时空特征深度挖掘的风电集群发电功率短期概率预测方法研究
发布时间：2021-09-16 19:58
非可再生能源枯竭及生态环境恶化驱使大力发展可再生清洁能源利用成为全球共识。就风电而言,由于风能时变波动性、多变性及概率的不确定性,难以准确把握其发电规律,由此威胁电力系统的安全经济运行。如何有效把握风电功率时变规律,提升电网接纳风电的能力,依然面临困境。本文以多风场集群集成为背景,以时空特征挖掘为线索,以随机概率分析为手段,对集群风电功率预测展开研究,对把握风电变动成因及应对策略具有重要的理论意义和工程价值。风电功率预测方法根据结果表现形式的不同可以分为确定性预测和概率预测。前者研究已相对成熟,并得到广泛应用。后者,如今成为研究热点。由于数值天气预报精度的有限性以及预测模型的局限性,仅提供单一期望值的确定性预测方法不仅不符合风电实际的随机特性,同时又不可避免的存在预测误差,构成信息不对称。为了适应风力发电的特性,为决策者提供更丰富的信息,量化风电功率概率分布的不确定性和不均匀性十分重要。由此,工程界和学界展开对风电功率概率密度、分布函数、或置信区间等的深入研究,其目的是为决策者提供更符合实际的信息,这使风电的接纳更有针对性,从而使决策成本降低。然而,目前绝大多数风电功率预测的研究集中于...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图１－１?２００６年－２０１８年全球累计风电装机容量增长情况??
山东大学硕士学位论文??用电气、德国的爱纳康等，图１－２显示了其所占市场份额。??■丹麦维塔斯??■中国金风科技??■德国爱纳康??■中国远景能源??；；．?■德国北欧海神??■中晒阳??■德国赛维昂??■喊苏司兰??图１－２全球风轮机所占市场份额排名前７的供应商??我国风力发电技术研究起步较晚，２０世纪８０年代我国第一座风电场并网投运，??随后在近十年里，我国风电进入了迅猛发展的黄金时期。截至２０１８年，我国累计风??电装机容量达到２２１ＧＷ，位居世界第一，如图１－３所示，我国风电装机容量超过美??国的两倍。??２?５０１?｜?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??毛?２００?■?■??｜ｊ??Ｓ７＿Ｊ．?＇??中国美国德国印度西班牙英国法国巴西加拿大意大利??国家??图１－３?２０１８年全球累计风电装机容量排名前１０的国家??此外，我国已建成世界上最大的陆地风电基地——甘肃酒泉风电基地，其装机??容量达到了５１６０ＭＷ。根据ＢＰ发布的２０１９年《ＢＰ世界能源统计年鉴》［４］，?２０１８年，??我国风电发电量达到３６６ＴＷ＿ｈ，位居全球首位，占全球风电总发电量的２８．８％，同??比增长２４．１％。２０１９年５月，国家能源局印发了《关于２０１９年风电、光伏发电项目建??设有关事项的通知》（国能发新能〔２０１９）?４９号）［５］，指出“加大力度实施需国家??补贴项目竞争配置，强化风电项目的电力送出和消纳保障机制，提高市场竞争力，??２??
山东大学硕士学位论文??用电气、德国的爱纳康等，图１－２显示了其所占市场份额。??■丹麦维塔斯??■中国金风科技??■德国爱纳康??■中国远景能源??；；．?■德国北欧海神??■中晒阳??■德国赛维昂??■喊苏司兰??图１－２全球风轮机所占市场份额排名前７的供应商??我国风力发电技术研究起步较晚，２０世纪８０年代我国第一座风电场并网投运，??随后在近十年里，我国风电进入了迅猛发展的黄金时期。截至２０１８年，我国累计风??电装机容量达到２２１ＧＷ，位居世界第一，如图１－３所示，我国风电装机容量超过美??国的两倍。??２?５０１?｜?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??毛?２００?■?■??｜ｊ??Ｓ７＿Ｊ．?＇??中国美国德国印度西班牙英国法国巴西加拿大意大利??国家??图１－３?２０１８年全球累计风电装机容量排名前１０的国家??此外，我国已建成世界上最大的陆地风电基地——甘肃酒泉风电基地，其装机??容量达到了５１６０ＭＷ。根据ＢＰ发布的２０１９年《ＢＰ世界能源统计年鉴》［４］，?２０１８年，??我国风电发电量达到３６６ＴＷ＿ｈ，位居全球首位，占全球风电总发电量的２８．８％，同??比增长２４．１％。２０１９年５月，国家能源局印发了《关于２０１９年风电、光伏发电项目建??设有关事项的通知》（国能发新能〔２０１９）?４９号）［５］，指出“加大力度实施需国家??补贴项目竞争配置，强化风电项目的电力送出和消纳保障机制，提高市场竞争力，??２??
【参考文献】：
期刊论文
[1]基于时序数据动态天气划分的短期风电功率预测方法[J]. 熊音笛,刘开培,秦亮,欧阳庭辉,何佳奕. 电网技术. 2019(09)
[2]基于集群划分的短期风电功率预测方法[J]. 王勃,刘纯,冯双磊,丘刚,孟祥星,赵俊屹. 高电压技术. 2018(04)
[3]多时空尺度协调的风电集群有功分层预测控制方法[J]. 叶林,张慈杭,汤涌,孙舶皓,仲悟之,蓝海波,刘辉,李湃,黄越辉. 中国电机工程学报. 2018(13)
[4]基于改进空间资源匹配法的风电集群功率预测技术[J]. 彭小圣,樊闻翰,王勃,张涛,文劲宇,邓迪元,熊磊,车建峰. 电力建设. 2017(07)
[5]风电功率概率预测方法及展望[J]. 吴问足,乔颖,鲁宗相,汪宁渤,周强. 电力系统自动化. 2017(18)
[6]基于灰色缓冲算子-卡尔曼滤波双修正的风电功率实时预测研究[J]. 杨茂,黄宾阳. 可再生能源. 2017(01)
[7]风电集群短期及超短期功率预测精度改进方法综述[J]. 彭小圣,熊磊,文劲宇,程时杰,邓迪元,冯双磊,王勃. 中国电机工程学报. 2016(23)
[8]基于强化学习方法的风储合作决策[J]. 刘国静,韩学山,王尚,杨明,王明强. 电网技术. 2016(09)
[9]区域风电场短期风电功率预测的最大相关–最小冗余数值天气预报特征选取策略[J]. 赵永宁,叶林. 中国电机工程学报. 2015(23)
[10]关于短期及超短期风电功率预测的评述[J]. 薛禹胜,郁琛,赵俊华,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG. 电力系统自动化. 2015(06)
本文编号：3397200
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图１－１?２００６年－２０１８年全球累计风电装机容量增长情况??
山东大学硕士学位论文??用电气、德国的爱纳康等，图１－２显示了其所占市场份额。??■丹麦维塔斯??■中国金风科技??■德国爱纳康??■中国远景能源??；；．?■德国北欧海神??■中晒阳??■德国赛维昂??■喊苏司兰??图１－２全球风轮机所占市场份额排名前７的供应商??我国风力发电技术研究起步较晚，２０世纪８０年代我国第一座风电场并网投运，??随后在近十年里，我国风电进入了迅猛发展的黄金时期。截至２０１８年，我国累计风??电装机容量达到２２１ＧＷ，位居世界第一，如图１－３所示，我国风电装机容量超过美??国的两倍。??２?５０１?｜?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??毛?２００?■?■??｜ｊ??Ｓ７＿Ｊ．?＇??中国美国德国印度西班牙英国法国巴西加拿大意大利??国家??图１－３?２０１８年全球累计风电装机容量排名前１０的国家??此外，我国已建成世界上最大的陆地风电基地——甘肃酒泉风电基地，其装机??容量达到了５１６０ＭＷ。根据ＢＰ发布的２０１９年《ＢＰ世界能源统计年鉴》［４］，?２０１８年，??我国风电发电量达到３６６ＴＷ＿ｈ，位居全球首位，占全球风电总发电量的２８．８％，同??比增长２４．１％。２０１９年５月，国家能源局印发了《关于２０１９年风电、光伏发电项目建??设有关事项的通知》（国能发新能〔２０１９）?４９号）［５］，指出“加大力度实施需国家??补贴项目竞争配置，强化风电项目的电力送出和消纳保障机制，提高市场竞争力，??２??
山东大学硕士学位论文??用电气、德国的爱纳康等，图１－２显示了其所占市场份额。??■丹麦维塔斯??■中国金风科技??■德国爱纳康??■中国远景能源??；；．?■德国北欧海神??■中晒阳??■德国赛维昂??■喊苏司兰??图１－２全球风轮机所占市场份额排名前７的供应商??我国风力发电技术研究起步较晚，２０世纪８０年代我国第一座风电场并网投运，??随后在近十年里，我国风电进入了迅猛发展的黄金时期。截至２０１８年，我国累计风??电装机容量达到２２１ＧＷ，位居世界第一，如图１－３所示，我国风电装机容量超过美??国的两倍。??２?５０１?｜?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??毛?２００?■?■??｜ｊ??Ｓ７＿Ｊ．?＇??中国美国德国印度西班牙英国法国巴西加拿大意大利??国家??图１－３?２０１８年全球累计风电装机容量排名前１０的国家??此外，我国已建成世界上最大的陆地风电基地——甘肃酒泉风电基地，其装机??容量达到了５１６０ＭＷ。根据ＢＰ发布的２０１９年《ＢＰ世界能源统计年鉴》［４］，?２０１８年，??我国风电发电量达到３６６ＴＷ＿ｈ，位居全球首位，占全球风电总发电量的２８．８％，同??比增长２４．１％。２０１９年５月，国家能源局印发了《关于２０１９年风电、光伏发电项目建??设有关事项的通知》（国能发新能〔２０１９）?４９号）［５］，指出“加大力度实施需国家??补贴项目竞争配置，强化风电项目的电力送出和消纳保障机制，提高市场竞争力，??２??
【参考文献】：
期刊论文
[1]基于时序数据动态天气划分的短期风电功率预测方法[J]. 熊音笛,刘开培,秦亮,欧阳庭辉,何佳奕. 电网技术. 2019(09)
[2]基于集群划分的短期风电功率预测方法[J]. 王勃,刘纯,冯双磊,丘刚,孟祥星,赵俊屹. 高电压技术. 2018(04)
[3]多时空尺度协调的风电集群有功分层预测控制方法[J]. 叶林,张慈杭,汤涌,孙舶皓,仲悟之,蓝海波,刘辉,李湃,黄越辉. 中国电机工程学报. 2018(13)
[4]基于改进空间资源匹配法的风电集群功率预测技术[J]. 彭小圣,樊闻翰,王勃,张涛,文劲宇,邓迪元,熊磊,车建峰. 电力建设. 2017(07)
[5]风电功率概率预测方法及展望[J]. 吴问足,乔颖,鲁宗相,汪宁渤,周强. 电力系统自动化. 2017(18)
[6]基于灰色缓冲算子-卡尔曼滤波双修正的风电功率实时预测研究[J]. 杨茂,黄宾阳. 可再生能源. 2017(01)
[7]风电集群短期及超短期功率预测精度改进方法综述[J]. 彭小圣,熊磊,文劲宇,程时杰,邓迪元,冯双磊,王勃. 中国电机工程学报. 2016(23)
[8]基于强化学习方法的风储合作决策[J]. 刘国静,韩学山,王尚,杨明,王明强. 电网技术. 2016(09)
[9]区域风电场短期风电功率预测的最大相关–最小冗余数值天气预报特征选取策略[J]. 赵永宁,叶林. 中国电机工程学报. 2015(23)
[10]关于短期及超短期风电功率预测的评述[J]. 薛禹胜,郁琛,赵俊华,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG. 电力系统自动化. 2015(06)
本文编号：3397200
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3397200.html
