CN105205544A - 一种基于双重随机理论的风电功率预测方法 - Google Patents
一种基于双重随机理论的风电功率预测方法 Download PDFInfo
- Publication number
- CN105205544A CN105205544A CN201410283701.0A CN201410283701A CN105205544A CN 105205544 A CN105205544 A CN 105205544A CN 201410283701 A CN201410283701 A CN 201410283701A CN 105205544 A CN105205544 A CN 105205544A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- prediction
- interval
- wind
- wind power
- 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.)
- Granted
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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了属于电力系统风电功率预测领域的一种基于双重随机理论的风电功率预测方法。该方法基于风电场风速预测系统或数值天气预报的预测风速、实际风速和实际风电功率的历史数据,首先确定各预测风速下实际风速的随机分布以及各实际风速下风电功率的随机分布,进而得到各预测风速下风电功率的双重随机分布。然后以预测目标日各时刻的预测风速作为输入,基于双重随机模拟技术计算预测日各时刻的风电功率期望值及区间。本发明的方法为风力发电功率预测提出了一种新的思路。
Description
技术领域
本发明属于电力系统风电功率预测领域,尤其涉及一种基于双重随机理论的风电功率预测方法。
背景技术
随着全球经济的迅速发展和人口的不断增加,以石油、天然气和煤炭为主的化石能源正逐步消耗,能源危机成为世界各国共同面临的课题,并且以化石能源为主体的能源结构,对生态和生活环境也造成了不同程度的污染和破坏。对可再生能源特别是风能的开发利用,已受到世界各国的高度重视。1990年以来,世界风力发电飞速发展,风电累计装机容量年增长速度平均值超过20%。我国也制定了促进风力发电发展的相关法律和中长期发展规划,至2012年底我国装机容量75324MW(全球总和282587MW),预计2020年中国风电装机容量将达到30GW。
随着风力发电技术的不断发展,风电单机容量和并网型风电场的规模都在不断增加,在电力需求中所占比例也越来越大。这个趋势致使风力发电对电网的影响越来越明显。为了满足供电需求,保证电网稳定运行和供电系统的可靠性,必须对供电系统进行有效的计划和调度。而风力发电本身所特有的间歇性和不确定性,增加了对电网计划和调度的难度。为了解决风电场发电不稳定造成的问题,需要对风电场的输出功率进行预测。
关于风电功率预测国内外均进行了大量的研究工作,按照预测模型的不同,可以分为物理方法、统计方法、学习方法。物理方法利用气象预报数据对风电场风速进行预测,再根据风电机组的功率-风速特性,预测出风电场的功率;统计方法的实质是在系统的输入和风电功率之间建立一个映射关系,这个关系可以用函数的形式表示出来,例如回归分析法、指数平滑法等;学习方法的实质是用人工智能的方法提取输入和输出间的关系,而不是以解析法的形式来描述,如神经网络法、支持向量机法等。
影响风电功率最主要的因素是风电场所处位置的风速,因此目前的风电场一般都研制了风速预测系统或利用数值天气预报技术进行风速预测,并利用预测的风速进行风电功率预测。由于风具有很强的不确定性,目前还没有一种方法能够普遍适用并达到足够的精确度,一些方法对于风速的预测误差可能超过50%,而如果考虑到风电机组的功率并不是风速的单值函数,基于风速预测的风电功率预测误差会更大。虽然预测风速误差可能较大,但是预测风速仍然能反映实际风的某些方面特性。因此应考虑通过有效利用历史预测风速信息进行风电功率预测,以提高风电功率预测精度。
通过对历史预测风速和和实际风速数据进行分析,发现在一定的预测风速区间内,实际风速满足一定随机分布;同时发现实际风速和风电功率之间也不完全满足固定的函数关系,在同一实际风速下,风电功率也满足一定的随机分布。因此对于某一预测风速,风电功率是定义在实际风速集合上的一个双重随机变量,目前在数学上已经建立起了完整的双重随机理论,为处理双重随机变量提供了理论依据。
发明内容
本发明的目的在于,提出一种基于双重随机理论的风电功率预测方法,用以解决目前电力系统风电功率预测领域研究中存在的问题。
一种基于双重随机理论的风电功率预测方法,其特征在于,所述方法具体包括以下步骤:
步骤1:依据历史预测风速数据和历史实际风速数据,利用概率分布统计算法计算各预测风速下实际风速的随机分布;
步骤2:依据历史风电功率数据,利用概率分布统计算法计算各实际风速下风电功率的随机分布;
步骤3:依据预测日各个时刻的预测风速,基于双重随机模拟技术计算预测日各个时刻的风电功率期望值以及满足不同置信水平的风电功率区间。
所述利用概率分布统计算法计算各预测风速下实际风速的随机分布的过程是:
步骤101:设历史最大预测风速为将预测风速划分为n个预测风速区间,分别为[0,0.25),[0.25,0.5),…,[(n-1)*0.25,Vpmax];
步骤102:统计历史数据中预测风速出现在第i个预测风速区间的数据个数,记为Yi(i=1,2,…,n);
步骤103:设风机切入风速为Vcut_in,风机切出风速为Vcut_out,大于切出风速统一用Vsup表示,将实际风速划分为m个实际风速区间,分别为[0,Vcut_in),[Vcut_in,Vcut_in+0.25],(Vcut_in+0.25,Vcut_in+0.5],…,(Vcut_in+(m-3)*0.25,Vcut_out),[Vcut_out,Vsup);
步骤104:分别统计原始数据中预测风速属于预测风速区间i时对应的实际风速落入每个实际风速区间的个数,记为sil~sim(i=1,2,…,n);
步骤105:以每个实际风速区间的中心值代表这些区间,则每个中心值对应的概率为:r=1,2…,m,其中r表示实际风速区间对应的编号。
所述利用概率分布统计算法计算各实际风速下风电功率的随机分布的过程是:
步骤201:统计历史数据中实际风速出现在第r个实际风速区间的数据个数,记为Ar(r=1,2,…,m);
步骤202:将风电功率等分为Q个区间,分别统计原始数据中实际风速属于实际风速区间r时对应的风电功率落入每个风电功率区间的个数,记为prl~prQ;
步骤203:以每个风电功率区间的中心值代表这些区间,则每个中心值对应的概率为:q=1,2…,Q,其中q表示风电功率区间对应的编号。
本发明实现了一种基于双重随机理论的风电功率预测方法,其有益效果如下:
本发明的方法为有效利用历史预测风速信息,进行考虑不确定性的风电功率预测提供了一个途径,从而使风电场风速预测系统或数值天气预报技术在预测风电功率方面发挥更大的作用。本方法有效考虑了风速的不确定性,可以提高风电功率预测精度,同时本方法的预测结果包括风电功率的期望值及预测区间,丰富了预测信息,为风电功率预测提出了一种新的思路。
附图说明
图1是一种基于双重随机理论的风电功率预测方法流程图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
图1为本发明的一种基于双重随机理论的风电功率预测方法流程图。具体包括以下步骤:
步骤1:依据历史预测风速数据和历史实际风速数据,利用概率分布统计算法计算各预测风速下实际风速的随机分布。过程如下:
(1)设历史最大预测风速为将预测风速划分为n个预测风速区间,分别为[0,0.25),[0.25,0.5),…[(n-1)*0.25,Vpmax];
(2)统计历史数据中预测风速出现在第i个预测风速区间的数据个数,记为Yi(i=1,2,…,n);
(3)设风机切入风速为Vcut_in,风机切出风速为Vcut_out,大于切出风速统一用Vsup表示,将实际风速划分为m个实际风速区间,分别为[0,Vcut_in),[Vcut_in,Vcut_in+0.25],(Vcut_in+0.25,Vcut_in+0.5],…,(Vcut_in+(m-3)*0.25,Vcut_out),[Vcut_out,Vsup);
(4)分别统计原始数据中预测风速属于预测风速区间i时对应的实际风速落入每个实际风速区间的个数,记为sil~sim(i=1,2,…,n);
(5)以每个实际风速区间的中心值代表这些区间,则每个中心值对应的概率为:r=1,2…,m,其中r表示实际风速区间对应的编号。
因此每个预测风速区间i均对应了一个概率空间(Rr,A,gi),其中Rr表示实际风速区间组成的集合,A表示Rr的一些子集构成的σ代数,gi表示预测风速区间i时实际风速的概率测度。
步骤2:依据历史风电功率数据,利用概率分布统计算法计算各实际风速下风电功率的随机分布。过程如下:
(1)统计历史数据中实际风速出现在第r个实际风速区间的数据个数,记为Ar(r=1,2,…,m);
(2)将实际风电功率等分为Q个区间(若对单台风机进行预测,区间长度取100kW,若对整个风电厂进行预测,区间长度取500kW),分别统计原始数据中实际风速属于实际风速区间r时对应的风电功率落入每个风电功率区间的个数,记为prl~prQ;
(3)以每个实际风电功率区间的中心值代表这些区间,则每个中心值对应的概率为:q=1,2…,Q,其中q表示实际风电功率区间对应的编号。
步骤3:依据风电场风速预测系统或数值天气预报得到的各时刻预测风速,基于双重随机模拟技术计算预测日各个时刻的风电功率期望值以及满足不同置信水平的风电功率区间。
从步骤1和步骤2可知,每个预测风速区间i均对应了一个概率空间(Rr,A,gi),每个实际风速区间r都对应一个概率分布为ωr的取随机变量值的风电功率PW,这些风电功率构成了一个随机变量集合{PW1,PW2,…,PWm},因此预测风速区间i对应的风电功率PW(i)可看作一个概率空间(Rr,A,gi)到随机变量集合{PW1,PW2,…,PWm}的函数,即为一个双重随机变量。其表达式为:
可以用双重随机模拟技术进行求解。双重随机变量期望值算法通过随机模拟与随机模拟的嵌套可以计算双重随机变量的期望值;同时对于给定的置信水平α和β,可以利用双重随机变量关键值模拟算法计算双重随机变量的区间。因此当风电功率作为双重随机变量的表达式确定后,以预测风速作为输入,通过双重随机变量期望值算法和关键值算法,可以计算得到预测日各时刻的风电功率期望值及满足不同置信水平的风电功率区间。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (3)
1.一种基于双重随机理论的风电功率预测方法,其特征在于,所述方法具体包括以下步骤:
步骤1:依据历史预测风速数据和历史实际风速数据,利用概率分布统计算法计算各预测风速下实际风速的随机分布;
步骤2:依据历史风电功率数据,利用概率分布统计算法计算各实际风速下风电功率的随机分布;
步骤3:依据预测日各个时刻的预测风速,基于双重随机模拟技术计算预测日各个时刻的风电功率期望值以及满足不同置信水平的风电功率区间。
2.根据权利要求1所述的一种基于双重随机理论的风电功率预测方法,其特征在于,所述利用概率分布统计算法计算各预测风速下实际风速的随机分布的过程是:
步骤101:设历史最大预测风速为将预测风速划分为n个预测风速区间,分别为[0,0.25),[0.25,0.5),…,[(n-1)*0.25,Vpmax];
步骤102:统计历史数据中预测风速出现在第i个预测风速区间的数据个数,记为Yi(i=1,2,…,n);
步骤103:设风机切入风速为Vcut_in,风机切出风速为Vcut_out,大于切出风速统一用Vsup表示,将实际风速划分为m个实际风速区间,分别为[0,Vcut_in),[Vcut_in,Vcut_in+0.25],(Vcut_in+0.25,Vcut_in+0.5],…,(Vcut_in+(m-3)*0.25,Vcut_out),[Vcut_out,Vsup);
步骤104:分别统计原始数据中预测风速属于预测风速区间i时对应的实际风速落入每个实际风速区间的个数,记为sil~sim(i=1,2,…,n);
步骤105:以每个实际风速区间的中心值代表这些区间,则每个中心值对应的概率为:r=1,2…,m,其中r表示实际风速区间对应的编号。
3.根据权利要求1所述的一种基于双重随机理论的风电功率预测方法,其特征在于,所述利用概率分布统计算法计算各实际风速下风电功率的随机分布的过程是:
步骤201:统计历史数据中实际风速出现在第r个实际风速区间的数据个数,记为Ar(r=1,2,…,m);
步骤202:将风电功率等分为Q个区间,分别统计原始数据中实际风速属于实际风速区间r时对应的风电功率落入每个风电功率区间的个数,记为prl~prQ;
步骤203:以每个风电功率区间的中心值代表这些区间,则每个中心值对应的概率为:q=1,2…,Q,其中q表示风电功率区间对应的编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410283701.0A CN105205544B (zh) | 2014-06-24 | 2014-06-24 | 一种基于双重随机理论的风电功率预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410283701.0A CN105205544B (zh) | 2014-06-24 | 2014-06-24 | 一种基于双重随机理论的风电功率预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105205544A true CN105205544A (zh) | 2015-12-30 |
CN105205544B CN105205544B (zh) | 2018-07-24 |
Family
ID=54953213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410283701.0A Active CN105205544B (zh) | 2014-06-24 | 2014-06-24 | 一种基于双重随机理论的风电功率预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205544B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102496927A (zh) * | 2011-12-16 | 2012-06-13 | 中国电力科学研究院 | 基于误差统计修正的风电场功率预测方法 |
CN102567636A (zh) * | 2011-12-27 | 2012-07-11 | 华北电力大学 | 基于相关向量机的高精度风电场功率区间预测方法 |
JP2013222423A (ja) * | 2012-04-19 | 2013-10-28 | Hitachi Power Solutions Co Ltd | 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム |
CN103401248A (zh) * | 2013-07-17 | 2013-11-20 | 华南理工大学 | 一种含风电场配电网随机无功优化方法 |
CN103473393A (zh) * | 2013-08-20 | 2013-12-25 | 国家电网公司 | 一种考虑随机概率的输电裕度控制模型建模方法 |
CN103473621A (zh) * | 2013-09-29 | 2013-12-25 | 中能电力科技开发有限公司 | 风电场短期功率预测方法 |
CN103489046A (zh) * | 2013-09-29 | 2014-01-01 | 中能电力科技开发有限公司 | 风电场短期功率预测方法 |
CN103530508A (zh) * | 2013-09-30 | 2014-01-22 | 国家电网公司 | 一种建立风速功率转换概率模型的方法 |
CN103530527A (zh) * | 2013-10-30 | 2014-01-22 | 国家电网公司 | 基于数值天气预报集合预报结果的风电功率概率预测方法 |
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 |
-
2014
- 2014-06-24 CN CN201410283701.0A patent/CN105205544B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102496927A (zh) * | 2011-12-16 | 2012-06-13 | 中国电力科学研究院 | 基于误差统计修正的风电场功率预测方法 |
CN102567636A (zh) * | 2011-12-27 | 2012-07-11 | 华北电力大学 | 基于相关向量机的高精度风电场功率区间预测方法 |
JP2013222423A (ja) * | 2012-04-19 | 2013-10-28 | Hitachi Power Solutions Co Ltd | 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム |
CN103401248A (zh) * | 2013-07-17 | 2013-11-20 | 华南理工大学 | 一种含风电场配电网随机无功优化方法 |
CN103473393A (zh) * | 2013-08-20 | 2013-12-25 | 国家电网公司 | 一种考虑随机概率的输电裕度控制模型建模方法 |
CN103473621A (zh) * | 2013-09-29 | 2013-12-25 | 中能电力科技开发有限公司 | 风电场短期功率预测方法 |
CN103489046A (zh) * | 2013-09-29 | 2014-01-01 | 中能电力科技开发有限公司 | 风电场短期功率预测方法 |
CN103530508A (zh) * | 2013-09-30 | 2014-01-22 | 国家电网公司 | 一种建立风速功率转换概率模型的方法 |
CN103530527A (zh) * | 2013-10-30 | 2014-01-22 | 国家电网公司 | 基于数值天气预报集合预报结果的风电功率概率预测方法 |
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 |
Non-Patent Citations (1)
Title |
---|
周松林: "风电功率预测及微电网概率潮流分析", 《中国博士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN105205544B (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sawle et al. | PV-wind hybrid system: A review with case study | |
Arteaga-López et al. | Advanced methodology for feasibility studies on building-mounted wind turbines installation in urban environment: Applying CFD analysis | |
Chandra et al. | A detailed literature review on wind forecasting | |
CN103545832B (zh) | 一种基于发电预测误差的光伏系统储能容量配置方法 | |
CN103020462B (zh) | 计及复杂尾流效应模型的风电场概率输出功率计算方法 | |
CN102419394B (zh) | 一种预测分辨率可变的风光功率预测方法 | |
CN106875033A (zh) | 一种基于动态自适应的风电集群功率预测方法 | |
CN104779611A (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
CN103473393B (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
CN102938562B (zh) | 一种区域内风电总功率的预测方法 | |
CN104217077A (zh) | 一种反映风速变化特性的风力发电出力随机模型建模方法 | |
CN103683274A (zh) | 区域中长期风电发电量概率预测方法 | |
CN104283236A (zh) | 一种风光储能并网发电智能优化调度方法 | |
CN103902837A (zh) | 一种基于经验Copula函数进行风速预测的方法 | |
CN105243502A (zh) | 一种基于径流区间预测的水电站调度风险评估方法及系统 | |
Raj et al. | Modeling of wind turbine power curve | |
Bashaer et al. | Investigation and analysis of wind turbines optimal locations and performance in Iraq | |
CN103996087A (zh) | 一种新能源发电功率预测方法及系统 | |
Kumar et al. | Layout optimisation algorithms and reliability assessment of wind farm for microgrid integration: A comprehensive review | |
CN102749471A (zh) | 一种短期风速、风电功率预测方法 | |
CN103996072B (zh) | 一种风电场和风电区域的风电功率预测方法及系统 | |
CN103915855B (zh) | 一种降低风电机组机械损耗的风电场内优化调度方法 | |
CN104346659A (zh) | 应用于高倍聚光光伏发电系统的短期发电量预测方法 | |
Ansari et al. | Wind power forecasting using artificial neural network | |
CN105633950A (zh) | 考虑风电注入不确定性的多目标随机模糊动态最优潮流 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |