基于实测数据分析的大型风电场风电功率预测研究

基于实测数据分析的大型风电场风电功率预测研究

ID:36656646

大小:828.67 KB

页数:5页

时间:2019-05-13

基于实测数据分析的大型风电场风电功率预测研究_第1页
基于实测数据分析的大型风电场风电功率预测研究_第2页
基于实测数据分析的大型风电场风电功率预测研究_第3页
基于实测数据分析的大型风电场风电功率预测研究_第4页
基于实测数据分析的大型风电场风电功率预测研究_第5页
资源描述:

《基于实测数据分析的大型风电场风电功率预测研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第33卷第1期黑龙江电力2011年2月●分析与研究●基于实测数据分析的大型风电场风电功率预测研究刘玉(东北电力大学电气工程学院,吉林吉林132012)摘要:针对风力发电具有波动性、间歇性的特点以及大容量风力发电接入电网对电力系统的安全、经济运行带来严重影响的问题,阐述了风电功率的预测方法,并在分析风电场实测数据基础上,应用混沌时间相空间理论建立了超短期风电功率预测一阶局域模型,对某风电场未来5min、15min、30min内的风电功率进行预测。对预测结果进行了评价,验证了该方法的可行性。关键词:风电场;风电功率;功率预测;混沌中图分类号:TK81文献标识码:A文章编号:1002-1

2、663(2011)01-0011-05Studyonwindpowerpredictionoflarge-scalewindfarmbasedonrealdataanalysisLIUYu(SchoolofElectricalEngineeringofNortheastDianliUniversity,Jilin132012,China)Abstract:Windpowergenerationfeaturesvolatilityandintermittence.Iflarge-capacitywindpowergenerationisbroughtinelectricpowerne

3、twork,electricpowersystemwillfaceseverechallengesontheaspectofsafeandeco-nomicrunning.Inordertoreducetheadverseeffectsandfacilitateelectricpowernetworkfareshare,windpowerpredictionisrequired.Onthebasisofdetailedwindfarmrealdataanalysis,thispaperestablishesultra-short-termwindpowerone-ranklocal

4、-regionpredictionmodelbyusingchaotictimeseriesphase-spacetheorytopre-dictwindpowerwithin5min,15minand30min.Italsoevaluatesthepredictionresultswhichverifiesthefeasibilityofthismethod.Keywords:windfarm;windpower;prediction;chaotic风电功率时间序列的基础上,构建了混沌时间序列0引言预测模型,并进行了实际预测分析,验证了模型的风力发电是可再生能源发电技术中发展最快

5、有效性;对未来不同时间段的风电功率进行预测,和成熟的一种能源,正逐步走向规模化和产业验证了该模型的可行性。[1]化。中国风资源丰富的地方大多位于电网末端,1风电功率的预测方法由于风电场的输出功率具有间歇性和波动性的特点,风电接入电网后会对区域系统运行的经济性及现阶段国际常用的风电功率预测方法主要可稳定性带来严重影响,因此,随着风电场数量和装以分为两类:机容量的不断增加,这种影响会变得越来越明a.根据数值天气预报预测的风速,利用风电场[2]显。为了减小这种不利影响,对风速和风功率要等效风电功率特性曲线将预测风速换算成风电场进行预报,要求电网调度部门提前了解即将入网的输出功率。根据大气

6、实际情况,在一定初值和边界[3]风电功率,合理、经济调度。本文以东北网某风条件下通过数值计算求解描写天气演变过程的流电场风力发电机组实测数据为基础,在分析风速、体力学和热力学方程组的解,预报未来天气。常用收稿日期:2010-11-31基金项目:国家自然科学基金项目(50877009)。作者简介:刘玉(1985-),男,东北电力大学电气工程学院在读研究生,主要研究风力发电特性分析及风电功率预测。—11—Vol.33No.1HeilongjiangElectricPowerFeb.2011的预测方法输入数据:风速、风向、气温、气压等的SCADA实时数据;等高线、障碍物、粗糙度等数据;[

7、4]数值天气预报数据。b.直接利用历史数据,使用一定的数学模型进[5-7]行预测。常见的方法有人工神经网络法、时间[8][9]序列法(AMAR)、遗传算法、卡尔曼滤波[10-11][12-14]法及其它算法。对于超过4h的功率预测,现在的预测系统几图21d的风速变化情况乎用到了数值天气预报的数据而对于短期(几十分钟到几个小时)、超短期(几分钟到几十分钟)风电常明显,但相邻时间风速的变化相对缓和,对一段功率预测,使用基于历史时间序列的预测方法也能时间内的风速变化差分统计

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。