用于千万千瓦风电基地的可发电风资源分布估计方法

    公开(公告)号:CN104008305A

    公开(公告)日:2014-08-27

    申请号:CN201410256234.2

    申请日:2014-06-11

    CPC classification number: Y02A90/15

    Abstract: 本发明公开了用于千万千瓦风电基地的可发电风资源分布估计方法,主要包括:假设待测风电基地共有N座测风塔,获取每个测风塔Ti(i=1,2,...,N)前预设小时数的历史风速数据;在每个整小时点根据前预设小时数的测风塔风速均值之差对测风塔进行最短距离聚类,找到待求点与所有测风塔Ti(i=1,2,...,N)的地理距离Ri最小的测风塔Ti(i=1,2,...,N);确定测风塔Ti所在组别中的其他测风塔,对选取的测风塔用反距离加权方法插值得到未知点的风速风向估计值。本发明所述用于千万千瓦风电基地的可发电风资源分布估计方法,可以克服现有技术中风资源利用率低、供电可靠性差和电力系统运行稳定性差等缺陷,以实现风资源利用率高、供电可靠性好和电力系统运行稳定性好的优点。

    实时校正的自学习ARMA模型风电功率超短期预测方法

    公开(公告)号:CN103984986A

    公开(公告)日:2014-08-13

    申请号:CN201410186902.9

    申请日:2014-05-06

    Abstract: 本发明公开了一种实时校正的自学习ARMA模型风电功率超短期预测方法,包括输入数据得到自回归滑动平均模型参数;输入风资源监测系统数据和运行监测系统数据,并根据运行监测数据实时校正开机容量;建立自回归滑动平均模型从而得到风电功率超短期预测结果;引入实时测风塔数据对风电功率超短期预测结果进行实时校正。通过对风力发电过程中的风电功率进行预测,并通过引入实时测风塔数据对风电功率超短期预测结果进行实时校正,克服现有ARMA技术中风电功率超短期预测精度低的缺陷,达到高精度的风电功率超短期预测的目的。

    基于自学习复合数据源的风电功率超短期预测方法

    公开(公告)号:CN103927695A

    公开(公告)日:2014-07-16

    申请号:CN201410163004.1

    申请日:2014-04-22

    CPC classification number: G06F17/5009 G06F17/18 G06N99/005

    Abstract: 本发明公开了一种基于自学习复合数据源的风电功率超短期预测方法,包括输入数据得到自回归滑动平均模型参数;输入风电功率预测所需输入数据到根据上述自回归滑动平均模型的参数确定的自回归滑动平均模型中得到预测结果,对预测结果进行后评估,即分析预测值与实测值之间的误差,如预测误差大于允许的最大误差,则从新进行模型定阶和模型参数估计。通过对风力发电过程中的风电功率进行预测,为新能源发电实时调度、新能源发电日前计划、新能源发电月度计划、新能源发电能力评估和弃风电量估计提供关键信息。通过引入复合数据源有效提高风电功率超短期预测精度,从而实现在保障电网安全稳定经济运行的前提下有效提高新能源上网电量目的。

Patent Agency Ranking