基于空间相关性的风电功率预测研究综述
本文选题：空间相关性 切入点：风速 出处：《电力系统自动化》2014年14期 论文类型：期刊论文
【摘要】：由于风电具有很强的随机性和波动性,因此大规模风电并网会对电力系统的运行和稳定性造成很大的影响。如何准确预测区域风电场的功率已经成为当今电力系统亟待解决的研究课题。现有的风电功率预测方法未考虑空间相关因素,预测体系有待进一步完善。基于空间相关性的风电功率预测是一种考虑了本地信息和空间相关信息的综合预测方法。文中给出了基于空间相关性的风电功率预测的定义、概念和基本特点,分别从统计模型、物理模型、空间降尺度过程和空间升尺度过程4个方面详细阐述了基于空间相关性的风电功率预测的实现方法,并对空间相关性在风电功率预测方面应用的最新国内外研究进展作了系统的分析评述。最后,针对该领域尚存在的问题与不足,总结了今后的发展方向和需要进一步探索的研究内容。
[Abstract]:Because of the strong randomness and volatility of wind power, Therefore, large-scale wind power grid connection will have a great impact on the operation and stability of power system. How to accurately predict the power of regional wind farms has become an urgent research topic in today's power system. Spatial correlation was not taken into account in the rate prediction method. The prediction system needs to be further improved. The wind power prediction based on spatial correlation is a comprehensive forecasting method which takes into account local information and spatial correlation information. In this paper, the definition of wind power prediction based on spatial correlation is given. The concept and basic characteristics of wind power prediction based on spatial correlation are described in detail from four aspects: statistical model, physical model, spatial downscaling process and spatial scaling process. The latest domestic and international research progress in the application of spatial correlation in wind power prediction is systematically analyzed and reviewed. Finally, the problems and shortcomings in this field are pointed out. The future development direction and further research contents are summarized.
【作者单位】： 中国农业大学信息与电气工程学院;
【基金】：国家自然科学基金资助项目(51077126,51174290)~~
【分类号】：TM614
【参考文献】
相关期刊论文 前10条
1 陈颖;孙荣富;吴志坚;丁杰;陈志宝;丁宇宇;;基于统计升尺度方法的区域风电场群功率预测[J];电力系统自动化;2013年07期
2 曾程;叶林;赵永宁;;考虑尾流效应的风电场短期功率空间预测模型[J];电力系统保护与控制;2012年24期
3 刘瑞叶;黄磊;;基于动态神经网络的风电场输出功率预测[J];电力系统自动化;2012年11期
4 叶林;刘鹏;;基于经验模态分解和支持向量机的短期风电功率组合预测模型[J];中国电机工程学报;2011年31期
5 师洪涛;杨静玲;丁茂生;王金梅;;基于小波—BP神经网络的短期风电功率预测方法[J];电力系统自动化;2011年16期
6 陈颖;周海;王文鹏;曹潇;丁杰;;风电场输出功率超短期预测结果分析与改进[J];电力系统自动化;2011年15期
7 徐曼;乔颖;鲁宗相;;短期风电功率预测误差综合评价方法[J];电力系统自动化;2011年12期
8 李文良;卫志农;孙国强;完整;缪伟;;基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型[J];电力自动化设备;2009年06期
9 杨秀媛,肖洋,陈树勇;风电场风速和发电功率预测研究[J];中国电机工程学报;2005年11期
10 陈树勇,戴慧珠,白晓民,周孝信;尾流效应对风电场输出功率的影响[J];中国电力;1998年11期
【共引文献】
相关期刊论文 前10条
1 王铮;Rui Pestana;冯双磊;申洪;Luis Rosa;;基于加权系数动态修正的短期风电功率组合预测方法[J];电网技术;2017年02期
2 胡梦月;胡志坚;仉梦林;傅晨宇;;基于改进AdaBoost.RT和KELM的风功率预测方法研究[J];电网技术;2017年02期
3 常纯;李德胜;;基于局部高斯过程的短期风速预测[J];计算机与现代化;2017年01期
4 欧阳庭辉;查晓明;秦亮;熊一;黄鹤鸣;;基于相似性修正的风电功率爬坡事件预测方法[J];中国电机工程学报;2017年02期
5 王森;冯耀轩;邓文雄;周刚;盛鹏飞;;考虑时空特性分布的电动汽车充电负荷预测[J];浙江电力;2016年12期
6 张忠伟;王维庆;王海云;姚秀萍;常喜强;;基于WindPro数据修正及风电场风速预测研究[J];四川电力技术;2016年06期
7 张颖超;郭晓杰;邓华;;一种基于改进GPR和Bagging的短期风电功率组合预测方法[J];电力系统保护与控制;2016年23期
8 谢庆陆;王国锋;;变参数铣削刀具磨损状态监测研究[J];机械科学与技术;2016年12期
9 朱晓翠;钱赛;;一种基于灰色模型的数据预测优化算法[J];河南科学;2016年11期
10 倪鹏;孙富荣;;基于相似日和风速连续性的风电场短期功率预测[J];山东电力技术;2016年11期
【二级参考文献】
相关期刊论文 前10条
1 叶林;刘鹏;;基于经验模态分解和支持向量机的短期风电功率组合预测模型[J];中国电机工程学报;2011年31期
2 师洪涛;杨静玲;丁茂生;王金梅;;基于小波—BP神经网络的短期风电功率预测方法[J];电力系统自动化;2011年16期
3 陈颖;周海;王文鹏;曹潇;丁杰;;风电场输出功率超短期预测结果分析与改进[J];电力系统自动化;2011年15期
4 武小梅;白银明;文福拴;;基于RBF神经元网络的风电功率短期预测[J];电力系统保护与控制;2011年15期
5 方江晓;周晖;黄梅;T.S.Sidhu;;基于统计聚类分析的短期风电功率预测[J];电力系统保护与控制;2011年11期
6 冯双磊;王伟胜;刘纯;戴慧珠;;基于物理原理的风电场短期风速预测研究[J];太阳能学报;2011年05期
7 茆美琴;周松林;苏建徽;;基于脊波神经网络的短期风电功率预测[J];电力系统自动化;2011年07期
8 孙荣富;张涛;梁吉;;电网接纳风电能力的评估及应用[J];电力系统自动化;2011年04期
9 林今;孙元章;P.SФRENSEN;李国杰;程林;黎雄;;基于频域的风电场功率波动仿真 (一)模型及分析技术[J];电力系统自动化;2011年04期
10 李丽;叶林;;基于改进持续法的短期风电功率预测[J];农业工程学报;2010年12期
【相似文献】
相关期刊论文 前10条
1 刘立阳;吴军基;;风电功率波动的相似性研究[J];科学技术与工程;2013年26期
2 林今;孙元章;P.SΦRENSEN;李国杰;程林;黎雄;;基于频域的风电场功率波动仿真 (二)变换算法及简化技术[J];电力系统自动化;2011年05期
3 胡扬宇;李冬梅;付红军;徐友平;;华中电网一起功率波动事件振荡机理研究[J];华中电力;2010年05期
4 张剑云;李明节;周济;赵红光;李莹;李志祥;;三峡巨型电站异常功率波动仿真与试验研究[J];中国电机工程学报;2012年16期
5 洪海生;江全元;严玉婷;;实时平抑风电场功率波动的电池储能系统优化控制方法[J];电力系统自动化;2013年01期
6 崔杨;穆钢;刘玉;严干贵;;风电功率波动的时空分布特性[J];电网技术;2011年02期
7 黄亚峰;穆钢;刘嘉;严干贵;李龙;王e，
本文编号：1587199
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/1587199.html
