CN109167387A - 风场风电功率预测方法 - Google Patents
风场风电功率预测方法 Download PDFInfo
- Publication number
- CN109167387A CN109167387A CN201811075629.7A CN201811075629A CN109167387A CN 109167387 A CN109167387 A CN 109167387A CN 201811075629 A CN201811075629 A CN 201811075629A CN 109167387 A CN109167387 A CN 109167387A
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- prediction
- data
- wind field
- 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
- 238000013277 forecasting method Methods 0.000 title claims abstract description 14
- 238000005259 measurement Methods 0.000 claims description 32
- 238000012937 correction Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 7
- UEEJHVSXFDXPFK-UHFFFAOYSA-N N-dimethylaminoethanol Chemical compound CN(C)CCO UEEJHVSXFDXPFK-UHFFFAOYSA-N 0.000 claims description 6
- 238000013179 statistical model Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000005684 electric field Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000012141 concentrate Substances 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- H02J3/386—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及风电场风电功率测试技术领域，是一种风场风电功率预测方法，包括第一步，建立风电场功率预测模型，第二步，根据风场实测数据计算风电场功率实际预测误差和理想预测误差，第三步，比较风电场功率实际预测误差和理想预测误差，根据比较结果评价风电场风功率预测精度。本发明通过计算并比较风电场功率预测误差解析出影响风功率预测的因素，为风功率预测调整提供依据，以确保风电场风功率预测的精度。通过计算并比较风电场功率实际预测误差和理想预测误差，比较结果评价风电场风功率预测精度，解析出影响风功率预测的因素，进而可及时且能够集中精力优化相应的模型，并为功率预测模型调整提供依据，以确保风电场风功率预测的精度。
Description
技术领域
本发明涉及风电场风电功率测试技术领域，是一种风场风电功率预测方法。
背景技术
在化石能源逐渐枯竭和环境问题日益严重的背景下，风力发电作为目前可再生能源中最成熟、最具有规模化开发条件和商业化发展前景的发电技术，得到各个国家的高度重视和大力扶持。随着风电技术的快速发展，大型风电场的并网运行对电力系统的影响也越来越显著。此外，我国风能资源丰富的地区一般人口稀少，负荷量小，电网结构相对薄弱。风能具有的随机性、间歇性和不可控性的特点以及在实际运行中多数风电具有的反调峰特性，使得风电场发电的变化趋势难以预测，造成电网运行调度的困难和复杂化，对电网的安全稳定运行造成了很大影响，这已成为制约风电大规模接入的关键技术问题。
发明内容
本发明提供了一种风场风电功率预测方法，克服了上述现有技术之不足，其能有效解决现有风场风电功率预测方法所使用的预测策略和预测模型容易受到地形地势和气象变化的影响，从而影响到预测精度的问题。
本发明的技术方案是通过以下措施来实现的：该风场风电功率预测方法,包括以下步骤：
第一步，建立风电场功率预测模型，包括以下过程：
(1)采集风场实测数据，为待建风电场功率预测模型进行建模前的数据准备，风场实测数据包括测风塔实测风速、风向和温度，以及风场平均风速、平均温度、风场总功率和各台风机功率；
(2)利用统计模型修正风场实测数据中存在系统偏差的与气象预报数据相关的实测气象数据，实测气象数据包括测风塔实测风速、风向、温度以及风场平均风速和平均温度；
(3)将风场实测数据进行处理后作为建模数据，利用神经网络方法建立风电场功率预测模型，风电场功率预测模型包括风场功率预测模型和风机功率预测模型；
第二步，根据风场实测数据计算风电场功率实际预测误差和理想预测误差，包括以下步骤：
(1)根据风场功率预测模型预测风场预测总功率，根据风机功率预测模型预测每台风机的预测功率；
(2)计算风电场功率实际预测误差指标，将通过风场功率预测模型作出的风场预测总功率与实测得到的风场总功率按照时间顺序一一对应，并计算风场预测总功率与实测得到的风场总功率的均方根误差，得到基于风场功率预测模型作出的风电场功率实际预测误差；
计算基于风机功率预测模型作出的每台风机的功率预测值与实测的各台风机功率之和之间的均方根误差，由此得到基于风机功率预测模型作出的风电场功率实际预测误差；
(3)计算风电场功率理想预测误差指标，将实测风速带入风场功率预测模型获得理想预测功率，将该理想预测功率与实测得到的风场总功率按照时间顺序一一对应，并计算理想预测功率与实测得到的风场总功率的均方根误差，得到基于风场功率预测模型作出的风电场功率理想预测误差；
计算由风机功率预测模型求出的理想风机功率与风机实际功率之间的均方根误差，由此得到基于风机功率预测模型作出的风电场功率理想预测误差；
第三步，分别比较基于风场功率预测模型作出的风电场功率实际预测误差和理想预测误差，基于风机功率预测模型作出的风电场功率实际预测误差和理想预测误差，根据上述两个比较结果，用于进一步评价风电场功率预测精度。
下面是对上述发明技术方案的进一步优化或/和改进：
上述第一步(2)中，统计模型包括风速订正模型、风向订正模型和温度订正模型，其中：
风速修订模型使用实际风速订正预测风速，以使实际风速与预测风速间的均方根误差最小；
风向订正模型使用实际风向订正预报风向，由于风向具有周期性，即0°与359°之间的距离和0°与1°的之间的距离相同，则风向订正的目标为：
其中，N为数据记录数量，vi表示实测风向，是与vi对应的预报风向，m为风向修正值，DMAE表示预报值与实际值的偏差，调整m寻找DMAE的最小值，便可得到m的最优解；
温度订正模型使用实际温度订正预报温度，以使实际温度与预报温度的均方根误差最小，预报温度与实际温度之间线性度较高，使用线性统计方法建立温度订正模型。
上述在第一步(2)中，气象预报数据处理过程如下：将历史实测气象数据与该时间段内的气象预报数据按照时间对齐，每一时刻的数据组称为一个数据记录。
上述在第一步(3)中，风场功率预测模型和风机功率预测模型的建模数据的处理过程如下：
(1)将历史测得的风塔数据与风场的预测数据按照时间对齐，并把实测功率中的异常点去除形成风场功率预测模型的建模数据；
(2)将历史测得的风塔数据与风机的预测数据按照时间对齐，并把实测功率中的异常点去除形成风机功率预测模型的建模数据。
上述去除异常数据的原则如下：
(1)将功率归一化：对于风机功率预测模型，将风机实际功率除以该风机机型的额定功率得到风机的归一功率；对于风场功率预测模型，将风场实际总功率除以风场装机容量得到风场的归一功率，分别剔除风机归一功率中小于-0.1大于1.5的功率以及风场归一功率中小于-0.1大于1.5的功率；
(2)去除风速大于5m/s，归一功率小于0.2的数据点。
本发明通过计算并比较风电场功率实际预测误差和理想预测误差，根据比较结果评价风电场风功率预测精度，解析出影响风功率预测的因素，进而可及时且能够集中精力优化相应的模型，并为进一步的功率预测模型调整提供依据，以确保风电场风功率预测的精度。
附图说明
附图1为本发明的流程图。
附图2为本发明风电场功率预测模型的建模流程图。
具体实施方式
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合实施例及附图对本发明作进一步描述：
如附图1、2所示，风场风电功率预测方法,包括以下步骤：
第一步，建立风电场功率预测模型，包括以下过程：
(1)采集风场实测数据，为待建风电场功率预测模型进行建模前的数据准备，风场实测数据包括测风塔实测风速、风向和温度，以及风场平均风速、平均温度、风场总功率和各台风机功率；
(2)利用统计模型修正风场实测数据中存在系统偏差的与气象预报数据相关的实测气象数据，实测气象数据包括测风塔实测风速、风向、温度以及风场平均风速和平均温度；
(3)将风场实测数据进行处理后作为建模数据，利用神经网络方法建立风电场功率预测模型，风电场功率预测模型包括风场功率预测模型和风机功率预测模型；
风电场功率预测模型作用是将风速经过模型转化为风场总功率。上述的风机功率预测模型为利用神经网络方法建立的反映实测风速、风向、温度与每台风机功率关系的模型。
第二步，根据风场实测数据计算风电场功率实际预测误差和理想预测误差，包括以下步骤：
(1)根据风场功率预测模型预测风场预测总功率，根据风机功率预测模型预测每台风机的预测功率；
(2)计算风电场功率实际预测误差指标，将通过风场功率预测模型作出的风场预测总功率与实测得到的风场总功率按照时间顺序一一对应，并计算风场预测总功率与实测得到的风场总功率的均方根误差，得到基于风场功率预测模型作出的风电场功率实际预测误差；
计算基于风机功率预测模型作出的每台风机的功率预测值与实测的各台风机功率之和之间的均方根误差，由此得到基于风机功率预测模型作出的风电场功率实际预测误差；
(3)计算风电场功率理想预测误差指标，将实测风速带入风场功率预测模型获得理想预测功率，将该理想预测功率与实测得到的风场总功率按照时间顺序一一对应，并计算理想预测功率与实测得到的风场总功率的均方根误差，得到基于风场功率预测模型作出的风电场功率理想预测误差；
计算由风机功率预测模型求出的理想风机功率与风机实际功率之间的均方根误差，由此得到基于风机功率预测模型作出的风电场功率理想预测误差；
第三步，分别比较基于风场功率预测模型作出的风电场功率实际预测误差和理想预测误差，基于风机功率预测模型作出的风电场功率实际预测误差和理想预测误差，根据上述两个比较结果，用于进一步评价风电场功率预测精度。
可根据实际需要，对上述风场风电功率预测方法作进一步优化或/和改进：
如附图2所示，第一步(2)中，统计模型包括风速订正模型、风向订正模型和温度订正模型，其中：
风速订正模型使用实际风速订正预测风速，以使实际风速与预测风速间的均方根误差最小；
风向订正模型使用实际风向订正预报风向，由于风向具有周期性，即0°与359°之间的距离和0°与1°之间的距离相同，则风向订正的目标为：
其中，N为数据记录数量，vi表示实测风向，是与vi对应的预报风向，m为风向修正值，DMAE表示预报值与实际值的偏差，调整m寻找DMAE的最小值，便可得到m的最优解；
温度订正模型使用实际温度订正预报温度，以使实际温度与预报温度的均方根误差最小，预报温度与实际温度之间线性度较高，使用线性统计方法建立温度订正模型。
通常可使用线性或非线性的统计方法建立风速订正模型，例如最小二乘法、多项式法、神经网络方法等。
上述温度订正模型建立过程为公知技术，在此不再赘述。
如附图1、2所示，在第一步(2)中，气象预报数据处理过程如下：将历史实测气象数据与该时间段内的气象预报数据按照时间对齐，每一时刻的数据组称为一个数据记录。
如附图1、2所示，在第一步(3)中，风场功率预测模型和风机功率预测模型的建模数据的处理过程如下：
(1)将历史测得的风塔数据与风场的预测数据按照时间对齐，并把实测功率中的异常点去除形成风场功率预测模型的建模数据；
(2)将历史测得的风塔数据与风机的预测数据按照时间对齐，并把实测功率中的异常点去除形成风机功率预测模型的建模数据。
如附图1、2所示，去除异常数据的原则如下：
(1)将功率归一化：对于风机功率预测模型，将风机实际功率除以该风机机型的额定功率得到风机的归一功率；对于风场功率预测模型，将风场实际总功率除以风场装机容量得到风场的归一功率，分别剔除风机归一功率中小于-0.1大于1.5的功率以及风场归一功率中小于-0.1大于1.5的功率；
(2)去除风速大于5m/s，归一功率小于0.2的数据点。
由于实际每天的预报结果通常分为多个时次，不断的检查最新的气象预报数据是否产生，一旦产生就可以将修正过的气象预报数据导入风机或风场模型中，由此得到风场预测功率值。
以上技术特征构成了本发明的实施例，其具有较强的适应性和实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。
Claims (5)
1.一种风场风电功率预测方法，其特征在于包括以下步骤：
第一步，建立风电场功率预测模型，包括以下过程：
(1)采集风场实测数据，为待建风电场功率预测模型进行建模前的数据准备，风场实测数据包括测风塔实测风速、风向和温度，以及风场平均风速、平均温度、风场总功率和各台风机功率；
(2)利用统计模型修正风场实测数据中存在系统偏差的与气象预报数据相关的实测气象数据，实测气象数据包括测风塔实测风速、风向、温度以及风场平均风速和平均温度；
(3)将风场实测数据进行处理后作为建模数据，利用神经网络方法建立风电场功率预测模型，风电场功率预测模型包括风场功率预测模型和风机功率预测模型；
第二步，根据风场实测数据计算风电场功率实际预测误差和理想预测误差，包括以下步骤：
(1)根据风场功率预测模型预测风场预测总功率，根据风机功率预测模型预测每台风机的预测功率；
(2)计算风电场功率实际预测误差指标，将通过风场功率预测模型作出的风场预测总功率与实测得到的风场总功率按照时间顺序一一对应，并计算风场预测总功率与实测得到的风场总功率的均方根误差，得到基于风场功率预测模型作出的风电场功率实际预测误差；
计算基于风机功率预测模型作出的每台风机的功率预测值与实测的各台风机功率之和之间的均方根误差，由此得到基于风机功率预测模型作出的风电场功率实际预测误差；
(3)计算风电场功率理想预测误差指标，将实测风速带入风场功率预测模型获得理想预测功率，将该理想预测功率与实测得到的风场总功率按照时间顺序一一对应，并计算理想预测功率与实测得到的风场总功率的均方根误差，得到基于风场功率预测模型作出的风电场功率理想预测误差；
计算由风机功率预测模型求出的理想风机功率与风机实际功率之间的均方根误差，由此得到基于风机功率预测模型作出的风电场功率理想预测误差；
第三步，分别比较基于风场功率预测模型作出的风电场功率实际预测误差和理想预测误差，基于风机功率预测模型作出的风电场功率实际预测误差和理想预测误差，根据上述两个比较结果，用于进一步评价风电场功率预测精度。
2.根据权利要求1所述的风场风电功率预测方法，其特征在于第一步(2)中，统计模型包括风速订正模型、风向订正模型和温度订正模型，其中：
风速修订模型使用实际风速订正预测风速，以使实际风速与预测风速间的均方根误差最小；
风向订正模型使用实际风向订正预报风向，由于风向具有周期性，即0°与359°之间的距离和0°与1°的之间的距离相同，则风向订正的目标为：
其中，N为数据记录数量，vi表示实测风向，是与vi对应的预报风向，m为风向修正值，DMAE表示预报值与实际值的偏差，调整m寻找DMAE的最小值，便可得到m的最优解；
温度订正模型使用实际温度订正预报温度，以使实际温度与预报温度的均方根误差最小，预报温度与实际温度之间线性度较高，使用线性统计方法建立温度订正模型。
3.根据权利要求1或2所述的风场风电功率预测方法，其特征在于第一步(2)中，气象预报数据处理过程如下：将历史实测气象数据与该时间段内的气象预报数据按照时间对齐，每一时刻的数据组称为一个数据记录。
4.根据权利要求3所述的风场风电功率预测方法，其特征在于第一步(3)中，风场功率预测模型和风机功率预测模型的建模数据的处理过程如下：
(1)将历史测得的风塔数据与风场的预测数据按照时间对齐，并把实测功率中的异常点去除形成风场功率预测模型的建模数据；
(2)将历史测得的风塔数据与风机的预测数据按照时间对齐，并把实测功率中的异常点去除形成风机功率预测模型的建模数据。
5.根据权利要求4所述的风场风电功率预测方法，其特征在于去除异常数据的原则如下：
(1)将功率归一化：对于风机功率预测模型，将风机实际功率除以该风机机型的额定功率得到风机的归一功率；对于风场功率预测模型，将风场实际总功率除以风场装机容量得到风场的归一功率，分别剔除风机归一功率中小于-0.1大于1.5的功率以及风场归一功率中小于-0.1大于1.5的功率；
(2)去除风速大于5m/s，归一功率小于0.2的数据点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811075629.7A CN109167387A (zh) | 2018-09-14 | 2018-09-14 | 风场风电功率预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811075629.7A CN109167387A (zh) | 2018-09-14 | 2018-09-14 | 风场风电功率预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109167387A true CN109167387A (zh) | 2019-01-08 |
Family
ID=64879204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811075629.7A Pending CN109167387A (zh) | 2018-09-14 | 2018-09-14 | 风场风电功率预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109167387A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110705768A (zh) * | 2019-09-26 | 2020-01-17 | 国家电网公司华北分部 | 用于风电场的风力发电功率预测优化方法和装置 |
| CN110705771A (zh) * | 2019-09-26 | 2020-01-17 | 国家电网公司华北分部 | 区域电网新能源发电功率预测优化方法和装置 |
| CN110985309A (zh) * | 2019-12-09 | 2020-04-10 | 远景智能国际私人投资有限公司 | 偏航对风异常检测方法、装置、设备和存储介质 |
| CN111311021A (zh) * | 2020-03-12 | 2020-06-19 | 广西电网有限责任公司 | 一种风电场理论功率预测方法、装置、设备和存储介质 |
| CN112417734A (zh) * | 2020-11-25 | 2021-02-26 | 国能日新科技股份有限公司 | 一种基于风电场地理信息的风速订正方法及装置 |
| CN112633544A (zh) * | 2019-11-28 | 2021-04-09 | 北京金风慧能技术有限公司 | 预测风速订正方法及其装置 |
| CN113822418A (zh) * | 2021-09-24 | 2021-12-21 | 中节能风力发电股份有限公司 | 一种风电场功率预测方法、系统、设备和存储介质 |
| CN114498632A (zh) * | 2022-01-27 | 2022-05-13 | 国网江苏省电力有限公司泰州供电分公司 | 基于新能源和充电设施的配电台区负荷预测方法及装置 |
| WO2024087876A1 (zh) * | 2022-10-28 | 2024-05-02 | 国网湖南省电力有限公司电力科学研究院 | 风电功率预测误差确定方法、处理器及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268366A (zh) * | 2013-03-06 | 2013-08-28 | 辽宁省电力有限公司电力科学研究院 | 一种适用于分散式风电场的组合风电功率预测方法 |
| CN103679298A (zh) * | 2013-12-27 | 2014-03-26 | 中能电力科技开发有限公司 | 风电场短期功率预测精度的评价方法 |
| CN105184391A (zh) * | 2015-08-19 | 2015-12-23 | 国网山东省电力公司电力科学研究院 | 基于小波分解和支持向量机的风电场风速与功率预测方法 |
| CN108092319A (zh) * | 2017-12-13 | 2018-05-29 | 国家电网公司 | 一种短期风电功率预测的不确定性分析方法及装置 |
| CN108388962A (zh) * | 2018-02-06 | 2018-08-10 | 北京天润新能投资有限公司 | 一种风电功率预测系统及方法 |
-
2018
- 2018-09-14 CN CN201811075629.7A patent/CN109167387A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268366A (zh) * | 2013-03-06 | 2013-08-28 | 辽宁省电力有限公司电力科学研究院 | 一种适用于分散式风电场的组合风电功率预测方法 |
| CN103679298A (zh) * | 2013-12-27 | 2014-03-26 | 中能电力科技开发有限公司 | 风电场短期功率预测精度的评价方法 |
| CN105184391A (zh) * | 2015-08-19 | 2015-12-23 | 国网山东省电力公司电力科学研究院 | 基于小波分解和支持向量机的风电场风速与功率预测方法 |
| CN108092319A (zh) * | 2017-12-13 | 2018-05-29 | 国家电网公司 | 一种短期风电功率预测的不确定性分析方法及装置 |
| CN108388962A (zh) * | 2018-02-06 | 2018-08-10 | 北京天润新能投资有限公司 | 一种风电功率预测系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 薛禹胜等: "关于短期及超短期风电功率预测的评述", 《电力系统自动化》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110705768A (zh) * | 2019-09-26 | 2020-01-17 | 国家电网公司华北分部 | 用于风电场的风力发电功率预测优化方法和装置 |
| CN110705771A (zh) * | 2019-09-26 | 2020-01-17 | 国家电网公司华北分部 | 区域电网新能源发电功率预测优化方法和装置 |
| CN110705771B (zh) * | 2019-09-26 | 2023-04-07 | 国家电网公司华北分部 | 区域电网新能源发电功率预测优化方法和装置 |
| CN112633544A (zh) * | 2019-11-28 | 2021-04-09 | 北京金风慧能技术有限公司 | 预测风速订正方法及其装置 |
| CN110985309A (zh) * | 2019-12-09 | 2020-04-10 | 远景智能国际私人投资有限公司 | 偏航对风异常检测方法、装置、设备和存储介质 |
| CN110985309B (zh) * | 2019-12-09 | 2022-03-11 | 远景智能国际私人投资有限公司 | 偏航对风异常检测方法、装置、设备和存储介质 |
| CN111311021A (zh) * | 2020-03-12 | 2020-06-19 | 广西电网有限责任公司 | 一种风电场理论功率预测方法、装置、设备和存储介质 |
| CN112417734A (zh) * | 2020-11-25 | 2021-02-26 | 国能日新科技股份有限公司 | 一种基于风电场地理信息的风速订正方法及装置 |
| CN112417734B (zh) * | 2020-11-25 | 2024-03-15 | 国能日新科技股份有限公司 | 一种基于风电场地理信息的风速订正方法及装置 |
| CN113822418A (zh) * | 2021-09-24 | 2021-12-21 | 中节能风力发电股份有限公司 | 一种风电场功率预测方法、系统、设备和存储介质 |
| CN114498632A (zh) * | 2022-01-27 | 2022-05-13 | 国网江苏省电力有限公司泰州供电分公司 | 基于新能源和充电设施的配电台区负荷预测方法及装置 |
| WO2024087876A1 (zh) * | 2022-10-28 | 2024-05-02 | 国网湖南省电力有限公司电力科学研究院 | 风电功率预测误差确定方法、处理器及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109167387A (zh) | 风场风电功率预测方法 | |
| CN103887815B (zh) | 基于运行数据的风电场参数辨识及动态等值方法 | |
| CN104978608B (zh) | 一种风电功率预测装置及预测方法 | |
| CN110648249B (zh) | 年度电力平衡测算方法、装置及设备 | |
| CN103679298A (zh) | 风电场短期功率预测精度的评价方法 | |
| CN104319807B (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
| CN106505631B (zh) | 智能风电风功率预测系统 | |
| CN105654207A (zh) | 基于风速、风向信息的风电功率预测方法 | |
| 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 | |
| CN109784563B (zh) | 一种基于虚拟测风塔技术的超短期功率预测方法 | |
| CN111488896B (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
| CN103942736B (zh) | 一种风电场多机等值建模方法 | |
| CN110460038A (zh) | 一种涉及新能源并网的多场景输电网扩展规划方法 | |
| CN110601250A (zh) | 一种基于新能源电站接入点静态电压稳定性评估方法 | |
| CN101414317A (zh) | 一种处理风电场静态功率等值分散性问题的等效风速法 | |
| CN103996079A (zh) | 一种基于条件概率的风电功率加权预测方法 | |
| CN106611243A (zh) | 一种基于garch模型的风速预测残差修正方法 | |
| CN110263998A (zh) | 多源数值天气预报集合双层修正方法 | |
| CN113379142A (zh) | 一种基于风速修正和融合模型的短期风电功率预测方法 | |
| CN105591407A (zh) | 可再生能源电站有功出力预测误差间相关性的研究方法 | |
| CN105825002A (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
| CN105279384A (zh) | 一种基于风力机机舱风速的来流风速计算方法及装置 | |
| CN110070223A (zh) | 一种应用于新建风电场的短期功率预测方法 | |
| CN113642884A (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 | |
| CN113610285A (zh) | 一种分散式风电的功率预测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190108 |
|
| RJ01 | Rejection of invention patent application after publication |