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。

    一种基于尾流效应分群的风电场风机聚合方法

    公开(公告)号:CN103886179B

    公开(公告)日:2017-05-31

    申请号:CN201410064583.4

    申请日:2014-02-25

    Abstract: 本发明公开了一种基于尾流效应分群的风电场风机聚合方法,主要包括:获取待测风电场对应测风塔1年以上的历史测风数据,通过风速玫瑰图分析法,计算待测风电场的主导风向;基于计算得到的待测风电场的主导风向,采用Larsen模型计算尾流对风速的影响;基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响,对风电场风机进行分群;基于分群结果,根据尾流模型分别计算等值后每台风机的风速。本发明所述基于尾流效应分群的风电场风机聚合方法,可以克服现有技术中稳定性低、安全性差和适用范围小等缺陷,以实现稳定性高、安全性好和适用范围大的优点。

Patent Agency Ranking