CN113969873B - 一种风电机组出力超短期预测方法、系统及存储介质 - Google Patents

一种风电机组出力超短期预测方法、系统及存储介质 Download PDF

Info

Publication number
CN113969873B
CN113969873B CN202111208118.XA CN202111208118A CN113969873B CN 113969873 B CN113969873 B CN 113969873B CN 202111208118 A CN202111208118 A CN 202111208118A CN 113969873 B CN113969873 B CN 113969873B
Authority
CN
China
Prior art keywords
output
time
fan
ultra
fan output
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
Application number
CN202111208118.XA
Other languages
English (en)
Other versions
CN113969873A (zh
Inventor
简洲
郭俊
冯涛
蔡泽林
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 CN202111208118.XA priority Critical patent/CN113969873B/zh
Publication of CN113969873A publication Critical patent/CN113969873A/zh
Application granted granted Critical
Publication of CN113969873B publication Critical patent/CN113969873B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明涉及风能发电技术领域，公开了一种风电机组出力超短期预测方法、系统及存储介质，该方法包括确定当前时刻对应的当前时次，获取当前时次及当前时次之前的N个时次的第一风机出力实况；确定与当前时刻对应的目标时刻，获取目标时次，获取目标时次及之前的N个时次的第二风机出力实况，以及目标时次之后的M个时次的第三风机出力实况；确定第一风机出力基值；确定第二风机出力基值；预测当前时次之后的超短期内的M个时次的风机出力预测值；对超短期内的M个时次的风机出力预测值进行校正处理，得到超短期内的M个时次的风机出力最终预测值。可以实现风电机组出力超短期预测，减小风电波动性对电网的影响。

Description

一种风电机组出力超短期预测方法、系统及存储介质
技术领域
本发明涉及风能发电技术领域，尤其涉及一种风电机组出力超短期预测方法、系统及存储介质。
背景技术
风能发电是一种环保的可再生能源，随着电网中风电场数量及规模的持续增长，风电在电网中所占的比重也越来越高，以某省级电网为例，风机容量占该省电网总负荷的12％。虽然风电有着多种优势，但是风电的劣势也同样明显，例如，受限于风能的不稳定性，风电机组出力波动性较大，随着风电装机容量在电网中比重的增加，风机出力波动对电网的影响也愈加显著。因此，亟需进行风电机组出力超短期预测，以减小风电波动性对电网的影响。
发明内容
本发明提供了一种风电机组出力超短期预测方法、系统及存储介质，以解决现有技术中存在的问题。
为了实现上述目的，本发明通过如下的技术方案来实现：
第一方面，本发明提供一种风电机组出力超短期预测方法，包括：
确定当前时刻对应的当前时次，并获取当前时次及当前时次之前的N个时次的第一风机出力实况，N为预设的正整数；
确定当前时刻的前一天中，与当前时刻对应的目标时刻，获取目标时刻对应的目标时次，并获取目标时次及之前的N个时次的第二风机出力实况，以及目标时次之后的M个时次的第三风机出力实况，M为预设的正整数；
根据所述第一风机出力实况确定第一风机出力基值；
根据所述第二风机出力实况确定第二风机出力基值；
根据所述第一风机出力基值、所述第二风机出力基值以及所述第三风机出力实况预测当前时次之后的超短期内的M个时次的风机出力预测值；
对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值。
可选地，所述对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值包括：
根据所述超短期内的M个时次的风机出力预测值、所述当前时次之后的M个时次的风速、所述目标时次之后的M个时次的风速进行校正，得到所述超短期内的M个时次的风机出力最终预测值。
可选地，所述方法还包括：
获取所述目标时次之后的M个时次的风速；
根据所述目标时次之后的M个时次的风速预测得到所述当前时次之后的M个时次的风速。
可选地，所述对所述超短期内的M个时次的风机出力预测值进行校正处理，满足如下计算关系式：
Figure BDA0003307626240000021
式中，i0表示第i0天，j0表示第i0天中的当前时刻，
Figure BDA0003307626240000022
表示最终预测值，
Figure BDA0003307626240000023
表示所述超短期内的M个时次的风机出力预测值，
Figure BDA0003307626240000024
表示所述当前时次之后的M个时次的风速，
Figure BDA0003307626240000025
表示所述目标时次之后的M个时次的风速，m表示第m个时次，m的取值为1、2...M；b为预设的常数。
可选地，所述b的取值为0.4。
第二方面，本申请实施例还提供一种风电机组出力超短期预测系统，包括：
第一单元，用于确定当前时刻对应的当前时次，并获取当前时次及当前时次之前的N个时次的第一风机出力实况，N为预设的正整数；
第二单元，用于确定当前时刻的前一天中，与当前时刻对应的目标时刻，获取目标时刻对应的目标时次，并获取目标时次及之前的N个时次的第二风机出力实况，以及目标时次之后的M个时次的第三风机出力实况，M为预设的正整数；
第三单元，用于根据所述第一风机出力实况确定第一风机出力基值；
第四单元，用于根据所述第二风机出力实况确定第二风机出力基值；
第五单元，用于根据所述第一风机出力基值、所述第二风机出力基值以及所述第三风机出力实况预测当前时次之后的超短期内的M个时次的风机出力预测值；
第六单元，用于对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值。
第三方面，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法步骤。
有益效果：
本发明提供的一种风电机组出力超短期预测方法，根据第一风机出力基值、第二风机出力基值以及第三风机出力实况预测当前时次之后的超短期内的M个时次的风机出力预测值；对超短期内的M个时次的风机出力预测值进行校正处理，得到超短期内的M个时次的风机出力最终预测值。这样，可以实现风电机组出力超短期预测，根据预测结果提前进行其他发电机组的准备以及潮流调度，保障风电大幅波动情况下电网安全稳定运行，减小风电波动性对电网的影响。
附图说明
图1为本发明优选实施例的风电机组出力超短期预测方法的流程图；
图2为本发明优选实施例的实况值和超短期预测结果对比示意图。
具体实施方式
下面对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另作定义，本申请中使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。
请参见图1，本申请实施例提供一种风电机组出力超短期预测方法，包括：
确定当前时刻对应的当前时次，并获取当前时次及当前时次之前的N个时次的第一风机出力实况，N为预设的正整数；
确定当前时刻的前一天中，与当前时刻对应的目标时刻，获取目标时刻对应的目标时次，并获取目标时次及之前的N个时次的第二风机出力实况，以及目标时次之后的M个时次的第三风机出力实况，M为预设的正整数；
根据所述第一风机出力实况确定第一风机出力基值；
根据所述第二风机出力实况确定第二风机出力基值；
根据所述第一风机出力基值、所述第二风机出力基值以及所述第三风机出力实况预测当前时次之后的超短期内的M个时次的风机出力预测值；
对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值。
在本实施例中，超短期是指当前时刻的未来三小时的时期内。
在一个具体的实现方式中，以获取当前时次及当前时次之前的9个时次，也即，共10个时次的第一风机出力实况，并获取目标时次及之前的9个时次，也即，共10个时次的第二风机出力实况，以及目标时次之后的12个时次的第三风机出力实况为例，可变换地，在其他可行的实施方式中，还可以获取目标时次及之前的8个时次，或者，目标时次之后的11个时次，此处仅作示例，不做限定，但不论其作何变换，都在本申请实施例保护的范围之内。
在该实现方式中，风电机组通常每15分钟采样一次出力功率，一天共采样96个时次的出力数据，设风电机组第i天第j个时次的出力为Lij(j＝1,2,3,...,96)，设风电机组所处位置第i天第j个时次的风速大小为Wij(j＝1,2,3,...,96)。
设当前是第i0天的第j0个时次，M取值为12，则，待预测的是未来三小时12个时次j0+1～j0+12的风机出力
Figure BDA0003307626240000041
需用到的实况量为第i0天第j0个时次及之前共10个时次的风机出力实况
Figure BDA0003307626240000042
和风速实况
Figure BDA0003307626240000043
前一天(第i0-1天)第j0个时次及之前10个时次以及之后12个时次共22个时次的风机出力实况
Figure BDA0003307626240000044
和j0个时次之后12个时次风速实况
Figure BDA0003307626240000045
需用到的预测量为是未来三小时12个时次的风速
Figure BDA0003307626240000046
计算第i0天的第j0个时次及之前共10个时次的风机出力基值如下：
Figure BDA0003307626240000047
式中，α是常数，取值范围为(0,1)，根据具体情形进行多次尝试，选取预测效果最好的值当做α，k表示第j0个时次之前的第k次时次，在该实施方式中k的取值为1～10。
进一步地，计算第i0-1天的第j0个时次及之前共10个时次的风机出力基值如下：
Figure BDA0003307626240000048
计算第i0天的第j0个时次未来第m(m＝1,2,3,...,12)个时次的风机出力预测值如下：
Figure BDA0003307626240000049
进行风机出力预测值的校正如下：
Figure BDA00033076262400000410
则，
Figure BDA00033076262400000411
为未来三小时风机出力最终预测值。
可选地，所述对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值包括：
根据所述超短期内的M个时次的风机出力预测值、所述当前时次之后的M个时次的风速、所述目标时次之后的M个时次的风速进行校正，得到所述超短期内的M个时次的风机出力最终预测值。
可选地，所述方法还包括：
获取所述目标时次之后的M个时次的风速；
根据所述目标时次之后的M个时次的风速预测得到所述当前时次之后的M个时次的风速。
可选地，所述对所述超短期内的M个时次的风机出力预测值进行校正处理，满足如下计算关系式：
Figure BDA0003307626240000051
式中，i0表示第i0天，j0表示第i0天中的当前时刻，
Figure BDA0003307626240000052
表示最终预测值，
Figure BDA0003307626240000053
表示所述超短期内的M个时次的风机出力预测值，
Figure BDA0003307626240000054
表示所述当前时次之后的M个时次的风速，
Figure BDA0003307626240000055
表示所述目标时次之后的M个时次的风速，m表示第m个时次，m的取值为1、2...M；b为预设的常数。
可选地，在一个可行的实施方式中所述b的取值为0.4。可变换地，在其他可行的实施方式中，b的取值还可以是0.39或者0.41。此处仅作示例，不做限定，但不论其作何变换，都在本申请实施例保护的范围之内。
在一个具体的实施例中，获取某风电场风机第i0天第j0个时次及之前共10个时次的风机出力实况
Figure BDA0003307626240000056
以及前一天(第i0-1天)第j0个时次及之前10个时次以及之后12个时次共22个时次的风机出力实况
Figure BDA0003307626240000057
其中，获取的多个时次的风机出力值如下表1所示：
表1多个时次的风机出力值
Figure BDA0003307626240000058
Figure BDA0003307626240000061
获取某风电场风机第i0天第j0个时次之后12个时风速的预测值，和第i0-1天第j0个时次之后12个时风速的实况，获取的多个时次的风速的实况如下表2所示，表2中的单位m/s表示米每秒：
表2多个时次的风速
j0+1 第i0-1天风速(m/s) 第i0天风速(m/s)
j0+2 7.9 4.7
j0+3 8 3
j0+4 7.4 7.5
j0+5 7.4 7.9
j0+6 7.7 4.5
j0+7 7 2.6
j0+8 7.4 2.2
j0+9 6.4 2.3
j0+10 6.2 3.9
j0+11 3.4 4.3
j0+12 5.7 4.6
j0+1 8.1 4
取α＝0.5，计算第i0天的第j0个时次及之前共10个时次的风机出力基值如下：
Figure BDA0003307626240000062
取α＝0.5，计算第i0-1天的第j0个时次及之前共10个时次的风机出力基值如下：
Figure BDA0003307626240000063
进行超短期计算，计算第i0天的第j0个时次未来第m(m＝1,2,3,...,12)个时次的风机出力预测值，并进行校正如下：
Figure BDA0003307626240000071
其中，实况值和超短期预测结果对比如下表3所示。
表3实况值和超短期预测结果对比
时次 第i0天风机出力实况(kW) 第i0天风机出力预测(kW)
j0+1 982.14 930.21
j0+2 663.3 680.34
j0+3 861.45 789.27
j0+4 909.26 925.47
j0+5 1294.57 1117.46
j0+6 1144.16 1117.97
j0+7 1404.64 1366.13
j0+8 739.46 782.73
j0+9 665.98 615.81
j0+10 489.33 522.28
j0+11 454.49 408.70
j0+12 331.79 376.52
其中，实况值和超短期预测结果对比的图示，如图2所示，其中虚线折线为实况值，实线折线为预测值。图2中，风机出力预测值与实况值相比，平均误差率为6.7％，满足风电场出力预测的要求。
上述的风电机组出力超短期预测方法，可以实现风电机组出力超短期预测，根据预测结果提前进行其他发电机组的准备以及潮流调度，保障风电大幅波动情况下电网安全稳定运行，减小风电波动性对电网的影响。
本申请实施例还提供一种风电机组出力超短期预测系统，包括：
第一单元，用于确定当前时刻对应的当前时次，并获取当前时次及当前时次之前的N个时次的第一风机出力实况，N为预设的正整数；
第二单元，用于确定当前时刻的前一天中，与当前时刻对应的目标时刻，获取目标时刻对应的目标时次，并获取目标时次及之前的N个时次的第二风机出力实况，以及目标时次之后的M个时次的第三风机出力实况，M为预设的正整数；
第三单元，用于根据所述第一风机出力实况确定第一风机出力基值；
第四单元，用于根据所述第二风机出力实况确定第二风机出力基值；
第五单元，用于根据所述第一风机出力基值、所述第二风机出力基值以及所述第三风机出力实况预测当前时次之后的超短期内的M个时次的风机出力预测值；
第六单元，用于对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值。
上述的风电机组出力超短期预测系统，可以实现上述的风电机组出力超短期预测方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的方法步骤。该可读存储介可以实现上述的方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种风电机组出力超短期预测方法，其特征在于，包括：
确定当前时刻对应的当前时次，并获取当前时次及当前时次之前的N个时次的第一风机出力实况，N为预设的正整数；
确定当前时刻的前一天中，与当前时刻对应的目标时刻，获取目标时刻对应的目标时次，并获取目标时次及之前的N个时次的第二风机出力实况，以及目标时次之后的M个时次的第三风机出力实况，M为预设的正整数；
根据所述第一风机出力实况确定第一风机出力基值
Figure FDA0003980122250000011
Figure FDA0003980122250000012
式中，
Figure FDA0003980122250000013
是第一风机出力基值，α是常数，取值范围为(0,1)，N表示时次总数，k表示第j0个时次之前的第k次时次，
Figure FDA0003980122250000014
是第一风机出力实况；其中，设当前是第i0天的第j0个时次；
根据所述第二风机出力实况确定第二风机出力基值
Figure FDA0003980122250000015
Figure FDA0003980122250000016
式中，
Figure FDA0003980122250000017
是第二风机出力基值，
Figure FDA0003980122250000018
是第二风机出力实况；
根据所述第一风机出力基值、所述第二风机出力基值以及所述第三风机出力实况预测当前时次之后的超短期内的M个时次的风机出力预测值
Figure FDA0003980122250000019
Figure FDA00039801222500000110
式中，
Figure FDA00039801222500000111
是当前时次之后的超短期内的M个时次的风机出力预测值，
Figure FDA00039801222500000112
是第三风机出力实况；
对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值
Figure FDA00039801222500000113
Figure FDA00039801222500000114
式中，i0表示第i0天，j0表示第i0天中的当前时刻，
Figure FDA00039801222500000115
表示最终预测值，
Figure FDA00039801222500000116
表示所述当前时次之后的M个时次的风速，
Figure FDA0003980122250000021
表示所述目标时次之后的M个时次的风速，m表示第m个时次，m的取值为1、2...M；b为预设的常数。
2.根据权利要求1所述的风电机组出力超短期预测方法，其特征在于，所述对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值包括：
根据所述超短期内的M个时次的风机出力预测值、所述当前时次之后的M个时次的风速、所述目标时次之后的M个时次的风速进行校正，得到所述超短期内的M个时次的风机出力最终预测值。
3.根据权利要求2所述的风电机组出力超短期预测方法，其特征在于，所述方法还包括：
获取所述目标时次之后的M个时次的风速；
根据所述目标时次之后的M个时次的风速预测得到所述当前时次之后的M个时次的风速。
4.根据权利要求1所述的风电机组出力超短期预测方法，其特征在于，所述b的取值为0.4。
5.一种风电机组出力超短期预测系统，其特征在于，包括：
第一单元，用于确定当前时刻对应的当前时次，并获取当前时次及当前时次之前的N个时次的第一风机出力实况，N为预设的正整数；
第二单元，用于确定当前时刻的前一天中，与当前时刻对应的目标时刻，获取目标时刻对应的目标时次，并获取目标时次及之前的N个时次的第二风机出力实况，以及目标时次之后的M个时次的第三风机出力实况，M为预设的正整数；
第三单元，用于根据所述第一风机出力实况确定第一风机出力基值
Figure FDA0003980122250000022
Figure FDA0003980122250000023
式中，
Figure FDA0003980122250000024
是第一风机出力基值，α是常数，取值范围为(0,1)，N表示时次总数，k表示第j0个时次之前的第k次时次，
Figure FDA0003980122250000025
是第一风机出力实况；其中，设当前是第i0天的第j0个时次；
第四单元，用于根据所述第二风机出力实况确定第二风机出力基值
Figure FDA0003980122250000026
Figure FDA0003980122250000027
式中，
Figure FDA0003980122250000028
是第二风机出力基值，
Figure FDA0003980122250000029
是第二风机出力实况；
第五单元，用于根据所述第一风机出力基值、所述第二风机出力基值以及所述第三风机出力实况预测当前时次之后的超短期内的M个时次的风机出力预测值
Figure FDA0003980122250000031
Figure FDA0003980122250000032
式中，
Figure FDA0003980122250000033
是当前时次之后的超短期内的M个时次的风机出力预测值，
Figure FDA0003980122250000034
是第三风机出力实况；
第六单元，用于对所述超短期内的M个时次的风机出力预测值进行校正处理，得到所述超短期内的M个时次的风机出力最终预测值
Figure FDA0003980122250000035
Figure FDA0003980122250000036
式中，i0表示第i0天，j0表示第i0天中的当前时刻，
Figure FDA0003980122250000037
表示最终预测值，
Figure FDA0003980122250000038
表示所述当前时次之后的M个时次的风速，
Figure FDA0003980122250000039
表示所述目标时次之后的M个时次的风速，m
表示第m个时次，m的取值为1、2...M；b为预设的常数。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法步骤。
CN202111208118.XA 2021-10-18 2021-10-18 一种风电机组出力超短期预测方法、系统及存储介质 Active CN113969873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111208118.XA CN113969873B (zh) 2021-10-18 2021-10-18 一种风电机组出力超短期预测方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111208118.XA CN113969873B (zh) 2021-10-18 2021-10-18 一种风电机组出力超短期预测方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN113969873A CN113969873A (zh) 2022-01-25
CN113969873B true CN113969873B (zh) 2023-04-07

Family

ID=79587535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111208118.XA Active CN113969873B (zh) 2021-10-18 2021-10-18 一种风电机组出力超短期预测方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN113969873B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN102562469A (zh) * 2011-12-27 2012-07-11 华北电力大学 基于校正算法的短期风力发电机输出功率预测方法
CN102682185A (zh) * 2011-03-10 2012-09-19 华锐风电科技(集团)股份有限公司 单风力发电机的风电功率预测方法
CN103455716A (zh) * 2013-08-23 2013-12-18 国家电网公司 一种基于超短期风电功率预测的电力系统电压稳定裕度计算方法
CN105914780A (zh) * 2016-04-26 2016-08-31 华北电力科学研究院有限责任公司 风储联合发电系统发电指标跟踪方法及装置
CN107404127A (zh) * 2017-08-10 2017-11-28 中国农业大学 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法
CN108869173A (zh) * 2018-01-31 2018-11-23 北京金风科创风电设备有限公司 风电机组的功率控制方法和设备
CN110571850A (zh) * 2019-08-28 2019-12-13 中国农业大学 一种风电场功率波动轨迹预测和校正控制方法
CN113098029A (zh) * 2021-04-08 2021-07-09 湖南大学 一种基于风电短期预测的风储联合调频控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10330081B2 (en) * 2017-02-07 2019-06-25 International Business Machines Corporation Reducing curtailment of wind power generation
US10598157B2 (en) * 2017-02-07 2020-03-24 International Business Machines Corporation Reducing curtailment of wind power generation

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN102682185A (zh) * 2011-03-10 2012-09-19 华锐风电科技(集团)股份有限公司 单风力发电机的风电功率预测方法
CN102562469A (zh) * 2011-12-27 2012-07-11 华北电力大学 基于校正算法的短期风力发电机输出功率预测方法
CN103455716A (zh) * 2013-08-23 2013-12-18 国家电网公司 一种基于超短期风电功率预测的电力系统电压稳定裕度计算方法
CN105914780A (zh) * 2016-04-26 2016-08-31 华北电力科学研究院有限责任公司 风储联合发电系统发电指标跟踪方法及装置
CN107404127A (zh) * 2017-08-10 2017-11-28 中国农业大学 考虑多时间尺度协调的风电鲁棒区间轨迹调度方法
CN108869173A (zh) * 2018-01-31 2018-11-23 北京金风科创风电设备有限公司 风电机组的功率控制方法和设备
CN110571850A (zh) * 2019-08-28 2019-12-13 中国农业大学 一种风电场功率波动轨迹预测和校正控制方法
CN113098029A (zh) * 2021-04-08 2021-07-09 湖南大学 一种基于风电短期预测的风储联合调频控制方法

Also Published As

Publication number Publication date
CN113969873A (zh) 2022-01-25

Similar Documents

Publication Publication Date Title
CN105048499B (zh) 基于模型预测控制的风电并网实时调度方法及系统
CN103117546B (zh) 一种超短期风电功率滑动预测方法
CN103093027B (zh) 基于双馈风电场等值模型的电力系统分析方法
CN111146821A (zh) 一种计及光伏不确定性的dstatcom优化配置方法
CN112186744B (zh) 一种适用于含分布式电源配电网的供电恢复方法及应用
CN103996079A (zh) 一种基于条件概率的风电功率加权预测方法
CN114707767A (zh) 一种新能源电力系统低谷时段可调峰功率预测方法
CN111612244A (zh) 基于qra-lstm的日前光伏功率非参数概率预测方法
CN103632314B (zh) 基于概率统计的风电场广义节点特征建模方法
CN105610199B (zh) 考虑网架约束的风光配比确定方法及其装置
CN118195219A (zh) 多时间尺度多元柔性资源协调优化配置方法及相关装置
CN105631549A (zh) 主动配电网环境下的虚拟电厂分布式模型预测控制方法
CN113969873B (zh) 一种风电机组出力超短期预测方法、系统及存储介质
CN105207255B (zh) 一种适用于风电出力的电力系统调峰计算方法
CN109638886B (zh) 一种基于CVaR的风电日前出力申报优化方法
CN104269886A (zh) 用于风电并网系统容量效益裕度计算及分配的方法
Jin et al. Power system multi-day stochastic scheduling considering the uncertainty of CSP/wind plants
Mahmoudi et al. Short and mid-term wind power plants forecasting with ANN
CN111835005B (zh) 确定新能源基地电网输送能力的方法、装置及相关设备
CN113592125B (zh) 一种特高压直流配套电源配比优化比选方法和系统
CN114530848A (zh) 一种光储虚拟电厂多时间尺度动态划分方法
CN109494747B (zh) 一种基于交替梯度算法的电网概率潮流计算方法
Ghaffari et al. Optimal economic load dispatch based on wind energy and risk constrains through an intelligent algorithm
CN105896590A (zh) 一种考虑清洁能源的发电优化方法
CN112070629B (zh) 风电场能量管理系统的性能评估方法

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