自适应变步长控制策略,使其能够应用于小型风力发电系统中。     

大规模风电并网引起的电力系统运行与稳定问题及对策

风力发电间歇性强、可控性差、机组种类多、出力预测难,大规模风电并网对电力系统的运行与稳定有着巨大的影响。本文就大规模风电并网引起的电力系统运行与稳定问题进行了研究,并有针对性的提出一些解决策略,对促进风电并网的安全与稳定有一定帮助。     

光伏电站抗风监测装置分析与设计

基于光伏电站长期运行中发生的太阳能电池板松动或脱落现象以及我国现有技术中光伏电站抗风检测领域的空白,本文采用一种光伏电站抗风性能检测装置,通过在太阳能电池板上设置振动传感器,实时检测太阳能电池板的震动系数,并实时测量光伏电站现场的风速和风向,将太阳能电池板震动系数与环境数据结合获得光伏电站的整体抗风性能指数,数据中心通过得到的参数对光伏电站的太阳能电池板进行实时监测,提高光伏电站的安全性,整体提高光伏电站长期运行中的抗风安全性问题.     

Comparison of energy intake prediction algorithms for systems powered by photovoltaic harvesters

Small size photovoltaic modules can harvest enough energy to power many personal devices and wireless sensor nodes. The prediction of solar energy intake is possible thanks to the periodical availability of the sunlight and its cyclic behavior. Thus, smart and innovative power management strategies can take advantage from intake prediction algorithms to optimize the energy usage by keeping the system in low power state as long as possible. On the other hand, very accurate predictions need time and energy because of complex calculations, thus an algorithm that can provide the optimal trade-off between computational effort and accuracy is a breakthrough for systems with tight power constraints. In this paper we introduce an innovative, efficient and reliable solar prediction algorithm, the weather conditioned moving average (WCMA). The algorithm has been further enhanced to increase performance using a phase displacement regulator (PDR) which reduces the average error to less than 9.2% at a minimum energy cost. The proposed new algorithm compares favorably with several competing approaches.     

基于情感神经网络的风电功率预测

风力发电功率预测对于风能并网具有重要意义.采用一种可用于复杂系统和模式建模的新型神经网络——情感神经网络,对风力发电功率进行预测.为防止ENN在训练时陷入局部最优解,提出采用遗传算法对其进行训练.采用预测误差的均方根和标准差衡量预测准确性、稳定性,对ENN性能进行了检验.结果表明,相比于人工神经网络、支持向量机和自滑动回归模型,ENN能够获得更高的预测准确率和预测可靠性.     

风光互补发电系统的能量管理研究

风光互补发电系统可充分利用本地太阳能和风能资源,具有无污染、供电质量好的优点,是解决偏远地区供电问题的最佳选择之一。为了提高风光互补发电系统的能量利用率和经济性,满足负荷的供电要求,必需对系统能量进行有效的管理。本文提出了一种简洁适用的基于储能环节控制的能量管理策略,并进行了相关的仿真和实验验证。