|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 多时间尺度协调的柔性负荷互动响应调度模型与策略显示文摘负荷侧资源参与电网有功调度在提高风电接纳能力方面存在着巨大潜力,但也会给调度运行带来复杂的控制问题。为解决这一问题,基于风电在不同时间尺度误差的不同以及电网对应调节能力的差异,提出'多级协调、逐级细化'的多时间尺度协调的柔性负荷响应调度模型与策略。首先,提出多时间尺度源–荷调度总体框架,将负荷调度的整个过程分为4个时间尺度,包括日前24 h、日内1 h、日内15 min和实时负荷调度;其次,建立风电功率预测不确定性模型、负荷代理决策模型和调度控制中心决策模型;然后,在这几个核心模型的基础上,提出多时间尺度源–荷协调调度策略,给出计及风电不确定性的负荷调整量的决策计算方法;最后,在某地区实际电网算例上进行仿真验证。结果表明,本文所设计的负荷调度模型和策略可以充分利用不同时间尺度上的负荷资源,有效平衡风电预测功率不确定性所引起的功率不平衡量,并减少系统备用容量。 | 杨胜春 刘建涛 姚建国 丁洪发 王珂 李亚平 | 2014 | 中国电机工程学报2014，34，22： | 99 |
| 2 | 风电预测方法与新趋势综述显示文摘风力发电作为一种技术成熟、规模较大的新能源发电形式,目前在世界各国得到了广泛应用和发展。风电具有不确定性的特点,必须对其进行准确的预测才能保证并网后电力系统的正常运行。针对风电预测的传统方法和新的研究趋势开展了综述。首先对物理方法、时间序列方法、人工智能方法和组合方法进行了总结,然后针对目前风电预测的几个重要的发展方向:空间相关性预测、集群预测、不确定性预测和爬坡预测的研究进展进行了重点阐述。对现有的风电功率预测方法进行综述后,进一步对这一领域的研究方向进行了展望。 | 韩自奋 景乾明 张彦凯 拜润卿 郭空明 章云 | 2019 | 电力系统保护与控制2019，47，24： | 62 |
| 3 | 风电功率预测技术研究综述显示文摘为了更好地开展风电功率预测的应用研究工作,以点预测、区间预测、概率预测以及场景预测为主线,对现有的风电功率预测技术进行了归纳、总结和梳理。首先,分析了风电功率预测的难点,按照不同的时空尺度、预测形式、预测对象以及预测模型对风电功率预测进行了分类;基于不同的分类,分别阐述了当前风电功率预测的模型、理论及方法;然后,分析了国内外主要的风电功率预测软件和系统,并总结了风电功率预测误差的评判标准和指标;最后,探讨未来风电功率预测的发展趋势。本文的研究工作,可为风电功率预测研究以及风电功率预测系统的开发应用,提供较为全面的参考信息。 | 黎静华 桑川川 甘一夫 潘毅 | 2017 | 现代电力2017，34，3： | 46 |
| 4 | 基于数据挖掘和模糊聚类的风电功率实时预测研究显示文摘准确的风电功率预测是实现风能大规模开发利用的有效手段,实时预测能够滚动地修正日出力计划曲线,保证电力系统运行的安全性和经济性。在分析风电场不同机组出力特性的基础上,利用数据挖掘和模糊聚类技术将不同的机组进行分类,并分别进行实时预测,将预测结果进行累加得到最终的预测结果。以中国吉林省某风电场的实测风电数据为例,进行了实时预测,结合国家能源局对风电功率实时预测预报管理要求中的指标进行了分析。结果表明,所提出的方法准确率最大提高2.57%,合格率最大提高4.23%,均方根误差最大下降3.21%,说明了该方法的有效性。 | 杨茂 熊昊 严干贵 穆钢 | 2013 | 电力系统保护与控制2013，41，1： | 36 |
| 5 | 基于卡尔曼滤波和支持向量机的风电功率实时预测研究显示文摘为了提高风电场风电功率实时预测精度,并为风电场输出功率的合理调度提供参考依据,提出了一种基于滚动的自回归积分滑动平均模型(ARIMA)和支持向量机(SVM)相结合的卡尔曼融合预测模型。通过对风电功率序列进行分析得出ARIMA模型,用其作为卡尔曼滤波的状态方程。再用SVM预测得出观测方程,用卡尔曼滤波将二者结合起来实现融合多步预测。具体的实例分析中采用了国家能源局的评价指标对预测精度进行评价。通过预测结果可以看出,融合预测算法中可以实现预测误差相互抵消的状况,减少了误差累积,提高了预测的精度。 | 杨茂 黄宾阳 江博 林思思 | 2017 | 东北电力大学学报2017，37，2： | 34 |
| 6 | 基于LSTM的短期风速预测研究显示文摘由于风速具有较强的随机性,受各种因素影响较多,因此风速预测的准确度不高。针对上述现象,提出了一种基于LSTM(Long Short-Term Memory)深度神经网络的短期风速预测方法,以某风机历史数据作为输入,对网络进行训练,建立短期风速预测模型,实现提前一步短期风速预测。算例结果表明,使用LSTM深度神经网络预测风速与实际风速基本一致,预测效果较为理想。将所提方法与其它预测方法预测结果进行对比,预测平均绝对误差最小,表明所提方法具有更高的预测精度,验证了上述预测方法在短期风速预测中的可行性和有效性。 | 李冰 张妍 刘石 | 2018 | 计算机仿真2018，35，11： | 33 |
| 7 | 基于因散经验模式分解与最小二乘支持向量机的风电场短期风速预测显示文摘建立准确而高效的风速预测模型是指导电力系统规划及安全稳定运行的重要基础。对现有预测方法深入研究的基础上,研究基于因散经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)及最小二乘支持向量机(LS_SVM),建立了综合考虑温度和气压因素的短期风速预测模型。通过对两个地区历史风速数据的计算和分析,结果表明提出的预测模型具有预测精度高、适应性强等优点。 | 杨德友 蔡国伟 | 2015 | 东北电力大学学报2015，35，3： | 28 |
| 8 | 两种风电功率多步预测方式的分析及评价显示文摘目前对风电功率预测的研究主要集中在预测方法,而风电功率预测一般为多步预测,缺乏对多步预测方式的分析。分析了滚动多步预测方式和多采样尺度多步预测方式。多步预测方式的预测精度与预测方法和风电功率数据有关,不同的预测方法或风电功率数据下两种多步预测方式的预测精度高低不同。以风电功率实时预测为例,基于吉林省某风电场实测风电功率数据,使用国家能源局所规定的风电功率实时预测评价指标对两种多步预测方式进行评价。 | 严干贵 王东 杨茂 熊昊 宋薇 | 2013 | 东北电力大学学报2013，33，1： | 23 |
| 9 | 风电功率预测方法综述及发展研究显示文摘准确的风电功率预测有利于电网灵活调度和安全运行,进而提高风电场穿透功率。针对目前已有风电功率预测研究,本文首先对国内外风电预测系统进行梳理描述,再从单一模型、组合模型和区域模型角度进行分类阐述,同时深入对样本分析及处理、智能方法的输入变量选取和赋值、组合预测的权重处理、预测误差的评价分析和预测结果的不确定性分析这5个预测环节进行有针对性的详细分析,寻找可以改善预测效果的突破口,并进一步提出风电功率预测的发展建议。 | 牛东晓 范磊磊 | 2013 | 现代电力2013，30，4： | 18 |
| 10 | 基于灰色-辨识模型的风电功率短期预测显示文摘为了准确预测风电机组的输出功率,针对实际风场,给出一种基于灰色GM(1,1)模型和辨识模型的风电功率预测建模方法,采用残差修正的方法对风速进行预测,得出准确的风速预测序列。同时为了提高风电功率预测的精度,引入FIR-MA迭代辨识模型,从分段函数的角度对风电场实际风速-风电功率曲线进行拟合,取得合适的FIR-MA模型。利用该模型对额定容量为850 kW的风电机组进行建模,采用平均绝对误差和均方根误差,以及单点误差作为评价指标,与风电场的实测数据进行比较分析。仿真结果表明,基于灰色-辨识模型的风电机组输出功率预测方法是有效和实用的,该模型能够很好地预测风电机组的实时输出功率,从而提高风电场输出功率预测的精确性。 | 王子赟 纪志成 | 2013 | 电力系统保护与控制2013，41，12： | 15 |
| 11 | 基于相似日和WNN的光伏发电功率超短期预测模型显示文摘光伏发电功率预测对提高并网后电网的稳定性及安全性具有重要意义。文章提出一种基于相似日和小波神经网络(WNN)的光伏功率超短期预测方法。首先利用光伏发电系统的历史气象信息建立气象特征向量,通过计算灰色关联度寻找到合适的相似历史日。再根据自相关性分析法找出与预测时刻功率相关性最大的几个历史时刻功率,结合历史时刻的温度,辐照度,风速等光伏出力的主要天气影响因素科学合理的确定模型输入因子。最后使用小波神经网络(WNN)创建预测模型,通过相似历史日数据作为训练样本训练小波网络,而后对预测日的出力情况进行逐时刻预测。实例分析表明,该方法具有较高的预测精度,为解决光伏发电系统超短期功率预测提供了一种可行路径。 | 宋人杰 刘福盛 马冬梅 王林 | 2017 | 电测与仪表2017，54，7： | 14 |
| 12 | 基于误差叠加修正的改进短期风电功率预测方法显示文摘对风电功率进行较为准确的预测是合理调整含有风电的电力系统或微电网系统的调度策略,提高其运行稳定性与经济性的有效手段。在分析传统风电功率预测过程的基础上,从基本预测方法在功率预测过程中的使用策略角度出发,提出了不依赖于基本预测方法的新的改进预测思路。在这种改进方法中,增加了误差预测模型,对传统方法的预测值所包含的误差值进行预测,并将通过误差预测模型得到的预测误差与传统方法的预测值叠加作为改进方法的最终预测结果,并以反向传播(BP)神经网络作为基本预测方法对实际风电场进行实例验证分析。计算结果表明:提出的改进风电功率预测方法能够较大幅度地提高预测精度;提出的改进思路和传统改进思路不同,并不涉及基本预测方法内部特性且无需引入其他辅助方法,因而具有良好的通用性。 | 茆美琴 曹雨 周松林 | 2013 | 电力系统自动化2013，37，23： | 13 |
| 13 | 基于t Location-Scale分布的风电功率概率预测研究显示文摘风电功率特有的随机波动性,导致风电功率点预测方法的预测精度不高,增加了风电并网的难度,致使风电场弃风现象严重。基于风电功率点预测的基础上,风电功率概率预测可以预测出风电功率的波动范围,为电力系统的安全运行以及电网调度运行给出不确定信息和可靠性评估依据。提出了一种基于t locationscale分布的风电功率概率预测方法,即采用t location-scale函数来描述风电功率预测误差概率分布,并以此建立误差分布,基于已建立的误差分布可以进行概率预测。并引进了覆盖率和平均带宽来评价预测区间的优劣程度。利用吉林省西部某风电场历史数据验证了该方法的可靠性。 | 杨茂 杜刚 | 2017 | 中国电力2017，50，1： | 13 |
| 14 | 基于聚类分析方法的风电场日前功率预测研究显示文摘随着我国风电装机容量的逐步增加,风电在电源结构中的比例也进一步增大,而风电出力本身的随机性、波动性使得风电出力预测工作难度增加。鉴于不同特性的气象数据对应的出力差异性很大,因此采用模糊C均值聚类分析方法将风电场运行历史气象信息进行聚类并训练相应的BP神经网络,再将数值天气预报提供的待预测日的气象信息进行聚类,根据数据的聚类中心将待预测日气象信息与历史数据进行归类,最后将同一类风速、风向数据结合相应的BP神经网络进行预测。算例分析证明了此方法的有效性。 | 张介 马赟 张旭鹏 刘高明 | 2018 | 浙江电力2018，37，1： | 13 |
| 15 | 风电场风功率实时预测效果综合评价方法显示文摘超短期风电功率预测对含大规模风电的电力系统安全经济运行有着重要意义。但目前对预测结果的评价均停留在常规统计学指标上,缺乏合理的评价体系来评价某特定风电场所选取预测模型的优劣。简述了目前风电功率预测结果评价指标的不足,提出一种基于预测误差评价和预报考核等指标的风电场输出功率实时预测效果评估方法,为不同地区风电场根据其风电输出功率变化的特点,选择预测模型以及风电场输出功率预测效果的工程检验提供依据。最后,利用吉林省某风电场实测数据,采用该评估方法对不同预测模型的实时预测结果进行分析评价,实现了该风电场不同预测模型间的择优,验证了该评价方法的指导价值。 | 严干贵 宋薇 杨茂 王东 熊昊 | 2012 | 电网与清洁能源2012，28，5： | 12 |
| 16 | 基于小波理论的风电功率实时协同预测研究显示文摘风力发电联网运行是实现风能大规模开发利用的主要途径,准确的风电功率实时预测是实现风能大规模合理调度的有效手段。对风电功率波动特性进行了分析,得到合理的小波分解层数,通过选取各层预测的最优方法,从而得到协同预测模型。最后以吉林省某风场的实测数据为例,阐述了模型选取的准则,预测结果验证了协同预测模型的有效性。 | 严干贵 熊昊 杨茂 王东 宋薇 | 2013 | 东北电力大学学报2013，33，1： | 11 |
| 17 | 基于灰色神经网络优化组合的风力发电量预测研究显示文摘文中提出一种新型灰色神经网络优化组合的风力发电量预测研究,将人工神经网络预测模型和灰色预测模型有效结合,不仅考虑了风力、风向和温度等影响因素,而且将往年风力发电量的历史数据综合考虑,结合两种预测优点,从而提高了预测的准确度并降低预测误差。算例结果证明,这种新型的灰色神经网络优化组合预测值误差低于单一的灰色预测或神经网络预测。 | 章勇高 王妍 孙佳 高彦丽 | 2014 | 电测与仪表2014，51，22： | 10 |
| 18 | 基于CEEMD-LSSVM的风电场短期风速预测显示文摘针对风速序列的随机性和非平稳性带来的难以准确预测的问题,提出了一种基于互补集合经验模态分解和最小二乘支持向量机的风速预测模型。首先利用互补集合经验模态分解将风速序列分解为一系列本征模态函数以降低其非平稳性对预测性能的影响,然后对各模态序列分别建立最小二乘支持向量机预测模型,并利用综合学习策略粒子群优化算法对其核参数寻优,最后将各子序列预测结果叠加组合得到最终风速预测值。实例研究表明,所提出的预测模型在短期风速预测上有较高的预测精度。 | 张妍 韩璞 | 2017 | 计算机仿真2017，34，8： | 9 |
| 19 | 基于改进PSO-LSSVM的风电场短期功率预测显示文摘风速和风电场功率预测是风电场稳定运行及系统调度的重要保障,LSSVM在保持SVM的基础上,可以降低计算复杂性,加快求解速度,为风速及功率预测提供了一个新的研究方向。本研究将最小二乘支持向量机(LSSVM)用于风电场短期风速及风电场功率预测,提出了基于LSSVM的风电场短期风速及功率预测模型,同时建立改进粒子群模型对LSSVM进行参数优化,以内蒙古某风电场实测数据为例进行验证,实例验证表明,改进的PSO-LSSVM模型的预测效果最优。 | 余健明 马小津 倪峰 王小星 | 2013 | 西安理工大学学报2013，29，2： | 8 |
| 20 | 基于总体平均经验模态分解与改进Elman神经网络的风功率组合预测显示文摘风功率的短期预测对于电力系统的安全稳定运行具有重要意义。提出了一种基于总体平均经验模态分解(EEMD)和改进Elman神经网络的短期风功率组合预测方法。首先利用EEMD分解将风功率序列按不同波动尺度逐级分解,得到不同频率的分量以缓解风功率序列的非平稳性,然后对各分量分别建立改进的Elman神经网络预测模型进行预测,最后叠加各分量的预测结果得到最终预测数据。仿真结果表明,该方法不仅可以有效缓解风功率非平稳性对于预测精度的影响,还可以避免传统方法的模态混叠问题,具有较高的预测精度和适应性。 | 杨楠 周峥 李臻 崔家展 郑翔宇 杨俊 | 2015 | 电网与清洁能源2015，31，10： | 7 |
您所在的机构暂未开通此部分的功能，请联系管理员