风电场集群短期风功率预测方法研究
发布时间：2021-10-05 17:43
现如今,我国经济飞速发展,对化石能源的大量消耗使得生态环境污染严重。风能的开发利用更是在优化产能结构、坚持落实可持续发展战略中起着不可替代的作用。然而,风力发电具有间隙性、随机性和波动性的特点,因此,风能在利用时非常困难。而风电功率主要影响因素是风速,风电场的输出功率也会有波动,这会对电网的安全稳定运行造成一定程度的影响,因此提高风电功率预测的准确性可以优化电力系统的调度,降低因出力波动性对电网的影响,提高经济效益。随着风电快速发展,很多地区风电场呈现集群化、规模化特点,就调度来说,工作人员更关注整个风电场集群区域的功率,所以风电场集群整个区域的风电出力相关问题很有研究的必要。风电场集群区域风电功率的准确预测,更利于调度安排运行方式。因此,本文提出一种风电场集群出力预测方法。首先本文叙述了风电场的功率预测的背景及意义,详细介绍了单一风电场和风电场风集群功率预测在国内外的发展现状,阐述了风功率预测的研究范围与分类。主要分析了风电出力的特性,并且定性、定量分析了影响风机出力的因素,为风功率预测模型输入变量的选择提供了科学的依据。建立了基于EMD-LSTM的单一风电场预测模型,首先对相关数据...
【文章来源】：内蒙古科技大学内蒙古自治区
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
008-2018年我国风电装机容量发展情况
内蒙古科技大学硕士学位论文-10-需要注意的是SCADA系统也会因为远端设备故障等原因采集到一些无效数据，如图2.2所示，所以在数据应用的过程中一定做好预先的处理工作。图2.2SCADA采集到的部分数据图本文对内蒙古某风场的某台风机上安装的SCADA仪器测得的2018年历史数据，选取了其中1月6日到14日（共9天）完整的数据进行描绘得到的风速风向玫瑰图如图2.3所示，以及风速和风功率随时间变化如图2.4所示。图2.3风向风速玫瑰图
内蒙古科技大学硕士学位论文-10-需要注意的是SCADA系统也会因为远端设备故障等原因采集到一些无效数据，如图2.2所示，所以在数据应用的过程中一定做好预先的处理工作。图2.2SCADA采集到的部分数据图本文对内蒙古某风场的某台风机上安装的SCADA仪器测得的2018年历史数据，选取了其中1月6日到14日（共9天）完整的数据进行描绘得到的风速风向玫瑰图如图2.3所示，以及风速和风功率随时间变化如图2.4所示。图2.3风向风速玫瑰图
【参考文献】：
期刊论文
[1]基于配额制的可再生能源动态发展系统动力学研究[J]. 余顺坤,毕平平,杨文茵,王永利,黄玉晶,于海洋. 中国电机工程学报. 2018(09)
[2]中国新能源发展战略思考[J]. 林伯强. 中国地质大学学报(社会科学版). 2018(02)
[3]基于ARMA模型的短期风功率预测研究[J]. 刘军涛,欧阳孜. 西北水电. 2017(06)
[4]考虑复杂尾流效应和连接电缆故障的风电场可靠性建模[J]. 仇国兵,刘文霞,张建华. 电力系统自动化. 2014(18)
[5]基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测[J]. 崔明建,孙元章,柯德平. 电力系统自动化. 2014(12)
[6]风电场超短期风功率预测问题研究[J]. 易跃春,马月,王霁雪,李桂敏,秦潇,陈文凯. 水力发电. 2013(07)
[7]一种考虑时空分布特性的区域风电功率预测方法[J]. 别朝红,安佳坤,陈筱中,贺旭伟. 西安交通大学学报. 2013(10)
[8]风电出力平滑效应的分析与应用[J]. 刘燕华,田茹,张东英,张旭,周继惠. 电网技术. 2013(04)
[9]基于动态神经网络的风电场输出功率预测[J]. 刘瑞叶,黄磊. 电力系统自动化. 2012(11)
[10]Multiscale prediction of wind speed and output power for the wind farm[J]. Xiaolan WANG 1,2 , Hui LI 1,2 1.School of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou Gansu 730050, China; 2.Key Laboratory of Gansu Advanced Control for Industrial Processes, Lanzhou Gansu 730050, China. Journal of Control Theory and Applications. 2012(02)
硕士论文
[1]基于LSTM的风电功率区间预测研究[D]. 王若恒.华中科技大学 2018
[2]基于云计算的风电场短期风功率预测方法的研究[D]. 赵磊.内蒙古大学 2018
[3]风电场短期功率组合预测方法和评价研究[D]. 王帅.华北电力大学 2017
[4]基于模型优选的风电功率融合预测模型[D]. 李进.太原理工大学 2013
[5]基于投影寻踪算法的间歇式电源短期功率预测[D]. 高丹丹.华北电力大学 2013
[6]基于组合模型的风功率预测[D]. 陈聪聪.新疆大学 2012
[7]基于数值天气预报NWP修正的BP神经网络风电功率短期预测研究[D]. 蔡祯祺.浙江大学 2012
[8]基于支持向量机的风速与风功率预测研究[D]. 戚双斌.新疆大学 2010
[9]基于实测数据的风电场风速和风功率短期预测研究[D]. 王金翠.东北电力大学 2010
本文编号：3420226
【文章来源】：内蒙古科技大学内蒙古自治区
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
008-2018年我国风电装机容量发展情况
内蒙古科技大学硕士学位论文-10-需要注意的是SCADA系统也会因为远端设备故障等原因采集到一些无效数据，如图2.2所示，所以在数据应用的过程中一定做好预先的处理工作。图2.2SCADA采集到的部分数据图本文对内蒙古某风场的某台风机上安装的SCADA仪器测得的2018年历史数据，选取了其中1月6日到14日（共9天）完整的数据进行描绘得到的风速风向玫瑰图如图2.3所示，以及风速和风功率随时间变化如图2.4所示。图2.3风向风速玫瑰图
内蒙古科技大学硕士学位论文-10-需要注意的是SCADA系统也会因为远端设备故障等原因采集到一些无效数据，如图2.2所示，所以在数据应用的过程中一定做好预先的处理工作。图2.2SCADA采集到的部分数据图本文对内蒙古某风场的某台风机上安装的SCADA仪器测得的2018年历史数据，选取了其中1月6日到14日（共9天）完整的数据进行描绘得到的风速风向玫瑰图如图2.3所示，以及风速和风功率随时间变化如图2.4所示。图2.3风向风速玫瑰图
【参考文献】：
期刊论文
[1]基于配额制的可再生能源动态发展系统动力学研究[J]. 余顺坤,毕平平,杨文茵,王永利,黄玉晶,于海洋. 中国电机工程学报. 2018(09)
[2]中国新能源发展战略思考[J]. 林伯强. 中国地质大学学报(社会科学版). 2018(02)
[3]基于ARMA模型的短期风功率预测研究[J]. 刘军涛,欧阳孜. 西北水电. 2017(06)
[4]考虑复杂尾流效应和连接电缆故障的风电场可靠性建模[J]. 仇国兵,刘文霞,张建华. 电力系统自动化. 2014(18)
[5]基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测[J]. 崔明建,孙元章,柯德平. 电力系统自动化. 2014(12)
[6]风电场超短期风功率预测问题研究[J]. 易跃春,马月,王霁雪,李桂敏,秦潇,陈文凯. 水力发电. 2013(07)
[7]一种考虑时空分布特性的区域风电功率预测方法[J]. 别朝红,安佳坤,陈筱中,贺旭伟. 西安交通大学学报. 2013(10)
[8]风电出力平滑效应的分析与应用[J]. 刘燕华,田茹,张东英,张旭,周继惠. 电网技术. 2013(04)
[9]基于动态神经网络的风电场输出功率预测[J]. 刘瑞叶,黄磊. 电力系统自动化. 2012(11)
[10]Multiscale prediction of wind speed and output power for the wind farm[J]. Xiaolan WANG 1,2 , Hui LI 1,2 1.School of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou Gansu 730050, China; 2.Key Laboratory of Gansu Advanced Control for Industrial Processes, Lanzhou Gansu 730050, China. Journal of Control Theory and Applications. 2012(02)
硕士论文
[1]基于LSTM的风电功率区间预测研究[D]. 王若恒.华中科技大学 2018
[2]基于云计算的风电场短期风功率预测方法的研究[D]. 赵磊.内蒙古大学 2018
[3]风电场短期功率组合预测方法和评价研究[D]. 王帅.华北电力大学 2017
[4]基于模型优选的风电功率融合预测模型[D]. 李进.太原理工大学 2013
[5]基于投影寻踪算法的间歇式电源短期功率预测[D]. 高丹丹.华北电力大学 2013
[6]基于组合模型的风功率预测[D]. 陈聪聪.新疆大学 2012
[7]基于数值天气预报NWP修正的BP神经网络风电功率短期预测研究[D]. 蔡祯祺.浙江大学 2012
[8]基于支持向量机的风速与风功率预测研究[D]. 戚双斌.新疆大学 2010
[9]基于实测数据的风电场风速和风功率短期预测研究[D]. 王金翠.东北电力大学 2010
本文编号：3420226
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3420226.html
