CN104200067A - 风速概率分布确定方法、装置及风电系统功率评测方法 - Google Patents
风速概率分布确定方法、装置及风电系统功率评测方法 Download PDFInfo
- Publication number
- CN104200067A CN104200067A CN201410392721.1A CN201410392721A CN104200067A CN 104200067 A CN104200067 A CN 104200067A CN 201410392721 A CN201410392721 A CN 201410392721A CN 104200067 A CN104200067 A CN 104200067A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- hour
- probability
- probability distribution
- infin
- 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
Links
Landscapes
- Complex Calculations (AREA)
Abstract
本申请公开了一种风速概率分布确定方法、装置及风电系统功率评测方法,其中方法包括:接收预先统计的待测地区n个小时风速的平均值和标准偏差,根据平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数,将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数,利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布,确定n个小时的平均风速概率分布。本申请的方法,利用正态分布函数求解风速概率分布,该过程仅仅需要第一类风速参数而不需要第二类风速参数,从而可以基于现有存储的数据来进行风速概率分布的计算。
Description
技术领域
本申请涉及风力发电技术领域,更具体地说,涉及风速概率分布确定方法、装置及风电系统功率评测方法。
背景技术
由于风能具有取之不尽、用之不竭的较好的环境和社会效益,风力发电已经越来越受到人们的支持。目前,国内外许多电力公司投资新建风电场,但是由于缺乏风力发电系统可靠性评估的有效工具,致使政府和企业难以评估和分析一个实际风电系统的价值。
风速分布的模拟是风力发电系统可靠性评估的关键环节。目前,比较成熟的技术是ARMA模型,通过该模型可以确定风速的分布概率。但是,ARMA风速模型需要两类数据才能够给出最终的结果,其中第一类数据是每小时风速平均值μt和偏移量σt(下标t表示第t小时,t=1,2,3,…,8760);第二类数据是近几年来每小时风速的统计值。而由于需要统计风速的地方多、时间长等原因,致使风速数据具有海量、存储困难等特征,因此很多国家常常只保存第一类数据以及统计当年的实际风速值,即仅仅保存少量的第二类数据(通常为一年的第二类数据)。对于这种情形,由于第二类数据的不足,致使ARMA风速模型无法求解模型参数,因而得不出理想的风速概率分布,影响整个发电系统可靠性的评估。
发明内容
有鉴于此,本申请提供了一种风速概率分布确定方法、装置及风电系统功率评测方法,用于解决现有存储的风速参数过少,不足以支撑ARMA风速模型进行模型参数求解,从而得不出理想的风速概率分布的问题。
为了实现上述目的,现提出的方案如下:
一种风速概率分布确定方法,包括:
接收预先统计的待测地区n个小时风速的平均值μt和标准偏差σt;
根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数;
将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数;
利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布;
确定n个小时的平均风速概率分布。
优选地,所述n个小时为8760个小时。
优选地,所述根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数为:
利用正态分布函数,将第t个小时的风速SWt的概率密度函数表示为:
其中,0≤t≤8760。
优选地,所述将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数为:
定义
利用标准正态分布和一般正态分布间的关系,将g(SWt)的表达式转换为:
优选地,所述利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布为:
用和分别表示z1和z2,则风速SWt∈(S1,S2]的概率为:
优选地,所述确定n个小时的平均风速概率分布为:
根据统计得到的8760个小时风速的平均值和标准偏差,计算年度平均风速概率:
一种风电系统功率评测方法,包括:
利用预先获取的风电机组输出功率和风速间的函数关系以及权利要求6确定的年度平均风速概率分布,确定风电机组的出力概率分布。
一种风速概率分布确定装置,包括:
数据接收单元,用于接收预先统计的待测地区n个小时风速的平均值μt和标准偏差σt;
第一计算单元,用于根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数;
第二计算单元,用于将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数;
第三计算单元,用于利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布;
风速概率分布确定单元,用于确定n个小时的平均风速概率分布。
优选地,所述n个小时为8760个小时,所述第一计算单元具体用于,利用正态分布函数,将第t个小时的风速SWt的概率密度函数表示为:
其中,0≤t≤8760。
优选地,所述第二计算单元具体用于,定义
利用标准正态分布和一般正态分布间的关系,将g(SWt)的表达式转换为:
从上述的技术方案可以看出,本申请实施例提供的风速概率分布确定方法,接收预先统计的待测地区n个小时风速的平均值和标准偏差,根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数,将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数,利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布,确定n个小时的平均风速概率分布。本申请提供的方法,将统计的每个小时的风速认为近似服从正态分布,然后利用正态分布函数,求解风速概率分布,该过程仅仅需要第一类风速参数而不需要第二类风速参数,从而可以基于现有存储的数据来进行风速概率分布的计算。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种风速概率分布确定方法流程图;
图2为Swift Current风电场全年的时序风速图;
图3为本申请方案与ARMA模型在Swift Current处的风速概率分布对比图;
图4为本申请实施例公开的一种风速概率分布确定装置结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1,图1为本申请实施例公开的一种风速概率分布确定方法流程图。
如图1所示,该方法包括:
步骤100:接收预先统计的待测地区n个小时风速的平均值μt和标准偏差σt;
具体地,用户需要预先统计待测地区一定时间内风速的平均值和标准偏差。一般,我们选取n的值为8760(一年365天共8760个小时),当某地的风速统计数据足够长时,统计时间内第t小时的风速可以近似认为服从正态分布,本申请正是利用正态分布函数来进行后续的计算。
步骤110:根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数;
具体地,由于我们认为风速服从正态分布,则可以利用正态分布函数计算每个小时风速的概率密度函数。
步骤120:将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数;
具体地,上一步骤计算的是普通正态分布下每个小时风速的概率密度函数,此步骤将其转换为标准正态分布下的每个小时风速的概率密度函数。
步骤130:利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布;
步骤140:确定n个小时的平均风速概率分布。
本申请实施例提供的风速概率分布确定方法,接收预先统计的待测地区n个小时风速的平均值和标准偏差,根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数,将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数,利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布,确定n个小时的平均风速概率分布。本申请提供的方法,将统计的每个小时的风速认为近似服从正态分布,然后利用正态分布函数,求解风速概率分布,该过程仅仅需要第一类风速参数而不需要第二类风速参数,从而可以基于现有存储的数据来进行风速概率分布的计算。
为了更加清楚的介绍本申请的方案,我们对上述实施例中各个步骤的具体实现方式进行介绍,参见下文。
首先,确定统计事件为8760个小时。
在进行每小时风速的概率密度计算时,利用正态分布函数,将第t个小时的风速SWt的概率密度函数表示为:
其中,0≤t≤8760。
在计算每小时风速的概率密度函数时,定义
利用标准正态分布和一般正态分布间的关系,将g(SWt)的表达式(1)转换为:
在计算每小时风速概率分布时,用和分别表示z1和z2,则风速SWt∈(S1,S2]的概率为:
标准正态分布累计分布函数可用多项式进行近似表示,当z0≥0时,有:
Q(z0)=f(z0)[b1t+b2t2+b3t3+b4t4+b5t5] (4)
式中,r=0.2316419,b1=0.31938153,b2=-0.356563782,b3=1.781477937,b4=-1.821255978和b5=1.330274429。
式(4)所求即为变量z∈[z0,+∞)的概率。由(2)~(4)式即可直接解析得到风速属于区间(S1,S2]的概率,即P(SWt∈(S1,S2])。
在此基础上,我们可以根据统计得到的8760个小时风速的平均值和标准偏差,计算年度平均风速概率:
至此,完成了整个风速概率分布的求解过程。
通过上述求解得到的年度平均风速概率分布,可以继续进行后续的风电系统功率评估过程。
由于风电机组的出力和风速之间具有明显的非线性关系,当风速小于切入风速切入Vci或高于切出风速Vco时,机组出力为0;当风速从Vci到额定风速Vr逐渐增大时机组出力逐步增大;当达到和超过额定风速Vr时功率保持为额定功率Pr不变。
风电机组的输出功率和风速间的数量关系如下所示:
其中:
在计算风电机组出力时,可选取区间(S1,S2]的中点表示平均风速,即:
公式(6)的精度与风速区间(S1,S2]的长度有关,对于给定的每小时风速参数,区间越短发电机组出力的误差越小,风电机组的出力概率分布可以通过公式(5)-(7)确定。
接下来,我们以一个具体的案例为基础,对本案进行介绍。
统计加拿大Saskatchewan省Swift Current风电场8760小时风速的均值和标准偏差分别为20km/h和10km/h。参见图2,图2为Swift Current风电场全年的时序风速图。
选取风速区间(S1,S2]的长度为1.0km/h,由下式计算得出风速的概率分布,如表1所示。
表1
上表中,*表示风速为0。
Swift Current风电场机组额定功率为Pr=2MW,切入风速、额定风速和切除风速分别是12km/h、38km/h和80km/h,风速区间(S1,S2]的长度为1.0km/h。
式(6)中参数A、B、C分别为0.1192、-0.0252和0.0013。则风电机组的输出功率和风速间的数量关系为:
从而得到风电机组出力的概率分布,如下表2所示:
表2
为了说明本方案所提出的风速概率分布确定方法的正确性与有效性,与传统的模拟法ARMA模型进行对比,其结果如图3所示,图3为本申请方案与ARMA模型在Swift Current处的风速概率分布对比图。
由图3可知,本申请的风速概率分布确定方法和ARMA模型差别甚微,从而验证了本申请方案的正确性。
下面对本申请实施例提供的风速概率分布确定装置进行描述,下文描述的风速概率分布确定装置与上文描述的风速概率分布确定方法可相互对应参照。
参见图4,图4为本申请实施例公开的一种风速概率分布确定装置结构示意图。
如图4所示,该装置包括:
数据接收单元41,用于接收预先统计的待测地区n个小时风速的平均值和标准偏差;
具体地,所述n个小时可以为8760个小时,所述n个小时风速的平均值表示为μt,标准偏差表示为σt。
第一计算单元42,用于根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数;
具体地,利用正态分布函数,将第t个小时的风速SWt的概率密度函数表示为:
其中,0≤t≤8760。
第二计算单元43,用于将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数;
具体地,定义
利用标准正态分布和一般正态分布间的关系,将g(SWt)的表达式转换为:
第三计算单元44,用于利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布;
具体地,用和分别表示z1和z2,则风速SWt∈(S1,S2]的概率为:
风速概率分布确定单元45,用于确定n个小时的平均风速概率分布。
具体地,根据统计得到的8760个小时风速的平均值和标准偏差,计算年度平均风速概率:
本申请实施例提供的风速概率分布确定装置,接收预先统计的待测地区n个小时风速的平均值和标准偏差,根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数,将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数,利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布,确定n个小时的平均风速概率分布。本申请的方案,将统计的每个小时的风速认为近似服从正态分布,然后利用正态分布函数,求解风速概率分布,该过程仅仅需要第一类风速参数而不需要第二类风速参数,从而可以基于现有存储的数据来进行风速概率分布的计算。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种风速概率分布确定方法,其特征在于,包括:
接收预先统计的待测地区n个小时风速的平均值μt和标准偏差σt;
根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数;
将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数;
利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布;
确定n个小时的平均风速概率分布。
2.根据权利要求1所述的风速概率分布确定方法,其特征在于,所述n个小时为8760个小时。
3.根据权利要求2所述的风速概率分布确定方法,其特征在于,所述根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数为:
利用正态分布函数,将第t个小时的风速SWt的概率密度函数表示为:
其中,0≤t≤8760。
4.根据权利要求3所述的风速概率分布确定方法,其特征在于,所述将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数为:
定义
利用标准正态分布和一般正态分布间的关系,将g(SWt)的表达式转换为:
5.根据权利要求4所述的风速概率分布确定方法,其特征在于,所述利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布为:
用和分别表示z1和z2,则风速SWt∈(S1,S2]的概率为:
6.根据权利要求5所述的风速概率分布确定方法,其特征在于,所述确定n个小时的平均风速概率分布为:
根据统计得到的8760个小时风速的平均值和标准偏差,计算年度平均风速概率:
7.一种风电系统功率评测方法,其特征在于,包括:
利用预先获取的风电机组输出功率和风速间的函数关系以及权利要求6确定的年度平均风速概率分布,确定风电机组的出力概率分布。
8.一种风速概率分布确定装置,其特征在于,包括:
数据接收单元,用于接收预先统计的待测地区n个小时风速的平均值μt和标准偏差σt;
第一计算单元,用于根据所述平均值和标准偏差,利用正态分布函数计算每个小时风速的概率密度函数;
第二计算单元,用于将计算得到的每个小时风速的概率密度函数转换为标准正态分布下的每个小时风速的概率密度函数;
第三计算单元,用于利用标准正态分布下每个小时风速的概率密度函数计算每个小时风速概率分布;
风速概率分布确定单元,用于确定n个小时的平均风速概率分布。
9.根据权利要求8所述的风速概率分布确定装置,其特征在于,所述n个小时为8760个小时,所述第一计算单元具体用于,利用正态分布函数,将第t个小时的风速SWt的概率密度函数表示为:
其中,0≤t≤8760。
10.根据权利要求9所述的风速概率分布确定装置,其特征在于,所述第二计算单元具体用于,定义
利用标准正态分布和一般正态分布间的关系,将g(SWt)的表达式转换为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410392721.1A CN104200067A (zh) | 2014-08-11 | 2014-08-11 | 风速概率分布确定方法、装置及风电系统功率评测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410392721.1A CN104200067A (zh) | 2014-08-11 | 2014-08-11 | 风速概率分布确定方法、装置及风电系统功率评测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104200067A true CN104200067A (zh) | 2014-12-10 |
Family
ID=52085360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410392721.1A Pending CN104200067A (zh) | 2014-08-11 | 2014-08-11 | 风速概率分布确定方法、装置及风电系统功率评测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200067A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335603A (zh) * | 2015-07-17 | 2016-02-17 | 清华大学 | 一种度量引水灌溉地区干旱程度的方法 |
WO2016187405A1 (en) * | 2015-05-19 | 2016-11-24 | Ophir Corporation | Systems and methods for predicting arrival of wind event |
CN106355512A (zh) * | 2016-08-26 | 2017-01-25 | 华北电力大学 | 一种基于概率密度极大值优化的风电机组功率曲线拟合方法 |
US10746901B2 (en) | 2008-06-12 | 2020-08-18 | Ophir Corporation | Systems and methods for predicting arrival of wind event at aeromechanical apparatus |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070168155A1 (en) * | 2006-01-13 | 2007-07-19 | Sai Ravela | Statistical-deterministic approach to natural disaster prediction |
CN101727538A (zh) * | 2009-09-26 | 2010-06-09 | 山东科技大学 | 一种考虑风向影响的风电机组输入风速等效方法 |
CN102496926A (zh) * | 2011-12-16 | 2012-06-13 | 中国电力科学研究院 | 风电场功率预测输入数据的判断及处理方法 |
CN102609397A (zh) * | 2012-01-19 | 2012-07-25 | 江苏省电力设计院 | 基于低阶概率权重矩的风速概率分布参数估计方法 |
KR20140018497A (ko) * | 2012-08-01 | 2014-02-13 | 한국전력공사 | 단기 풍속 예측을 통한 풍력 발전량 예측 방법과, 그 기능을 이용한 배전선로 전압 예측 방법 |
-
2014
- 2014-08-11 CN CN201410392721.1A patent/CN104200067A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070168155A1 (en) * | 2006-01-13 | 2007-07-19 | Sai Ravela | Statistical-deterministic approach to natural disaster prediction |
CN101727538A (zh) * | 2009-09-26 | 2010-06-09 | 山东科技大学 | 一种考虑风向影响的风电机组输入风速等效方法 |
CN102496926A (zh) * | 2011-12-16 | 2012-06-13 | 中国电力科学研究院 | 风电场功率预测输入数据的判断及处理方法 |
CN102609397A (zh) * | 2012-01-19 | 2012-07-25 | 江苏省电力设计院 | 基于低阶概率权重矩的风速概率分布参数估计方法 |
KR20140018497A (ko) * | 2012-08-01 | 2014-02-13 | 한국전력공사 | 단기 풍속 예측을 통한 풍력 발전량 예측 방법과, 그 기능을 이용한 배전선로 전압 예측 방법 |
Non-Patent Citations (2)
Title |
---|
李玉敦: "《计及相关性的风速模型及其在发电系统可靠性评估中的应用》", 《中国博士学位论文全文数据库 工程科技Ⅱ辑 》 * |
蒋泽甫等: "《风力发电系统可靠性评估解析模型》", 《电力系统保护与控制》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10746901B2 (en) | 2008-06-12 | 2020-08-18 | Ophir Corporation | Systems and methods for predicting arrival of wind event at aeromechanical apparatus |
WO2016187405A1 (en) * | 2015-05-19 | 2016-11-24 | Ophir Corporation | Systems and methods for predicting arrival of wind event |
CN105335603A (zh) * | 2015-07-17 | 2016-02-17 | 清华大学 | 一种度量引水灌溉地区干旱程度的方法 |
CN106355512A (zh) * | 2016-08-26 | 2017-01-25 | 华北电力大学 | 一种基于概率密度极大值优化的风电机组功率曲线拟合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102055188B (zh) | 基于时间序列法的超短期风电功率预报方法 | |
CN102831321B (zh) | 一种基于蒙特卡洛方法的风电场风险评估方法 | |
Wan et al. | Development of an equivalent wind plant power-curve | |
CN103927695B (zh) | 基于自学习复合数据源的风电功率超短期预测方法 | |
WO2017054537A1 (zh) | 一种长时间尺度光伏出力时间序列建模方法及装置 | |
CN102945223A (zh) | 一种构建多个风电场出力联合概率分布函数的方法 | |
CN104319807B (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
CN103020423A (zh) | 基于copula函数获取风电场出力相关特性的方法 | |
CN101727538A (zh) | 一种考虑风向影响的风电机组输入风速等效方法 | |
CN103810535B (zh) | 电力系统风电消纳能力评估方法 | |
CN103208037B (zh) | 一种应用于新能源电站的基于在线校正的功率预测方法 | |
CN103996073A (zh) | 测光网络实时校正自学习arma模型光伏功率预测方法 | |
CN104182914A (zh) | 一种基于波动特性的风电出力时间序列建模方法 | |
CN104200067A (zh) | 风速概率分布确定方法、装置及风电系统功率评测方法 | |
CN108074038A (zh) | 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法 | |
CN104700151A (zh) | 一种基于三次样条插值曲线拟合的风电功率考核方法 | |
CN106611243A (zh) | 一种基于garch模型的风速预测残差修正方法 | |
CN102593828A (zh) | 一种含wtg的配电网可靠性评估方法 | |
CN111709112B (zh) | 一种海上风电运行模拟方法、装置及存储介质 | |
CN104834980A (zh) | 一种用于优化绿色数据中心电费的负载调度方法 | |
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 | |
CN103984988A (zh) | 测光网络实时校正arma模型光伏功率超短期预测方法 | |
CN104239962A (zh) | 一种基于相关性分析的区域电网总风功率短期预测方法 | |
CN103530508B (zh) | 一种建立风速功率转换概率模型的方法 | |
CN105046383A (zh) | 一种基于集合经验模态分解和相关向量机的风电功率实时预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141210 |