CN108616139B - 一种风电功率集群预测方法和装置 - Google Patents
一种风电功率集群预测方法和装置 Download PDFInfo
- Publication number
- CN108616139B CN108616139B CN201611137862.4A CN201611137862A CN108616139B CN 108616139 B CN108616139 B CN 108616139B CN 201611137862 A CN201611137862 A CN 201611137862A CN 108616139 B CN108616139 B CN 108616139B
- Authority
- CN
- China
- Prior art keywords
- power
- nwp
- wind
- wind power
- regional
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract 2
- 238000012216 screening Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000029087 digestion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种风电功率集群预测方法和装置,其方法包括根据预先划分的风电场区域选择数值天气预报点位;根据数值天气预报点位建立区域功率预测模型;根据区域预测模型计算电网的功率预测值。其装置包括选择单元、计算单元和建模单元;本发明提供的技术方案能准确全面的预测区域风电功率,为提高全省范围的风电消纳能力提供了可靠的技术支撑。
Description
技术领域
本发明涉及风电功率集群预测技术,具体讲涉及一种风电功率集群预测方法和装置。
背景技术
风电与常规能源的区别之处在于风电的随机性和间歇性,随着风电装机容量的增加,电网调度部门必须部署风电功率预测系统,以保证电力系统的安全稳定,及指导调度计划的制定。
风电功率预测是通过建立数学模型来预测未来时段风电功率波动规律的技术,以单场站为预测对象的现有风电功率预测系统,行政省份的风电功率预测结果是单场站预测结果累加得到的。但是,全国风电场建设速度快且基础条件参差不齐,单场站为预测对象的风电功率预测方法难以准确覆盖各行政省份的风电功率预测,全面的区域风电预测结果是调度部门统筹安排常规电源开机计划作出的,所以提升风电消纳能力的关键是克服调度侧风电功率预测覆盖率不足的现状,因此需要提供一种建立风电区域预测模型,实现全行政省并网风电场的快速覆盖的技术方案。
发明内容
为满足现有技术发展的需要,本发明提供一种风电功率集群预测方法。
本发明提供的风电功率集群预测方法,其改进之处在于,所述方法包括:
按风电场区域选择数值天气预报点位;
根据数值天气预报点位建立区域功率预测模型;
根据区域预测模型计算电网的功率预测值。
进一步的,所述风电场区域包括:
按并网风电场的地理分布并涵盖全部风电场的原则划分风电场;
微调划分的所述风电场。
进一步的,所述数值天气预报点位的选择包括:
(1)整理收集的风电场的历史数据;
(2)根据相关性系数筛选NWP点位。
进一步的,对历史数据的整理包括:
根据风电场按时间对齐的历史数据确定下式所示的风电场的历史实际功率数据集P,P={P1,P2,…,Pn},根据数据集P计算区域的总实际功率SumP;
按NWP点位按时间对齐的历史数据与所述总实际功率SumP确定下式所示的NWP点位历史数据集ND={ND1,ND2,…,NDm}。
进一步的,所述NWP点位的筛选包括:
按下式计算相关性系数C:
相关性系数集C′如式所示:C′={C1,C2,…,Cm};
按相关性系数集C′中选出的大于预先设置的阈值T的元素,得到目标子集CP={C1,C2,…,Ck},目标子集CP对应的NWP点位为目标NWP点位。
进一步的,所述区域功率预测模型的建立包括:
将总实际功率SumP和目标子集CP的值归一化到[0,1]区间,并提取目标NWP点位中不同的气象要素,用BP神经网络建立NWP气象要素与区域总实际功率SumP的预测模型。
进一步的,所述电网的功率预测值的计算包括:
根据选择的目标NWP计算的各区域的功率预测值的和,确定电网的功率预测值。
一种风电功率集群预测装置,所述装置包括:
选择单元,用于根据预先划分的风电场区域,选择数值天气预报点位;
建模单元,用于根据数值天气预报点位建立区域功率预测模型;
计算单元,用于根据区域预测模型计算电网的功率预测值。
进一步的,所述选择单元包括:
区域划分子单元,用于根据风电场地理分布与风电场个数、地理密度将风电场划分为合理的区域;
处理子单元,用于收集区域内风电场的历史数据,并按时间顺序取得历史实际功率数据集和NWP点位历史数据集;
筛选子单元,用于计算相关性系数,并根据预先设置的阈值选择目标子集和目标NWP点位。
与最接近的现有技术比,本发明提供的技术方案具有以下优异效果:
本发明提供的技术方案将全省风电场分区,并分别对区域建立功率预测模型,可实现全省并网风电场的快速覆盖,能准确全面的预测区域风电功率,为调度部门统筹安排常规电源开机计划提供技术支持,有助于提高全省范围的风电消纳能力。
附图说明
图1为本发明提供的风电功率集群预测方法流程图;
图2为本发明提供的区域划分技术路线;
图3为本发明提供的NWP点位筛选技术路线。
具体实施方式
以下将结合说明书附图,以具体实施例的方式详细介绍本发明提供的技术方案。
本发明提出的基于多数值天气预报要素的风电功率区域预测方法,主要面向省级(直辖市)电网的功率预测,整体技术路线如图1所示,主要分为以下几个步骤:
1、区域划分
1.1基于省级(直辖市)并网风电场的地理分布,以涵盖全部风电场为原则,将所有风电场粗略划分成若干个区域,根据省级(直辖市)电网的规模,一般为4~5个区域;
1.2基于粗略划分的区域,进一步考虑各区域的风电场个数和地理密度,对区域进行微调,得到更为合理的区域划分结果,技术路线如图2所示。
2、数值天气预报点位选择
各区域的地理范围分别对应一系列的数值天气预报(Numerical WeatherPrediction,简称NWP)点位,为确定与该区域最相关的NWP点位,需要对NWP点位进行筛选,技术路线如图3所示,筛选方法如下:
(1)历史数据收集及整理
收集区域内各风电场的历史实际功率、各NWP点位的历史数据,对数据进行整理,剔除错误及不合理的数据;将各风电场的历史数据按时间对齐,得到风电场的历史实际功率数据集P={P1,P2……Pn},其中n为风电场个数,将P的各项相加得到区域的总实际功率SumP;将各NWP点位的历史数据与SumP按时间对齐,得到与SumP时间对齐的NWP点位历史数据集ND={ND1,ND2……NDm},m为NWP点位数量。
(2)基于相关性系数的NWP点位筛选
将NWP点位历史数据集ND中各相元素分别与总实际功率SumP按下式计算相关性系数C:
得到相关性系数集C'={C1,C2……Cm},根据相关性系数集C'各项的值设置阈值T,T取相关性系数集C'中各项的算术平均值,将相关性系数集C'中值大于T的选择出来,得到目标子集Cp={C1,C2……Ck},Cp对应的NWP点位作为目标NWP点位。
3、区域功率预测模型训练
将总实际功率SumP和目标子集C_P的值归一化到[0,1]区间,根据步骤2得到的目标NWP,提取目标NWP中各点位不同的气象要素,利用BP神经网络的手段,建立NWP气象要素与区域总实际功率的预测模型。
4、区域功率预测
重复步骤1-3,对省级(直辖市)电网内所有区域分别建立预测模型;利用各区域选择的目标NWP,基于各区域的功率预测模型,将目标NWP作为预测模型的输入,预测模型输出为各区域的功率预测值,将各区域的功率预测值相加,将各区域的功率预测值相加,即可得到省级(直辖市)电网的功率预测值。
一种风电功率集群预测装置,该装置包括:
选择单元,用于根据预先划分的风电场区域,选择数值天气预报点位;
所述选择单元包括:区域划分子单元,用于根据风电场地理分布与风电场个数、地理密度将风电场划分为合理的区域;
处理子单元,用于收集区域内风电场的历史数据,并按时间顺序取得历史实际功率数据集和NWP点位历史数据集;
筛选子单元,用于计算相关性系数,并根据预先设置的阈值选择目标子集和目标NWP。
建模单元,用于根据数值天气预报点位建立区域功率预测模型;
计算单元,用于根据区域预测模型计算电网的功率预测值。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (4)
1.一种风电功率集群预测方法,其特征在于,所述方法包括:
按风电场区域选择数值天气预报点位;
根据数值天气预报点位建立区域功率预测模型;
根据区域预测模型计算电网的功率预测值;
所述数值天气预报点位的选择包括:
(1)整理收集的风电场的历史数据;
(2)根据相关性系数筛选NWP点位;
对历史数据的整理包括:
根据风电场按时间对齐的历史数据确定下式所示的风电场的历史实际功率数据集P,P={P1,P2,…,Pn},根据数据集P计算区域的总实际功率SumP;
按NWP点位按时间对齐的历史数据与所述总实际功率SumP确定下式所示的NWP点位历史数据集ND={ND1,ND2,…,NDm};
所述NWP点位的筛选包括:
按下式计算相关性系数C:
相关性系数集C′如式所示:C′={C1,C2,…,Cm};
按相关性系数集C′中选出的大于预先设置的阈值T的元素,得到目标子集CP={C1,C2,…,Ck},目标子集CP对应的NWP点位为目标NWP点位;
所述区域功率预测模型的建立包括:
将总实际功率SumP和目标子集CP的值归一化到[0,1]区间,并提取目标NWP点位中不同的气象要素,用BP神经网络建立NWP气象要素与区域总实际功率SumP的预测模型。
2.如权利要求1所述的方法,其特征在于,所述风电场区域包括:
按并网风电场的地理分布并涵盖全部风电场的原则划分风电场;
微调划分的所述风电场。
3.如权利要求1所述的方法,其特征在于,所述电网的功率预测值的计算包括:
根据选择的目标NWP点位计算的各区域的功率预测值的和,确定电网的功率预测值。
4.一种应用权利要求1-3任一所述方法的预测装置,其特征在于,所述装置包括:
选择单元,用于根据预先划分的风电场区域,选择数值天气预报点位;
建模单元,用于根据数值天气预报点位建立区域功率预测模型;
计算单元,用于根据区域预测模型计算电网的功率预测值;
所述选择单元包括:
区域划分子单元,用于根据风电场地理分布与风电场个数、地理密度将风电场划分为合理的区域;
处理子单元,用于收集区域内风电场的历史数据,并按时间顺序取得历史实际功率数据集和NWP点位历史数据集;
筛选子单元,用于计算相关性系数,并根据预先设置的阈值选择目标子集和目标NWP点位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611137862.4A CN108616139B (zh) | 2016-12-12 | 2016-12-12 | 一种风电功率集群预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611137862.4A CN108616139B (zh) | 2016-12-12 | 2016-12-12 | 一种风电功率集群预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108616139A CN108616139A (zh) | 2018-10-02 |
CN108616139B true CN108616139B (zh) | 2023-05-23 |
Family
ID=63657066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611137862.4A Active CN108616139B (zh) | 2016-12-12 | 2016-12-12 | 一种风电功率集群预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108616139B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222738B (zh) * | 2019-10-18 | 2022-04-15 | 华中科技大学 | 一种风电集群功率预测及参数优化的方法 |
CN112231976B (zh) * | 2020-10-15 | 2023-06-13 | 华北电力大学(保定) | 一种风电场等效模型的建立方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201413997Y (zh) * | 2009-03-30 | 2010-02-24 | 吉林省电力有限公司 | 风电功率预测系统 |
CN103699944A (zh) * | 2013-12-31 | 2014-04-02 | 国电南京自动化股份有限公司 | 一种多预测模式的风电光伏发电功率预测系统 |
JP2016136001A (ja) * | 2015-01-23 | 2016-07-28 | 中国電力株式会社 | 予測装置 |
-
2016
- 2016-12-12 CN CN201611137862.4A patent/CN108616139B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201413997Y (zh) * | 2009-03-30 | 2010-02-24 | 吉林省电力有限公司 | 风电功率预测系统 |
CN103699944A (zh) * | 2013-12-31 | 2014-04-02 | 国电南京自动化股份有限公司 | 一种多预测模式的风电光伏发电功率预测系统 |
JP2016136001A (ja) * | 2015-01-23 | 2016-07-28 | 中国電力株式会社 | 予測装置 |
Non-Patent Citations (3)
Title |
---|
"基于数据特征提取的风电功率预测误差估计方法";张凯锋等;《电力系统自动化》;20140825;第38卷(第16期);第22-27页 * |
"风电集群短期及超短期功率预测精度改进方法综述";彭小圣等;《中国电机工程学报》;20161205;第36卷(第23期);第6315-6326页 * |
彭小圣等."风电集群短期及超短期功率预测精度改进方法综述".《中国电机工程学报》.2016,第36卷(第23期),6315-6326. * |
Also Published As
Publication number | Publication date |
---|---|
CN108616139A (zh) | 2018-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Day-ahead forecasting of photovoltaic output power with similar cloud space fusion based on incomplete historical data mining | |
CN103713336B (zh) | 基于gis分区的水电站流域面雨量气象预报方法 | |
CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
CN113496311A (zh) | 光伏电站发电功率预测方法及系统 | |
CN103729685A (zh) | 基于改进rbf神经网络的光伏电站群区域功率预测方法 | |
CN114429053B (zh) | 流域尺度wefe系统适配性模拟优化方法 | |
CN104992244A (zh) | 一种基于sarima和rbf神经网络集成组合模型的机场货运量预测分析方法 | |
CN105389634A (zh) | 一种组合式短期风电功率预测系统及方法 | |
CN101794996A (zh) | 风电场出力实时预测方法 | |
CN109636010A (zh) | 基于相关因素矩阵的省级电网短期负荷预测方法及系统 | |
KR20140021179A (ko) | 일사량 예측 방법 및 장치 | |
CN109063905B (zh) | 一种适应气候变化的水资源随机规划方法 | |
CN114202129A (zh) | 风电出力预测方法、电子设备、存储介质及系统 | |
CN112884601B (zh) | 一种基于天气区划策略的电力系统运行风险评估方法 | |
CN105447572A (zh) | 一种基于遗传算法优化神经网络的风电功率预测系统及方法 | |
CN108616139B (zh) | 一种风电功率集群预测方法和装置 | |
CN113205210A (zh) | 复杂地形风电场风速与功率预测方法、系统、设备及存储介质 | |
CN107422180A (zh) | 一种基于云监控的光伏电站的功率预测系统 | |
Aniskevich et al. | Modelling the spatial distribution of wind energy resources in Latvia | |
CN117477558A (zh) | 一种基于电网负荷的预测方法及其系统 | |
CN103745274A (zh) | 一种用于分散式风电的短期功率预测方法 | |
CN117332291B (zh) | 一种面向分布式光伏的区域资源监测布局方法及系统 | |
CN103996087A (zh) | 一种新能源发电功率预测方法及系统 | |
CN115481918A (zh) | 一种基于源网荷储的单元状态主动感知及预测分析系统 | |
CN108665102A (zh) | 基于中尺度数据预测风电场实时发电量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |