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。

    一种测风塔覆盖范围统计分析方法

    公开(公告)号:CN103886133A

    公开(公告)日:2014-06-25

    申请号:CN201410064867.3

    申请日:2014-02-25

    Abstract: 本发明公开了一种测风塔覆盖范围统计分析方法,主要包括:选定待测区域内的一个测风塔为待计算测风塔;通过该待测区域内的其他测风塔的实测风速,分别计算该待计算测风塔的风速,分析该待计算测风塔所处位置的风速是否能够由其他测风塔的实测风速经计算后获得;根据对该待计算测风塔所处位置的风速是否能够由其他测风塔的实测风速经计算后获得的分析结果,确定与待测区域对应的测风网络的分辨率。本发明所述测风塔覆盖范围统计分析方法,可以克服现有技术中适用范围小、选址效率低和建设成本高等缺陷,以实现适用范围大、选址效率高和建设成本低的优点。

    测光网络实时校正自学习ARMA模型光伏功率预测方法

    公开(公告)号:CN103996073B

    公开(公告)日:2017-11-24

    申请号:CN201410187225.2

    申请日:2014-05-06

    Abstract: 本发明公开了一种测光网络实时校正自学习ARMA模型光伏功率预测方法,包括输入数据得到自回归滑动平均模型参数即模型训练;输入光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光伏功率超短期预测结果;引入实时测光站数据对光伏功率超短期预测结果进行实时校正;对实时校正后的预测结果进行后评估,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,则重新进行模型训练。通过引入实时测光站数据对光伏发电功率超短期预测结果进行实时校正,克服现有ARMA技术中光伏发电功率超短期预测精度低的缺陷,达到高精度的光伏发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:CN103927695B

    公开(公告)日:2017-11-24

    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