CN102539823A - 一种wtg风速分布的预测方法 - Google Patents

一种wtg风速分布的预测方法 Download PDF

Info

Publication number
CN102539823A
CN102539823A CN2012100104232A CN201210010423A CN102539823A CN 102539823 A CN102539823 A CN 102539823A CN 2012100104232 A CN2012100104232 A CN 2012100104232A CN 201210010423 A CN201210010423 A CN 201210010423A CN 102539823 A CN102539823 A CN 102539823A
Authority
CN
China
Prior art keywords
wind speed
wtg
wind
probability
speed profile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2012100104232A
Other languages
English (en)
Inventor
谢开贵
齐雪雯
胡博
李春燕
孙若笛
李玉敦
张晓�
王光强
蒋泽甫
孟虹年
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN2012100104232A priority Critical patent/CN102539823A/zh
Publication of CN102539823A publication Critical patent/CN102539823A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种WTG风速分布的预测方法，解决了现有风速预测方法中，不同的地域或不同的历史数据都会对预测值产生较大影响的技术问题；属于电力工程技术领域；该方法的具体步骤包括：数据采集，构建WTG多状态出力模型和构建风速分布的指数平滑模型，最后确定平滑系数，通过确定的平滑系数求的风电场的线性模型；由于本发明采用指数平滑的风速分布预测方法，该方法对风速分布的预测不受地域和不同时间的历史数据的影响，预测的准确性高。

Description

一种WTG风速分布的预测方法
技术领域
本发明涉及一种WTG风速分布的预测方法，具体指应用指数平滑方法对WTG风速分布进行预测，属于电力工程技术领域。
背景技术
近年来，风能发电技术已得到迅猛发展，将风电机组接入配电网是配电网智能化的发展趋势，风电机组，英文全称为：wind turbine generator，简称为“WTG”；由于WTG出力与风速的关系密切，风速的准确预测对含WTG的配电网可靠性评估，电力系统运行与规划有着重要的意义。
传统的风速预测方法有：1、人工神经网络法（分布式发电系统几点保护技术［J］．电力系统保护与控制，2009，37（2）：100-105），该方法收敛速度慢，误差较大；2、卡尔曼滤波法（  Short-term wind prediction using Kalman filters［J］．Wind Engineering, 1985，9（1）：1-8），该方法在状态方程和预测方程的建立上较困难；3、基于时间序列分析的自回归滑动平均建模法，全称为Auto-Regressive and Moving Average，简称为ARMA（Time series models to simulate and forecast hourlyaveraged wind speed in Wuetta，Pakistan［J］．Solar Energy，1997，61（1）：23-32），该方法在短期风速预测上精度较高，但不适合做长期风速预测；4、Weibull分布建模法（考虑风电能量随机性的配电网可靠性快速评估［J］．中国电机工程学报，2010，30（13）：16-22），该方法相对以前三种方法其预测精度较高，但该方法与预测地点的风速分布特性密切相关；5、将最近某年的风速分布统计值作为预测年的预测值（考虑风力发电影响的配电网可靠性评估［J］．电网技术，2011，35（4）：154-158），该方法简单有效，但当最近几年的风速波动较大时，该年的风况可能不适合直接代替预测年。
综上所述，上述方法在不同的领域都有很好的应用，但由于不同时间的历史数据对预测值的影响不同，而通常，离预测值越近的数据，对预测值影响越大。
发明内容
针对现有技术存在的上述问题，本发明采用指数平滑的方法对WTG风速分布进行预测，该预测方法不受地域和不同时间风速历史数据的影响。
本发明是这样实现的：
一种WTG风速分布的预测方法，具体步骤包括：
步骤1：采集配电网的原始数据：包括风电场的原始风速数据，WTG的切入风速、额定风速、切出风速、额定输出功率；
步骤2：构建WTG出力模型
风速V与WTG出力P(V)之间的关系可表示为：
Figure 819119DEST_PATH_IMAGE001
    （1）
其中，Vci、Vr和Vco分别表示WTG的切入、额定和切出风速；根据式(1)可对WTG出力聚类形成WTG多状态出力概率表，按区间对风速进行统计，得到第t年风速在不同风速区间的状态概率
Figure 736259DEST_PATH_IMAGE002
；
步骤3：构建风速分布的指数平滑模型
根据步骤2建立的WTG多状态出力概率表，采用一次指数平滑对风速进行处理，则一次指数平滑线性模型为：
Figure 453679DEST_PATH_IMAGE003
    （3）
式中，S t+1为第t+1年的风速分布概率平滑值、P t为第t年的风速分布概率实际统计值、S t为第t年的风速分布概率平滑值、a(0≤a≤1)为平滑系数；初值为实测第一年的风速分布概率，即S 1=P 1，根据递推关系求得该风电场第t+1年的线性模型为：
  
Figure 848889DEST_PATH_IMAGE004
     (4)
步骤4：确定平滑系数
以绝对误差之和作为模型评价平滑系数的标准：
     （6）
其中，P t为第t年的风速分布概率实际统计值，S t为第t年的风速分布概率平滑值，m表示建模所用的风速年数，在
Figure 375926DEST_PATH_IMAGE005
的取值范围[0,1]内，搜索步长取值范围为0.1≤
Figure 761776DEST_PATH_IMAGE005
≤0.0001，遍历求取f的值，确定平滑系数
Figure 430655DEST_PATH_IMAGE005
使得f取最小值；
步骤5：将第4步确定的平滑系数
Figure 361702DEST_PATH_IMAGE005
代入式（4）中求得风电场第t+1年的线性模型。
相对于现有技术的优点是：
本发明采用指数平滑的风速分布预测方法，该方法对风速分布的预测不受地域和不同时间的风速历史数据的影响，预测的准确性高。
具体实施方式
下面对本发明作进一步详细说明。
一种WTG风速分布的预测方法，数据配电网的原始数据：包括，构建WTG多状态出力模型和构建风速分布的指数平滑模型，确定平滑系数，最后再将确定的平滑系数带入公式(4)中，求得风电场第t+1年的线性模型；具体步骤包括：
步骤1：确定配电网的原始数据：包括风电场的原始风速数据，WTG的切入风速、额定风速、切出风速、额定输出功率；
步骤2：构建WTG出力模型
风速V与WTG出力P(V)之间的关系可表示为：
Figure 116031DEST_PATH_IMAGE001
    （1）
其中，Vci、Vr和Vco分别表示WTG的切入、额定和切出风速；根据式(1)可对WTG出力聚类形成WTG多状态出力概率表，如表1所示，其中，n为风速分布状态数，h为区间长度，n和h的关系为：
Figure 541459DEST_PATH_IMAGE007
        （2）
 
Figure 64844DEST_PATH_IMAGE008
按区间对风速进行统计，得到第t年风速在不同风速区间的状态概率；
步骤3：构建风速分布的指数平滑模型
根据步骤2建立的WTG多状态出力概率表，采用一次指数平滑对风速进行处理，则一次指数平滑线性模型为：
Figure 673997DEST_PATH_IMAGE003
    （3）
式中，S t+1为第t+1年的风速分布概率平滑值、Pt为第t年的风速分布概率实际统计值、S t为第t年的风速分布概率平滑值、a(0≤a≤1)为平滑系数；初值为实测第一年的风速分布概率，即S1=P1，根据递推关系求得该风电场第t+1年的线性模型：
Figure 136071DEST_PATH_IMAGE009
 
 
Figure 779542DEST_PATH_IMAGE004
     (4)
步骤4：确定平滑系数
以绝对误差之和作为模型评价平滑系数a的标准：
Figure 52392DEST_PATH_IMAGE006
     （6）
其中，P t为第t年的风速分布概率实际统计值 ，S t为第t年的风速分布概率平滑值，m表示建模所用的风速年数，在a的取值范围[0,1]内，搜索步长取值范围为0.1≤
Figure 472658DEST_PATH_IMAGE005
≤0.0001，遍历求取f的值，确定平滑系数a使得f取最小值；
步骤5：将第4步确定的平滑系数
Figure 551473DEST_PATH_IMAGE005
代入式（4）中求得风电场第t+1年的线性模型。
实施例：采用荷兰Valkenburg市1999-2009年的实测风速数据，分别使用背景技术中所述的几种方法预测2010年风速，然后按风速区间统计，计算WTG多状态出力容量概率，再用本申请的方法预测出2010年的WTG出力概率，计算WTG多状态出力容量概率。结果见表2，其中Vci=3、Vr=13、Vco=25、Pr=1MW。
Figure 987133DEST_PATH_IMAGE010
通过绝对误差的比较可看出，本申请的预测结果较ARMA预测精度提高16.18%，较Weibull预测精度提高4.62%，较方法5预测精度提高0.93%。
采用荷兰Valkenburg市1991-2010年风速，分别采用背景技术中所述的几种方法，每种算法每次均用10年数据预测下一年的风速区间概率（用1991-2000年数据预测2001年数据，编号为1，用1992-2001年数据预测2002年数据，编号为2，依次类推）。对比分析不同方法10次预测产生的绝对误差eabs的均值和方差，结果见表3。
Figure 758780DEST_PATH_IMAGE012
由表3可看出，本申请方法与其他方法相比，预测精度高、波动小。
分析风速的状态数n对模型的影响，应用背景技术中所述的几种方法，建立风电机组出力模型，如表4。
由表4可知，通过绝对误差的比较，指数平滑法的预测精度仍较高于其余预测方法，即表明风速分布的状态数n对风电机组多状态出力预测模型精度基本无影响。 

Claims (1)

1.一种WTG风速分布的预测方法，其特征在于：具体步骤包括：
步骤1：采集配电网的原始数据：包括风电场的原始风速数据，，确定WTG的切入风速、额定风速、切出风速、额定输出功率；
步骤2：构建WTG出力模型
风速V与WTG出力P(V)之间的关系可表示为：
Figure 885586DEST_PATH_IMAGE001
    （1）
其中，Vci、Vr和Vco分别表示WTG的切入、额定和切出风速；根据式(1)可对WTG出力聚类形成WTG多状态出力概率表，按区间对风速进行统计，得到第t年风速在不同风速区间的状态概率
Figure 2012100104232100001DEST_PATH_IMAGE002
；
步骤3：构建风速分布的指数平滑模型
根据步骤2建立的WTG多状态出力概率表，采用一次指数平滑对风速进行处理，则一次指数平滑线性模型为：
Figure 2012100104232100001DEST_PATH_IMAGE003
    （3）
式中，S t+1为第t+1年的风速分布概率平滑值、P t为第t年的风速分布概率实际统计值、S t为第t年的风速分布概率平滑值、a(0≤a≤1)为平滑系数；初值为实测第一年的风速分布概率，即S 1=P 1，根据递推关系求得该风电场第t+1年的线性模型为：
      (4)
步骤4：确定平滑系数
以绝对误差之和作为模型评价平滑系数
Figure 2012100104232100001DEST_PATH_IMAGE005
的标准：
     （6）
其中，P t为第t年的风速分布概率实际统计值，S t为第t年的风速分布概率平滑值，m表示建模所用的风速年数，在
Figure 915356DEST_PATH_IMAGE005
的取值范围[0,1]内，搜索步长取值范围为0.1≤≤0.0001，遍历求取f的值，确定平滑系数
Figure 489874DEST_PATH_IMAGE005
使得f取最小值；
步骤5：将第4步确定的平滑系数
Figure 756907DEST_PATH_IMAGE005
代入式（4）中求得风电场第t+1年的线性模型。 
CN2012100104232A 2012-01-13 2012-01-13 一种wtg风速分布的预测方法 Pending CN102539823A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012100104232A CN102539823A (zh) 2012-01-13 2012-01-13 一种wtg风速分布的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012100104232A CN102539823A (zh) 2012-01-13 2012-01-13 一种wtg风速分布的预测方法

Publications (1)

Publication Number Publication Date
CN102539823A true CN102539823A (zh) 2012-07-04

Family

ID=46347214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100104232A Pending CN102539823A (zh) 2012-01-13 2012-01-13 一种wtg风速分布的预测方法

Country Status (1)

Country Link
CN (1) CN102539823A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880771A (zh) * 2012-10-31 2013-01-16 贵州大学 高速切削加工中工件表面粗糙度的预测方法
CN103366091A (zh) * 2013-07-11 2013-10-23 西安交通大学 基于多级阈值指数加权平均的异常报税数据检测方法
CN103559563A (zh) * 2013-11-20 2014-02-05 国家电网公司 一种风电场短期风速预测方法
CN103558768A (zh) * 2013-08-12 2014-02-05 清华大学 一种基于风电场内风速分布特性的等值建模方法
CN104806448A (zh) * 2015-05-15 2015-07-29 长沙理工大学 基于风速预测的风力发电机再切入控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
DAVATEE MAHARAJ: "Feasibility of the use of the Single Exponential Smoothing method (SES) to forecast wind speed values for wind power generation to achieve sustainability in Trinidad", 《9TH LATIN AMERICAN AND CARIBBEAN CONFERENCE FOR ENGINEERING AND TECHNOLOGY》 *
E. CADENAS ET AL.: "Analysis and forecasting of wind velocity in chetumal, quintana roo, using the single exponential smoothing method", 《RENEWABLE ENERGY》 *
Y.M. ATWA ET AL.: "Probabilistic approach for optimal allocation of wind-based distributed generation in distribution systems", 《IET RENEW. POWER GENER.》 *
张硕等: "风电场可靠性建模", 《电网技术》 *
王长江: "指数平滑法中平滑系数的选择研究", 《中北大学学报（自然科学版）》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880771A (zh) * 2012-10-31 2013-01-16 贵州大学 高速切削加工中工件表面粗糙度的预测方法
CN102880771B (zh) * 2012-10-31 2014-12-03 贵州大学 高速切削加工中工件表面粗糙度的预测方法
CN103366091A (zh) * 2013-07-11 2013-10-23 西安交通大学 基于多级阈值指数加权平均的异常报税数据检测方法
CN103366091B (zh) * 2013-07-11 2015-08-26 西安交通大学 基于多级阈值指数加权平均的异常报税数据检测方法
CN103558768A (zh) * 2013-08-12 2014-02-05 清华大学 一种基于风电场内风速分布特性的等值建模方法
CN103558768B (zh) * 2013-08-12 2016-09-21 清华大学 一种基于风电场内风速分布特性的等值建模方法
CN103559563A (zh) * 2013-11-20 2014-02-05 国家电网公司 一种风电场短期风速预测方法
CN104806448A (zh) * 2015-05-15 2015-07-29 长沙理工大学 基于风速预测的风力发电机再切入控制方法

Similar Documents

Publication Publication Date Title
Shi et al. Hybrid forecasting model for very-short term wind power forecasting based on grey relational analysis and wind speed distribution features
CN102945508B (zh) 一种基于模型校正的风电功率预测预报方法
CN104978608B (zh) 一种风电功率预测装置及预测方法
CN102478584B (zh) 基于小波分析的风电场风速预测方法及系统
Hu et al. Adaptive confidence boundary modeling of wind turbine power curve using SCADA data and its application
CN105654207A (zh) 基于风速、风向信息的风电功率预测方法
CN102831321A (zh) 一种基于蒙特卡洛方法的风电场风险评估方法
CN104252649A (zh) 一种计及多风电场相关性的区域风电出力预测方法
CN109978242A (zh) 基于统计升尺度的光伏发电集群功率预测方法及装置
CN104077632A (zh) 一种基于深度神经网络的风电场功率预测方法
CN102709908A (zh) 大规模风电接入电网后的网损预测方法
CN109167387A (zh) 风场风电功率预测方法
CN102539823A (zh) 一种wtg风速分布的预测方法
CN110648249A (zh) 年度电力平衡测算方法、装置及设备
CN101923685A (zh) 一种基于断线故障概率预测的电力切负荷决策系统及方法
CN103996071A (zh) 一种基于马尔科夫理论的风电场风速预测方法
CN103235984A (zh) 风电场出力的纵向时刻概率分布计算方法
CN103971175A (zh) 一种多级变电站的短期负荷预测方法
CN113642884B (zh) 一种电网失电情况下风电场发电量损失统计方法及系统
CN102749471A (zh) 一种短期风速、风电功率预测方法
CN104951654A (zh) 基于控制变量抽样的大规模风电场可靠性评估方法
CN105591387A (zh) 计及风电不确定性的基于安全域的电力系统安全监测方法
CN103927597A (zh) 基于自回归滑动平均模型的风电功率超短期预测方法
CN114819385A (zh) 风电功率预测方法、装置、电子设备及存储介质
CN105140967A (zh) 一种含新能源电力系统调峰需求的评估方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120704