久久天天躁狠狠躁夜夜躁,国产精品入口福利,97久久精品人人爽人人爽蜜臀 ,中文字幕国产精品一区二区

當前位置首頁 > 教育資訊

華中科技學院彭小圣等:風電集群短期及超短期功率預測精度改進方式綜述

更新時間:2023-10-22 文章作者:佚名 信息來源:網絡整理 閱讀次數:

點擊標題下「中國水泵工程學報」即可關注本刊陌陌HkL物理好資源網(原物理ok網)

提示HkL物理好資源網(原物理ok網)

新增功能:點擊文章頂部左下角“閱讀原文”可在手機端查看論文全文啦!點擊右下角“寫留言”可對論文進行評論。HkL物理好資源網(原物理ok網)

風電集群短期及超短期功率預測精度改進方式綜述HkL物理好資源網(原物理ok網)

彭小圣,熊磊,文勁宇,程時杰,伯明翰元,馮雙磊,王勃HkL物理好資源網(原物理ok網)

DOI:10.13334/j.0258-8013.pcsee.HkL物理好資源網(原物理ok網)

項目背景HkL物理好資源網(原物理ok網)

風力發電主要由風速、風向、氣壓、溫度、濕度等自然條件決定,具有間歇性、波動性、隨機性的特性。大規模風電并網對電力系統的安全穩定運行帶來了挑戰。風電功率預測(WindPower,WPP)通過數值天氣預報數據(,NWP)、風電場歷史運行數據、風電場運行狀態數據等,預測風電出力變化趨勢,為電網安全、電力調度、電力營運帶來了積極的影響。目前,世界范圍內的風電功率預測大多集中在對單一風電場的功率預測。并且單個風電場的功率預測并不能挺好滿足電網調度的需求。一方面,電力系統作為一個整體,其不確定性的功率總額更受調度人員關注;另一方面風電功率預測方法,為了對電網進行合理的實時調度及對聯絡交換功率的有效控制,防止風電穿透功率提升而導致的脫網風波,須要對集群風電功率作出有效預測。我國的風力資源地理分布和電力負荷中心之間并不匹配,風電開發集中在“三北”地區,產生區域性的集群分布。為此風電集群功率預測對于我國電網的安全穩定運行意義重大。HkL物理好資源網(原物理ok網)

論文所解決的問題及意義HkL物理好資源網(原物理ok網)

(1)風電集群功率預測系統的整體框架HkL物理好資源網(原物理ok網)

論文以我國東部地區一個實際風電集群為對象,從預測流程、數據來源、數據流向、物理層次四個方面闡述了風電集群功率預測系統的整體框架,如圖1所示。HkL物理好資源網(原物理ok網)

圖1風電集群功率預測系統的整體框架HkL物理好資源網(原物理ok網)

(2)風電集群功率預測系統的數學層次HkL物理好資源網(原物理ok網)

論文提出了具有普適性的風電功率預測模型的6個數學層次,即數據層、映射層、特征層、模型層、反饋層、輸出層,如圖2所示。HkL物理好資源網(原物理ok網)

圖2風電功率預測的化學層次HkL物理好資源網(原物理ok網)

論文重點內容HkL物理好資源網(原物理ok網)

與圖2中的數學層次相對應,改進風電集群功率預測精度的方式及其可能的發展方向主要包括:HkL物理好資源網(原物理ok網)

數據層:1)建立高幀率的NWP系統;2)通過測風塔數據對NWP數據進行實時修正;3)采用多個NWP模型組合;4)構建科學規范的風電場數據傳輸和管理系統;5)與大數據技術相結合。HkL物理好資源網(原物理ok網)

映射層:1)異常測量與數據修正;2)數據分解與變換。HkL物理好資源網(原物理ok網)

特點層:1)特點優選;2)新特點建立。HkL物理好資源網(原物理ok網)

風電功率預測方法_風電功率預測技術與實例分析_風功率預測的方法HkL物理好資源網(原物理ok網)

模型層:單個風電場:1)提高數學模型預測方式的精確度;2)與機率預測方式相結合;3)采用多元預測模型;4)采用先進的人工智能技巧。風電集群:1)子區域界定模型的改進;2)基準風電場選擇模型的改進;3)升尺度模型的改進。HkL物理好資源網(原物理ok網)

反饋層:1)預測結果反饋調整模型類型;2)預測結果反饋調整模型參數。HkL物理好資源網(原物理ok網)

推論HkL物理好資源網(原物理ok網)

自然誘因的間歇性、波動性、隨機性為風電功率預測帶來了挑戰,致使其預測難度低于負荷預測。本文總結了風電功率預測技術的分類、集群功率預測的整體框架、6個數學層次、預測偏差形成的緣由、改進風電功率預測精度的方式,對短期、超短期風電功率預測、風電集群功率預測的研究和工業系統的開發皆具有參考價值。HkL物理好資源網(原物理ok網)

引文信息HkL物理好資源網(原物理ok網)

彭小圣,熊磊,文勁宇,等.風電集群短期及超短期功率預測精度改進方式綜述[J].中國馬達工程學報,2016,36(23):6315-6326.HkL物理好資源網(原物理ok網)

PENG,XIONGLei,WENJinyu,etal.AoftheStateoftheArtforShort-termandUltra-short-termWindPowerof[J].oftheCSEE,2016,36(23):6315-6326(in).HkL物理好資源網(原物理ok網)

團隊介紹HkL物理好資源網(原物理ok網)

彭小圣(1983),男風電功率預測方法,博士,IEEE會員,IET會員。2006.6和2009.3分別獲華東科技學院專科和碩士學位,2009.2-2012.2在美國國家自然科學基金(EPSRC)的捐助下在墨爾本卡內多尼亞學院攻讀博士學位,2012.3-2013.8在EDF捐助下舉辦博士后研究,2013年9月到華北科技學院工作。研究方向:電力系統大數據理論與應用;電力系統主設備檢測與確診;智能微網多尺度控制;基于大數據挖掘的新能源功率預測;電力設備局部放電測量與辨識;基于大數據深度學習的模式辨識與預測等。2009年以來主持和主研了德國國家自然科學基金(EPSRC)、英國能源公司()、法國電力公司(EDF)、國家自然科學基金、湖北省自然科學基金、國網總部項目子課題、中國電力科學研究院、國網技術大學項目10余項。在IEEE、《中國馬達工程學報》等國外、國際一流刊物和大會上發表學術論文20余篇,皆被SCI/EI收錄。兼任IEEE、《中國馬達工程學報》、《電工技術學報》、《電網技術》等國外、國際一流刊物審稿人。其1篇大數據論文,被評為2016年度《領跑者5000—中國精品科技刊物頂級學術論文》(F5000論文),同時被評為2016年度《中國馬達工程學報》和《電網技術》優秀審稿專家。HkL物理好資源網(原物理ok網)

熊磊,男,目前在華北科技學院電氣與電子工程大學攻讀碩士學位,從事電力系統新能源功率預測的研究工作。HkL物理好資源網(原物理ok網)

發表評論

統計代碼放這里
主站蜘蛛池模板: 抚州市| 麻阳| 安福县| 宜黄县| 涪陵区| 松滋市| 土默特右旗| 黔江区| 老河口市| 胶州市| 云南省| 顺义区| 阿城市| 安溪县| 宁都县| 台州市| 新营市| 噶尔县| 余江县| 汉阴县| 上杭县| 山丹县| 韶山市| 万年县| 隆回县| 青河县| 黑龙江省| 论坛| 阜新市| 深圳市| 康定县| 环江| 思南县| 民丰县| 镇坪县| 和平县| 靖江市| 都昌县| 龙陵县| 南溪县| 青州市|