CN104201712B - 一种基于空间平均风速的风电功率实时预测计算方法 - Google Patents
一种基于空间平均风速的风电功率实时预测计算方法 Download PDFInfo
- Publication number
- CN104201712B CN104201712B CN201410390352.2A CN201410390352A CN104201712B CN 104201712 B CN104201712 B CN 104201712B CN 201410390352 A CN201410390352 A CN 201410390352A CN 104201712 B CN104201712 B CN 104201712B
- Authority
- CN
- China
- Prior art keywords
- wind
- turbine set
- actual
- energy turbine
- wind speed
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Wind Motors (AREA)
Abstract
本发明是一种基于空间平均风速的风电功率实时预测计算方法,其特点是:包括数据采集及预处理,采集所需预测风电场的整场连续1小时的实际风速值,并剔除不良数据;数据分析及预测,通过对风电场实测开机状态下各台风力机组实际风速数据的分析,得到整场的实际平均风速数据,通过线性回归法求出未来4个小时整个风电场风速的预测值,利用风电场功率曲线求得整个风电场功率的预测值;仿真计算,输入仿真输入量,对未来4个小时的风电功率预测;误差分析,误差评价标准执行中华人民共和国国家能源局于2011年《风电场功率预测预报管理暂行办法》给出该计算方法的精确度。具有方法科学、合理、实用,精度更高,能够满足在线使用要求等优点。
Description
技术领域
本发明涉及风电技术领域,是一种基于空间平均风速的风电功率实时预测计算方法。
背景技术
随着当前风力发电的迅速发展、风电装机容量的不断扩大,风电场并网对电力系统的影响已经不可忽视。大规模风电场接入电网运行时,大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。如果可以对风电场的发电功率进行预测,电力调度部门就能够根据风电功率变化预先安排调度计划,保证电网的功率平衡和运行安全。因此高精度的风电功率预测是实现大规模风力发电联网运行的一个重要手段。
风电功率实时预测是指自预测时刻起未来15分钟至4小时的预测预报,时间分辨率为15分钟。实时预测的意义在于滚动修正计划曲线,及时调整有功出力。
发明内容
本发明的目的是,提供一种方法科学、合理,简单、实用,计算速度快,精度更高,能够满足在线使用要求的基于对空间平均风速的风电场风电功率实时预测计算方法。
本发明的目的是由以下技术方案来实现的:一种基于空间平均风速的风电功率实时预测计算方法,其特征在于,它包括以下步骤:
1)数据采集
采集风电场各风力机组每分钟的实际风速V1 i(t),i=1,…,n且各风力机组实际风速V1 i(t)的数据必须覆盖每一台开机状态下的风力机组,即i=1,…,n,n为风电场开机状态下风力机组数;
2)数据处理
按数据采集步骤1)采集的数据,依照开机状态下风力机组数目进行风速求和得到整个风电场每分钟的实际风速V1(t),进行求和得到整个风电场每分钟的实际风速
其中:V1 i(t)为风电场第i台风力机组每分钟的实际风速;
V1(t)为整个风电场每分钟的实际风速;
从实测起始点开始将连续15个每分钟的实际风速求算术平均值,得到整个风电场每15分钟的实际平均风速V(t)
其中:m为连续15分钟中的第m分钟;
V1 m(t)为风电场第m分钟的实际风速;
V(t)为风电场每15分钟的实际平均风速;
采用线性回归法进行未来4个小时整个风电场风速的预测,也就是将前k个时点的实际平均风速的线性组合值作为对未来16个时点,每15分钟一个时点的预测值;即
其中,i=1,2,3…,k,j=1,2,3…,16;i为预测时点之前的第i个时点;j为未来连续16个时点中的第j个时点,每15分钟一个时点;
为对整个风电场未来第j个时点风速的预测值;
Vij(t)为第j个预测时点之前的风电场第i个时点的实际平均风速;
αij,βij为线性回归参数;
根据标准工况的风电场机组功率曲线,求得整个风电场功率的预测值
其中,j为未来连续16个时点中的第j个时点,每15分钟一个时点;
为对整个风电场未来第j个时点功率的预测值;
3)仿真计算
输入仿真输入量:风电场实测开机状态下的各台风力机组每分钟的实际风速数据;
4)误差分析
误差评价标准执行中华人民共和国国家能源局2011年《风电场功率预测预报管理暂行办法》中规定的准确率和合格率的要求,设PMk为k时段的实际平均功率;PPk为k时段的预测平均功率;N为日考核总时段;Cap为风电场开机容量,那么,实时预测准确率定义为:
合格率定义为:
其中若 则Bk=1;若 则Bk=0给出风电场记录的实测风电场开机状态下的各台风力机组每分钟风速实测数据作为输入,把模型计算的预测功率与实测功率通过上述误差评价标准进行误差计算,给出该计算方法的精确度。
本发明的一种基于空间平均风速的风电功率实时预测计算方法,通过对风电场实测开机状态下各台风力机组的实际风速数据进行分析,得到整场的实际平均风速数据,通过线性回归法求出未来4个小时整个风电场风速的预测值来进行风电风速实时预测,利用风电场功率曲线求得整个风电场功率的预测值。具有方法科学、合理,简单、实用,计算速度快,精度更高,能够满足在线使用要求等优点。
附图说明
图1为本发明的一种预测方法预测的向阳风电场输出功率曲线与实测的向阳风电场输出功率曲线的对比图。
图中:标注虚线曲线为预测输出功率,实线曲线为实测输出功率,其中纵坐标为输出功率值,横坐标表示时间,其中每一个刻度表示15分钟。
具体实施方式
下面利用附图和实施例对本发明的一种基于空间平均风速的风电功率实时预测计算方法进行详细说明。
本发明的一种基于空间平均风速的风电功率实时预测计算方法,包括以下步骤:
1)数据采集
采集风电场各风力机组每分钟的实际风速V1 i(t),i=1,…,n且各风力机组实际风速V1 i(t)的数据必须覆盖每一台开机状态下的风力机组,即i=1,…,n,n为风电场开机状态下风力机组数;
2)数据处理
按数据采集步骤1)采集的数据,依照开机状态下风力机组数目进行风速求和得到整个风电场每分钟的实际风速V1(t),进行求和得到整个风电场每分钟的实际风速
其中:V1 i(t)为风电场第i台风力机组每分钟的实际风速;
V1(t)为整个风电场每分钟的实际风速;
从实测起始点开始将连续15个每分钟的实际风速求算术平均值,得到整个风电场每15分钟的实际平均风速V(t)
其中:m为连续15分钟中的第m分钟;
V1 m(t)为风电场第m分钟的实际风速;
V(t)为风电场每15分钟的实际平均风速;
采用线性回归法进行未来4个小时整个风电场风速的预测,也就是将前k个时点的实际平均风速的线性组合值作为对未来16个时点,每15分钟一个时点的预测值;即
其中,i=1,2,3…,k,j=1,2,3…,16;i为预测时点之前的第i个时点;j为未来连续16个时点中的第j个时点,每15分钟一个时点;
为对整个风电场未来第j个时点风速的预测值;
Vij(t)为第j个预测时点之前的风电场第i个时点的实际平均风速;
αij,βij为线性回归参数;
根据标准工况的风电场机组功率曲线,求得整个风电场功率的预测值
其中,j为未来连续16个时点中的第j个时点,每15分钟一个时点;
为对整个风电场未来第j个时点功率的预测值;
3)仿真计算
输入仿真输入量:风电场实测开机状态下的各台风力机组每分钟的实际风速数据;
4)误差分析
误差评价标准执行中华人民共和国国家能源局2011年《风电场功率预测预报管理暂行办法》中规定的准确率和合格率的要求,设PMk为k时段的实际平均功率;PPk为k时段的预测平均功率;N为日考核总时段;Cap为风电场开机容量,那么,实时预测准确率定义为:
合格率定义为:
其中若 则Bk=1;若 则Bk=0给出风电场记录的实测风电场开机状态下的各台风力机组每分钟风速实测数据作为输入,把模型计算的预测功率与实测功率通过上述误差评价标准进行误差计算,给出该计算方法的精确度。
图1为本发明的一种预测方法预测的向阳风电场输出功率曲线与实测的向阳风电场输出功率曲线的对比图,图中标注虚线曲线为预测输出功率,实线曲线为实测输出功率。其中纵坐标为输出功率值。横坐标表示时间其中每一个刻度表示15分钟。预测的向阳风电场输出功率曲线方法遵照具体实施方式的步骤。根据每个时刻测得的风电场的实际风速、实际风电场各风力机组的停机情况,计算求取每个时刻的未来风电场实时预测风速,利用风电场功率曲线求得整个风电场功率的预测值,绘制向阳风电场预测输出功率曲线为图1中的虚线曲线。在预测1天的风电场功率变化情况后,求得准确率平均值为91.33%;合格率平均值为90.30%。
本发明的具体实施方式并非穷举,本领域技术人员不经过创造性劳动的简单复制和改进,应属于本发明权利要求的保护范围。
Claims (1)
1.一种基于空间平均风速的风电功率实时预测计算方法,其特征在于,它包括以下步骤:
1)数据采集
采集风电场各风力机组每分钟的实际风速V1 i(t),i=1,…,n且各风力机组实际风速V1 i(t)的数据必须覆盖每一台开机状态下的风力机组,即i=1,…,n,n为风电场开机状态下风力机组数;
2)数据处理
按数据采集步骤1)采集的数据,依照开机状态下风力机组数目进行风速求和得到整个风电场每分钟的实际风速V1(t),进行求和得到整个风电场每分钟的实际风速
其中:V1 i(t)为风电场第i台风力机组每分钟的实际风速;
V1(t)为整个风电场每分钟的实际风速;
从实测起始点开始将连续15个每分钟的实际风速求算术平均值,得到整个风电场每15分钟的实际平均风速V(t)
其中:m为连续15分钟中的第m分钟;
V1 m(t)为风电场第m分钟的实际风速;
V(t)为风电场每15分钟的实际平均风速;
采用线性回归法进行未来4个小时整个风电场风速的预测,也就是将前k个时点的实际平均风速的线性组合值作为对未来16个时点,每15分钟一个时点的预测值;即
其中,i=1,2,3…,k,j=1,2,3…,16;i为预测时点之前的第i个时点;j为未来连续16个时点中的第j个时点,每15分钟一个时点;
为对整个风电场未来第j个时点风速的预测值;
Vij(t)为第j个预测时点之前的风电场第i个时点的实际平均风速;
αij,βij为线性回归参数;
根据标准工况的风电场机组功率曲线,求得整个风电场功率的预测值
其中,j为未来连续16个时点中的第j个时点,每15分钟一个时点;
为对整个风电场未来第j个时点功率的预测值;
3)仿真计算
输入仿真输入量:风电场实测开机状态下的各台风力机组每分钟的实际风速数据;
4)误差分析
误差评价标准执行中华人民共和国国家能源局2011年《风电场功率预测预报管理暂行办法》中规定的准确率和合格率的要求,设PMk为k时段的实际平均功率;PPk为k时段的预测平均功率;N为日考核总时段;Cap为风电场开机容量,那么,实时预测准确率定义为:
合格率定义为:
其中,若 则Bk=1;若 则Bk=0,
给出风电场记录的实测风电场开机状态下的各台风力机组每分钟风速实测数据作为输入,把模型计算的预测功率与实测功率通过上述误差评价标准进行误差计算,给出该计算方法的精确度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410390352.2A CN104201712B (zh) | 2014-08-10 | 2014-08-10 | 一种基于空间平均风速的风电功率实时预测计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410390352.2A CN104201712B (zh) | 2014-08-10 | 2014-08-10 | 一种基于空间平均风速的风电功率实时预测计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104201712A CN104201712A (zh) | 2014-12-10 |
CN104201712B true CN104201712B (zh) | 2016-02-24 |
Family
ID=52086965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410390352.2A Active CN104201712B (zh) | 2014-08-10 | 2014-08-10 | 一种基于空间平均风速的风电功率实时预测计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104201712B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224733B (zh) * | 2015-09-19 | 2018-02-02 | 东北电力大学 | 风电功率弃风数据特征识别的方法 |
CN109978204B (zh) * | 2017-12-27 | 2021-04-06 | 北京金风慧能技术有限公司 | 确定风电场的风功率的预测准确率的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794996A (zh) * | 2010-02-10 | 2010-08-04 | 华东电网有限公司 | 风电场出力实时预测方法 |
CN102055188A (zh) * | 2011-01-07 | 2011-05-11 | 西北电网有限公司 | 基于时间序列法的超短期风电功率预报方法 |
CN102170130A (zh) * | 2011-04-26 | 2011-08-31 | 华北电力大学 | 一种风电功率短期预测方法 |
CN102664409A (zh) * | 2012-05-14 | 2012-09-12 | 东北电力大学 | 一种基于实测数据风电场风电功率实时预测的计算方法 |
CN103065049A (zh) * | 2012-12-28 | 2013-04-24 | 东北电力大学 | 一种基于coif5小波实时分解的风电功率实时预测计算方法 |
-
2014
- 2014-08-10 CN CN201410390352.2A patent/CN104201712B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794996A (zh) * | 2010-02-10 | 2010-08-04 | 华东电网有限公司 | 风电场出力实时预测方法 |
CN102055188A (zh) * | 2011-01-07 | 2011-05-11 | 西北电网有限公司 | 基于时间序列法的超短期风电功率预报方法 |
CN102170130A (zh) * | 2011-04-26 | 2011-08-31 | 华北电力大学 | 一种风电功率短期预测方法 |
CN102664409A (zh) * | 2012-05-14 | 2012-09-12 | 东北电力大学 | 一种基于实测数据风电场风电功率实时预测的计算方法 |
CN103065049A (zh) * | 2012-12-28 | 2013-04-24 | 东北电力大学 | 一种基于coif5小波实时分解的风电功率实时预测计算方法 |
Non-Patent Citations (2)
Title |
---|
基于动态权重的风电功率组合预测方法研究;杨茂 等;《东北电力大学学报》;20130430;第33卷(第1/2期);131-136 * |
基于数据挖掘和模糊聚类的风电功率实时预测研究;杨茂 等;《电力系统保护与控制》;20130101;第41卷(第1期);1-6 * |
Also Published As
Publication number | Publication date |
---|---|
CN104201712A (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102664409B (zh) | 一种基于实测数据风电场风电功率实时预测的计算方法 | |
WO2017054537A1 (zh) | 一种长时间尺度光伏出力时间序列建模方法及装置 | |
CN102055188B (zh) | 基于时间序列法的超短期风电功率预报方法 | |
CN104131950B (zh) | 一种风电机组温度特征量的阈值分区确定方法 | |
CN103927695A (zh) | 基于自学习复合数据源的风电功率超短期预测方法 | |
CN103208029B (zh) | 基于净空模型的光伏电站超短期功率预测方法 | |
CN104156892A (zh) | 一种有源配电网电压跌落仿真与评估方法 | |
CN101788692A (zh) | 基于神经网络的短时风速预报方法 | |
CN106875033A (zh) | 一种基于动态自适应的风电集群功率预测方法 | |
CN106126944B (zh) | 一种电力变压器顶层油温区间预测方法及系统 | |
CN103973203A (zh) | 一种适用于安全稳定分析的大型光伏电站在线等值建模方法 | |
CN104201700A (zh) | 计及风电不确定性波动的区域电网火电调频机组配置方法 | |
CN103440529A (zh) | 一种风电功率预测系统的横向误差平移修正方法 | |
CN108988782A (zh) | 一种基于变权层次分析法的光伏发电系统健康状态评估方法 | |
Wang et al. | Development of wind speed forecasting model based on the Weibull probability distribution | |
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 | |
CN104201712B (zh) | 一种基于空间平均风速的风电功率实时预测计算方法 | |
CN103065049B (zh) | 一种基于coif5小波实时分解的风电功率实时预测计算方法 | |
CN111239489B (zh) | 一种结合prony与fft算法的次同步振荡分析方法 | |
CN103678940A (zh) | 基于有效湍流强度瞬时模型的风速波动不确定性估计方法 | |
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 | |
CN107292447A (zh) | 一种基于小数据量法的短期风速预测方法及系统 | |
CN104657787B (zh) | 一种风功率时间序列组合预测方法 | |
CN104462839A (zh) | 基于风功率波动强度瞬时模型的风电不确定性估计方法 | |
CN105184411B (zh) | 一种基于最大Lyapunov指数-校正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 | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |