CN110210675A - 基于局地动力相似的风电场中期功率的预测方法及系统 - Google Patents

基于局地动力相似的风电场中期功率的预测方法及系统 Download PDF

Info

Publication number
CN110210675A
CN110210675A CN201910490997.6A CN201910490997A CN110210675A CN 110210675 A CN110210675 A CN 110210675A CN 201910490997 A CN201910490997 A CN 201910490997A CN 110210675 A CN110210675 A CN 110210675A
Authority
CN
China
Prior art keywords
day
wind
power
wind power
days
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
Application number
CN201910490997.6A
Other languages
English (en)
Other versions
CN110210675B (zh
Inventor
陆佳政
怀晓伟
杨莉
徐勋建
李丽
邸悦伦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910490997.6A priority Critical patent/CN110210675B/zh
Publication of CN110210675A publication Critical patent/CN110210675A/zh
Application granted granted Critical
Publication of CN110210675B publication Critical patent/CN110210675B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Wind Motors (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于局地动力相似的风电场中期功率的预测方法及系统，包括：根据风电场气象观测数据，建立过去一段时间内的风电场逐日温度、风速以及风向的第一数据库；根据风电场输出功率，建立与对应时长的逐日风电场输出功率数据的第二数据库；预测得到当前日的未来三至七天的每日的平均温度T、风速和风向；在第一数据库查找与当前日的温度、风速以及风向相似的一个以上的相似日及其的未来三至七天的每日的平均温度T、风速和风向；并从第二数据库中查找对应的风电场输出功率；将对应的未来三至七天的每日风电场输出功率作为预测的逐日风电场输出功率数据。本发明计算流程简便。

Description

基于局地动力相似的风电场中期功率的预测方法及系统
技术领域
本发明涉及风电场技术领域，尤其涉及一种基于局地动力相似的风电场中期功率的预测方法及系统。
背景技术
随着中国风电装机容量的快速增长，风电在电网中所占的比重越来越大。但是，风能属于过程性能源，具有较大的随机性、波动性和不稳定性，造成风力发电也具有很强的不确定性和不可控性，发电出力波动幅度大，导致电网并网的风电机组的电力供电无法满足系统稳定性及连续性等众多方面的要求，同时不断变化的风电输出功率很容易给电网带来较大的冲击，加剧电网的调峰运行负担。因此，迫切需要开展风电场功率预测。
根据风电功率预测时间尺度不同来详细划分，预测模型可以分为超短期预测、短期预测、中期预测和长期预测。其中，中期预测一般以天为预测单位，时长在3-7天范围内。准确的中期预测不仅可以帮助制定机组维护和风电场调试计划，还有利于电力调度部门制定合理的调度计划，正确的调整风电和火电水电运行的比例，有效减低污染能源的消耗。
为此，有必要发明一种基于局地动力相似的风电场中短期功率预测方法，帮助风电场维修调试人员通过预测的结果选择风机出力较小时或者无风时对机组或者系统设备进行检测或维修，也利于电力部门开展调度计划制定。
发明内容
本发明提供了一种基于局地动力相似的风电场中期功率的预测方法及系统，用以解决目前风电机组的电力供电不稳定导致对电网的冲击以及加剧调峰运行负担的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种基于局地动力相似的风电场中期功率的预测方法，包括以下步骤：
根据风电场气象观测数据，建立过去一段时间内的风电场逐日温度、风速以及风向的第一数据库；根据风电场输出功率，建立与过去一段时间对应时长的逐日风电场输出功率数据的第二数据库；
预测得到当前日的未来三至七天的每日的平均温度T、风速和风向；
在第一数据库查找与当前日的温度、风速以及风向相似的一个以上的相似日以及一个以上的相似日的未来三至七天的每日的平均温度T、风速和风向；并从第二数据库中查找一个以上的相似日对应的风电场输出功率；
将一个以上的相似日对应的未来三至七天的每日风电场输出功率作为当前日的未来三至七天的预测的逐日风电场输出功率数据。
优选地，将一个以上的相似日对应的未来三至七天的每日风电场输出功率的平均值作为当前日的未来三至七天的预测的逐日风电场输出功率数据，包括：
当相似日的数量为多个时，根据多个相似日的风速和风向与当前日的偏差大小进行升序排序，取偏差排序靠前的多个相似日的逐日风电场输出功率数据的单日均值作为当前日的未来三至七天的预测的逐日风电场输出功率数据。
优选地，相似日依据如下条件选取：
(a)V0<Vin时，此时P0＝0，要求t1时刻风速V1，温度T1，风向角度θ1，满足：
(b)V0>Vin且V0<Vout时，要求t1时刻风速V1，温度T1，风向角度θ1，输出功率P1满足：
(c)V0>Vout时，此时P0＝0，要求t1时刻风速V1，温度T1，风向角度θ1，输出功率P1满足：
其中，对于当前日，V0为当前日t0的风速，Vin为风电场的切入风速，Vout为风电场的切出风速，T0为当前日的日平均温度；θ0为当前风向，P0为输出功率；
对于相似日，V1为相似日t1的风速，Vin为风电场的切入风速，T1为当前日的日平均温度；θ1为当前风向，P1为输出功率。
优选地，预测得到未来三至七天的每日的平均温度T、风速和风向，包括：选取数值模式，设置数值模式运行的参数方案、初始条件、边界条件以及运行模式；根据数值模式预测得到未来三至七天的每日的平均温度T、风速和风向。
优选地，过去一段时间为至少五年。
优选地，偏差排序靠前的多个相似日的数量为20～50天。
方法还包括：根据当前日的未来三至七天的预测的逐日风电场输出功率数据，选择逐日风电场输出功率数据小于第一阈值时关停机组，和\或，选择逐日风电场输出功率数据大于第二阈值时进行电网并网的调峰调配。
本发明还提供了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
本发明的基于局地动力相似的风电场中期功率的预测方法，计算流程简便，能够基于局地动力相似进行风电场中期功率预测，能够帮助风电场指定风机检修计划，也利于开展调度，保障电网安全稳定运行。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的基于局地动力相似的风电场中期功率的预测方法的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1，本发明的一种基于局地动力相似的风电场中期功率的预测方法，包括以下步骤：
S1：根据风电场气象观测数据，建立过去一段时间内的风电场逐日温度、风速以及风向的第一数据库；根据风电场输出功率，建立与过去一段时间对应时长的逐日风电场输出功率数据的第二数据库；
S2：预测得到当前日的未来三至七天的每日的平均温度T、风速和风向；
S3：在第一数据库查找与当前日的温度、风速以及风向相似的一个以上的相似日以及一个以上的相似日的未来三至七天的每日的平均温度T、风速和风向；并从第二数据库中查找一个以上的相似日对应的风电场输出功率；
S4：将一个以上的相似日对应的未来三至七天的每日风电场输出功率作为当前日的未来三至七天的预测的逐日风电场输出功率数据。
实际实施时，作为上述方法的扩展和优化：将一个以上的相似日对应的未来三至七天的每日风电场输出功率的平均值作为当前日的未来三至七天的预测的逐日风电场输出功率数据，包括：
当相似日的数量为多个时，根据多个相似日的风速和风向与当前日的偏差大小进行升序排序，取偏差排序靠前的多个相似日的逐日风电场输出功率数据的单日均值作为当前日的未来三至七天的预测的逐日风电场输出功率数据。
实际实施时，以上的方法还能进行以下的扩充或应用，以下实施例中的技术特征都能相互组合，实施例仅作为示例，不作为对技术特征的正常组合限制。
实施例1：
(1)气象数据库和风电场输出功率数据库构建。
根据风电场气象观测数据，建立过去一段时间风电场逐日温度、风速、风向数据库。数据库至少需要五年，数据库时间越长，该方法得到的预测结果更精确。
根据风电场输出功率，建立对应时长的逐日风电场输出功率数据库。
(2)数值模式计算。
选取数值模式，设置模式运行的参数方案、初始条件和边界条件。运行模式，预测得到未来七天的每日的平均温度T、风速和风向。本实施例可采用目前通用的中尺度模式进行预测，如美国天气预报模式(Weather Research and Forecast Model，简称WRF模式)。
(3)在原始数据库寻找当前相似。
当前日t0的日平均温度为T0，风速V0，将方位划分为360度，以正北方向为0度基准方向，按顺时针旋转，记当前风向θ0，输出功率P0。
记风电场的切入风速为Vin，即风电场出力功率不为0的最小风速；切出风速为Vout，超过此风速，风电场会停止发电。
在历史气象数据库和风电场输出功率数据库中寻找与当前相似的时刻t1，根据t0时刻风速、风向和风电场输出功率的关系，相似日的选取有如下要求：
(a)V0<Vin时，此时P0＝0，要求t1时刻风速V1，温度T1，风向角度θ1，满足：
(b)V0>Vin且V0<Vout时，要求t1时刻风速V1，温度T1，风向角度θ1，输出功率P1满足：
(c)V0>Vout时，此时P0＝0，要求t1时刻风速V1，温度T1，风向角度θ1，输出功率P1满足：
对于找到的相似日，根据其未来七天的实况风力、风向以及逐日风电场输出功率数据，得到一个7×3的数组，第一维度代表一天，其中第一行是相似日，第二维度是列，表示数据属性，分别为风力、风向和风电场输出功率。
通过在数据库中逐日寻找，得到N个相似日，得到一个N×7×3的三维数组DA1，第一维度是相似日，记为t1,t2,...,tN。第二个维度是未来七天的日期。第三个维度是风力、风向和风电场输出功率。
(4)寻找局地动力相似。
从步骤(3)得到的数据库DA1中，寻找动力相似。具体来说，对于数据库DA1中的每个相似日的风力、风向数据，使用公式(1)：
其中x是当前日t0的风力或风向数据，y是相似日t0的风力或风向数据，n为7天；i为天数。例如，要预测某风电场2019年6月3日(t0)起的未来七天输出功率，在第一数据库找到2017年5月22日(t1)与t0相似，还要求5月23日与数值模式预测的6月4日误差+5月24日与模式预测的6月5日误差+…等，共未来7天的数据误差之和也要较小。
对于当前日t0和相似日t1，对于风力和风向数据，分别使用公式(1)得到风力和风向的偏差S1及S2；记Sa＝S1+S2。对数据库DA1中每个相似日，都有一个偏差Sa，得到一个N个数据组成的一维数组DS1。
(5)重排数据。
将步骤(4)得到的一维数组DS1进行从小到大排列，得到新的数组DS2，在新的数组中记录下每个数组成员对应的原始相似日位置。
(6)得到集合成员。
取步骤(5)得到的数组DS2中前M个成员对应的数据库DA1中的输出功率数据，得到一个M×7的数组DA2。本实施例中，M取值为：
M＝min{50,N}
新的数组DA2的第一个维度为集合成员，第二个维度为未来7天预测的输出功率数据。
(7)进行预测输出功率计算。
将步骤(6)得到的二维数组DA2进行关于第一维度的集合平均，得到未来7天预测的输出功率数据。
根据当前日的未来三至七天的预测的逐日风电场输出功率数据，选择逐日风电场输出功率数据小于第一阈值时关停机组，和\或，选择逐日风电场输出功率数据大于第二阈值时进行电网并网的调峰调配。第一阈值为0或者接近0，即在风速小于风电场切入风速或静风时，风电场无输出功率时安排停机检修或零部件更换。第二阈值可根据各风电场的实际情况设定，即在预测高时，可以给电网调度部门制定调度计划提供参考依据，提高风电场发电上网率，降低弃风率，实现风电场利益最大化。
实施例2：
本实施例提供了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述实施例1的步骤。
风场由大尺度大气环流系统和局部地形要素影响，如果当前日风场与历史风场相似，且动力演化相似，则风电场的输出功率相似。为了消除相似误差，本发明提出使用集合平均进行预报，消除相似预报的随机性，使预报结果更加精确。本发明通用性好，能够适用于不同地区的风电场中期功率预测的计算。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于局地动力相似的风电场中期功率的预测方法，其特征在于，包括以下步骤：
根据风电场气象观测数据，建立过去一段时间内的风电场逐日温度、风速以及风向的第一数据库；根据风电场输出功率，建立与所述过去一段时间对应时长的逐日风电场输出功率数据的第二数据库；
预测得到当前日的未来三至七天的每日的平均温度T、风速和风向；
在所述第一数据库查找与当前日的温度、风速以及风向相似的一个以上的相似日以及所述一个以上的相似日的未来三至七天的每日的平均温度T、风速和风向；并从第二数据库中查找所述一个以上的相似日对应的风电场输出功率；
将所述一个以上的相似日对应的未来三至七天的每日风电场输出功率作为当前日的未来三至七天的预测的逐日风电场输出功率数据。
2.根据权利要求1所述的基于局地动力相似的风电场中期功率的预测方法，其特征在于，所述将所述一个以上的相似日对应的未来三至七天的每日风电场输出功率的平均值作为当前日的未来三至七天的预测的逐日风电场输出功率数据，包括：
当相似日的数量为多个时，根据多个相似日的风速和风向与当前日的偏差大小进行升序排序，取偏差排序靠前的多个相似日的逐日风电场输出功率数据的单日均值作为当前日的未来三至七天的预测的逐日风电场输出功率数据。
3.根据权利要求1或2所述的基于局地动力相似的风电场中期功率的预测方法，其特征在于，所述相似日依据如下条件选取：
(a)V0<Vin时，此时P0＝0，要求t1时刻风速V1，温度T1，风向角度θ1，满足：
(b)V0>Vin且V0<Vout时，要求t1时刻风速V1，温度T1，风向角度θ1，输出功率P1满足：
(c)V0>Vout时，此时P0＝0，要求t1时刻风速V1，温度T1，风向角度θ1，输出功率P1满足：
其中，对于当前日，V0为当前日t0的风速，Vin为风电场的切入风速，Vout为风电场的切出风速，T0为当前日的日平均温度；θ0为当前风向，P0为输出功率；
对于相似日，V1为相似日t1的风速，Vin为风电场的切入风速，T1为当前日的日平均温度；θ1为当前风向，P1为输出功率。
4.根据权利要求3所述的基于局地动力相似的风电场中期功率的预测方法，其特征在于，所述预测得到未来三至七天的每日的平均温度T、风速和风向，包括：选取数值模式，设置数值模式运行的参数方案、初始条件、边界条件以及运行模式；根据所述数值模式预测得到未来三至七天的每日的平均温度T、风速和风向。
5.根据权利要求3所述的基于局地动力相似的风电场中期功率的预测方法，其特征在于，所述过去一段时间为至少五年。
6.根据权利要求3所述的基于局地动力相似的风电场中期功率的预测方法，其特征在于，所述偏差排序靠前的多个相似日的数量为20～50天。
7.根据权利要求3所述的基于局地动力相似的风电场中期功率的预测方法，其特征在于，所述方法还包括：根据当前日的未来三至七天的预测的逐日风电场输出功率数据，选择逐日风电场输出功率数据小于第一阈值时关停所述机组，和\或，选择逐日风电场输出功率数据大于第二阈值时进行电网并网的调峰调配。
8.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7中任一所述方法的步骤。
CN201910490997.6A 2019-06-06 2019-06-06 基于局地动力相似的风电场中期功率的预测方法及系统 Active CN110210675B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910490997.6A CN110210675B (zh) 2019-06-06 2019-06-06 基于局地动力相似的风电场中期功率的预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910490997.6A CN110210675B (zh) 2019-06-06 2019-06-06 基于局地动力相似的风电场中期功率的预测方法及系统

Publications (2)

Publication Number Publication Date
CN110210675A true CN110210675A (zh) 2019-09-06
CN110210675B CN110210675B (zh) 2023-07-18

Family

ID=67791251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910490997.6A Active CN110210675B (zh) 2019-06-06 2019-06-06 基于局地动力相似的风电场中期功率的预测方法及系统

Country Status (1)

Country Link
CN (1) CN110210675B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200346A (zh) * 2020-09-07 2021-01-08 中国农业大学 一种天气波动过程划分与匹配的短期风电功率预测方法
CN116227249A (zh) * 2023-05-10 2023-06-06 南方电网数字电网研究院有限公司 功率气象数据智能迁移的新能源长期电量预测方法与系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201813161U (zh) * 2010-07-16 2011-04-27 北京中科伏瑞电气技术有限公司 一种风电功率预测系统
CN102411729A (zh) * 2011-11-04 2012-04-11 国电南京自动化股份有限公司 基于自适应线性逻辑网络的风电功率预测方法
WO2012088915A1 (zh) * 2011-01-01 2012-07-05 国网电力科学研究院 一种分析风电场输出功率波动对电网影响的方法
US20140336934A1 (en) * 2013-05-07 2014-11-13 Atomic Energy Council - Institute Of Nuclear Energy Research Ensemble wind power forecasting platform system and operational method thereof
WO2014187147A1 (zh) * 2013-05-20 2014-11-27 国家电网公司 电力系统中长期优化运行的中长期风电出力模型建模方法
CN104299044A (zh) * 2014-07-01 2015-01-21 沈阳工程学院 基于聚类分析的风功率短期预测系统及预测方法
CN105117788A (zh) * 2015-07-22 2015-12-02 河南行知专利服务有限公司 一种风力发电功率预测方法
CN105354620A (zh) * 2014-08-19 2016-02-24 中国科学院上海高等研究院 一种风机发电功率的预测方法
CN106447132A (zh) * 2016-10-26 2017-02-22 国网浙江省电力公司电力科学研究院 一种区域光伏电站群的中长期发电量预测方法
CN106503833A (zh) * 2016-09-30 2017-03-15 天津大学 基于支持向量机算法的光伏发电短期功率滚动预测方法
CN107563575A (zh) * 2017-10-11 2018-01-09 国网湖南省电力公司 多气象变量下中长期风电功率预测方法
CN107609697A (zh) * 2017-09-06 2018-01-19 南京邮电大学 一种风力发电功率预测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201813161U (zh) * 2010-07-16 2011-04-27 北京中科伏瑞电气技术有限公司 一种风电功率预测系统
WO2012088915A1 (zh) * 2011-01-01 2012-07-05 国网电力科学研究院 一种分析风电场输出功率波动对电网影响的方法
CN102411729A (zh) * 2011-11-04 2012-04-11 国电南京自动化股份有限公司 基于自适应线性逻辑网络的风电功率预测方法
US20140336934A1 (en) * 2013-05-07 2014-11-13 Atomic Energy Council - Institute Of Nuclear Energy Research Ensemble wind power forecasting platform system and operational method thereof
WO2014187147A1 (zh) * 2013-05-20 2014-11-27 国家电网公司 电力系统中长期优化运行的中长期风电出力模型建模方法
CN104299044A (zh) * 2014-07-01 2015-01-21 沈阳工程学院 基于聚类分析的风功率短期预测系统及预测方法
CN105354620A (zh) * 2014-08-19 2016-02-24 中国科学院上海高等研究院 一种风机发电功率的预测方法
CN105117788A (zh) * 2015-07-22 2015-12-02 河南行知专利服务有限公司 一种风力发电功率预测方法
CN106503833A (zh) * 2016-09-30 2017-03-15 天津大学 基于支持向量机算法的光伏发电短期功率滚动预测方法
CN106447132A (zh) * 2016-10-26 2017-02-22 国网浙江省电力公司电力科学研究院 一种区域光伏电站群的中长期发电量预测方法
CN107609697A (zh) * 2017-09-06 2018-01-19 南京邮电大学 一种风力发电功率预测方法
CN107563575A (zh) * 2017-10-11 2018-01-09 国网湖南省电力公司 多气象变量下中长期风电功率预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
倪鹏;孙富荣;: "基于相似日和风速连续性的风电场短期功率预测", 《山东电力技术》 *
倪鹏;孙富荣;: "基于相似日和风速连续性的风电场短期功率预测", 《山东电力技术》, no. 11, 25 November 2016 (2016-11-25), pages 39 - 42 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200346A (zh) * 2020-09-07 2021-01-08 中国农业大学 一种天气波动过程划分与匹配的短期风电功率预测方法
CN112200346B (zh) * 2020-09-07 2024-03-26 中国农业大学 一种天气波动过程划分与匹配的短期风电功率预测方法
CN116227249A (zh) * 2023-05-10 2023-06-06 南方电网数字电网研究院有限公司 功率气象数据智能迁移的新能源长期电量预测方法与系统
CN116227249B (zh) * 2023-05-10 2023-09-15 南方电网数字电网研究院有限公司 功率气象数据智能迁移的新能源长期电量预测方法与系统

Also Published As

Publication number Publication date
CN110210675B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN106099993B (zh) 一种适应新能源大规模接入的电源规划方法
Sarkar et al. MW resource assessment model for a hybrid energy conversion system with wind and solar resources
CN103475021B (zh) 一种基于统计模型的风电场弃风电量确定方法
CN107689638B (zh) 一种基于相轨迹分析的含风电电力系统暂态协调控制方法
CN107528350B (zh) 一种适应中长期电源规划的风电出力典型场景生成方法
CN110210675A (zh) 基于局地动力相似的风电场中期功率的预测方法及系统
Liu et al. Optimal short-term load dispatch strategy in wind farm
CN110112779B (zh) 基于多状态概率分布的电采暖消纳风电测算模型
CN108667077A (zh) 一种风蓄联合系统优化调度方法
CN111525628A (zh) 考虑多时间尺度灵活性约束的含风电并网机组组合方法
Bellinguer et al. Probabilistic forecasting of regional wind power generation for the eem20 competition: A physics-oriented machine learning approach
CN105140967A (zh) 一种含新能源电力系统调峰需求的评估方法
Lakhoua et al. System Analysis of a Hybrid Renewable Energy System.
CN107732962B (zh) 一种基于超短期弃风曲线预测的弃风减量方法
CN113991640A (zh) 基于火电的多能互补能源基地能源配置规划方法
Zhang et al. Joint forecasting of regional wind and solar power based on attention neural network
CN109546647B (zh) 一种用于含风光水储的电力系统的安全稳定评估方法
CN112994087B (zh) 基于条件风险约束的多源电力系统中期优化调度方法
CN109787217A (zh) 基于风电多状态模型及机会成本修正的备用出清方法
Kehe et al. Research of wind power prediction model based on RBF neural network
Pandi et al. Dynamic economic load dispatch with wind energy using modified harmony search
Zhongping et al. Integrated wind and solar power forecasting in China
Karki et al. Impact of renewable energy unit availability on power system adequacy
CN107272643A (zh) 新能源场站实用化单机等值方法
Yildirim et al. Spatial clustering for temporal power ramp balance and wind power estimation

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