风电场短期功率预测方法及应用
龙源期刊网 https://www.sodocs.net/doc/eb943594.html,
风电场短期功率预测方法及应用
作者：江水明居荣杨凯迪
来源：《电子技术与软件工程》2017年第12期
摘要风电场输出功率的预测对一些大规模的风电接入电力系统的正常运行有着较为重要
的价值与意义。对此本文主要对其相关预测方式以及实际应用进行了探究，提出了向量机——马尔科夫链的风电短期功率预测方法。
【关键词】风电场短期功率预测方法应用实践
风能最为一种有效的清洁能源，属于可再生资源，在过节范围内得到了人们普遍的重视与利用，但是在实际中一些大规模的电机组在接入过程中会对整个电力系统的正常运行带来一定的影响面，对此，在实践中要加强对风电场发电功率的预测工作的重视。
1 风电场短期功率预测方法概述
在实际中对于风电功率的预测方式可以分为中长期、短期、超短期三种预测模式。在现阶段的发展过程中，对于风电功率进行的短期预测主要可以氛围物理以及统计两种模式。其中物理方式就是基于天气预报的数据利用相关数学关系对于风电场的实际出力数据进行计算，进而绘制出相关功率预测曲线图；统计方式则是基于相关历史数据以及实际的风电场的
出力等相关数据关系，构建系统的数据预测模型，在通过预测参数的方式对于风电场的发电功率进行系统的预测分析。物理方式在实际中基于预测精度等客观因素的影响，受到的实际风电场的中各种物理条件影响相对较为严重；而统计方法在实践中的预测数据具有一定的精准性。对此在国际领域中主要应用统计方式对其预测。
在现阶段的风电功率短期预测的统计方法主要涵盖了以下几种：时间序列方式、灰色理论方式、神经网络方式NNS（neural networks）、支持向量机SVM方式（support vector machine）。其中最为简单的方式为时间序列方式，但是其在实践中具有一定的误差性；灰色理论预测模型具有一定过养性，但是其实际的预测结果为一个区间范围，并没有精准的数值；神经网络方式在实践中其整体的拓扑结构相对较为紧凑，相对于其他方式来说具有一定的精准性，但是在实际中要通过大量的历史信息与数据，实际的耗费的时间过大；支持向量机方法在操作中具有一定的简洁性，其整体的鲁棒性能较为优质，实际的预测数值精准度也相对较高，但是在实践中其对于具体的核函数的实际选择条件相对较为严格，在应用过次汇总中容易出现学习以及局部的最小数值等相关影响。其中相关向量机RVM（relevance vector machine）主要就是通过Tipping提出通过总体贝叶斯框架模式之下的一种稀疏的概率模型，是现阶段的研究重点。在实践中相关向量机与支持向量机的优势较为相似，但是其在核函数的实际选择过程中相对较为灵活，可以引入相关超参数、可以有效的降低整体计算的复杂性，其应用的数据相对较小，具有一定的稀疏特征。
风电功率预测系统功能要求规范
风电功率预测系统功能规范 （试行） 国家电网公司调度通信中心
目次 前言...................................................................... III 1范围. (1) 2术语和定义 (1) 3数据准备 (2) 4数据采集与处理 (3) 5风电功率预测 (5) 6统计分析 (6) 7界面要求 (7) 8安全防护要求 (8) 9系统输出接口 (8) 10性能要求 (9) 附录A 误差计算方法 (10)
前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。 本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。 本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 本规范由国家电网公司国家电力调度通信中心提出并负责解释； 本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。 本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。
风电功率预测系统功能规范 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。 本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1 风电场 Wind Farm 由一批风电机组或风电机组群组成的发电站。 2.2 数值天气预报 Numerical Weather Prediction 根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3 风电功率预测 Wind Power Forecasting 以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4 短期风电功率预测 Short term Wind Power Forecasting 未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5 超短期风电功率预测 ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。
风电机组功率特性评估
风电机组功率特性评估 作者:国能日新 一、概念和意义 风电机组功率特性评估是指对已经投产运行的风力发电机组的设计目标进行的系统、客观的分析和评价。通过对机组实际运行状况的检查总结和分析评价，确定是否达到预期目标。 风电机组功率特性评估工作对风电场的建设和发展有着重要的意义。目前风电场存在设计发电量与实际发电量不符的情况。国能日新公司风电场风电机组后评估解决方案通过对风电机组实发功率特性的测试和评估，深入了解风电场设计效益与实际效益之间的差异，找出风电场设计、管理或风电机组自身存在的一些问题，给风电场科学运营以及未来风电场风电机组选型提供有力依据。 二、执行流程 1、数据收集和分析 （1）数据收集 风电机组功率特性评估需收集风电场监控系统中记录的所有风机运行发电数据、现场测风塔数据、当地气候数据以及风电机组的技术文档等资料。 （2）数据分析 检查测风塔原始数据，对其进行完整性和合理性分析，检验出缺测和不合理数据，经过数据净化、再分析处理，整理出一套连续一年完整的逐小时测风数据，进而与风电机组数据进行相关性对比分析。 2、风资源评估 利用风电场并网运行以后的风能资源数据，进行风电场风能要素分析，并与风电场前期可研阶段的数据进行对比分析，总结评估经验，为后期项目开发建设提供支持。 风能要素包括：风速、风向、风功率、空气密度等。 3、功率特性分析 （1）数据净化
在实际发电过程中，风电机组可能人为停机、故障、或者采集缺失、数据错误，因此必须对风电机组的原始数据进行合理性检验和数据净化。通过数据的合理性检验，可以得到基本有效和完整的发电数据，而数据净化可以保证所采集的数据都是可以用于风电机组性能评估的有效发电数据。 （2）数据处理 由于测风塔数据和风机数据记录方式、时标不同的原因，需要依据最大相似度的原则使二者的时间坐标保持一致。此处，将采用最先进的粒子群优化算法对时标进行寻优。保证二者时间坐标的完美统一。 （3）相关性分析 通过上述数据净化及数据处理，再把测风塔数据合理的映射到风机的坐标位置。按照最大相关度方法，对数据进行线性和非线性回归分析，进而得到每台风电机组实际的风资源数据序列，通过与每台机组发电数据在时间轴上对齐，便可得出与风机功率特性曲线极为相近的图形。 （4）曲线生成 通过上述分析和处理获得原始图形。为得到机组的实测功率曲线，必须在原始图形的基础上进行最终的曲线拟合，获得一条完整的功率特性曲线，即体现风电机组实际出力能力的功率特性曲线图。 三、案例分析 1、中广核云南楚雄牟定大尖峰风电场功率特性评估 云南省楚雄州牟定大尖峰风电场位于云南省楚雄州牟定县西南部山地，高程2100~2500m，属于高山地形。现安装33台单机容量为1.5MW的风力发电机组，总装机容量49.5MW。 2、武汉凯迪平陆凯迪风口风电场功率特性评估 武汉凯迪平陆风口风电场一期36台风电机组功率曲线性能测试工程，包括武汉国测诺德10台1.0MW机组和东汽26台1.5MW机组，装机容量为49MW。 通过对风场风电机组实际运行数据进行采集、净化、相关性及数据处理，最终完成全场风能资源综合分析、风电机组可利用率分析、风电机组可靠性及发电量分析，并根据分析结果对风场未来运营提供建议信息。（技术支持：北京国能日新系统控制技术有限公司）
风电功率预测系统功能规范
风电功率预测系统功能规范（试行） 前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。本规范由国家电网公司国家电力调度通信中心提出并负责解释；本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1风电场Wind Farm由一批风电机组或风电机组群组成的发电站。 2.2数值天气预报Numerical Weather Prediction根据大气实际情况，
在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3风电功率预测Wind Power Forecasting以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4短期风电功率预测Short term Wind Power Forecasting未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5超短期风电功率预测ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。 3数据准备 风电功率预测系统建模使用的数据应包括风电场历史功率数据、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌等数据。 3.1风电场历史功率数据风电场的历史功率数据应不少于1a，时间分辨率应不小于5min。 3.2历史测风塔数据a）测风塔位置应在风电场5km范围内；b）应至少包括10m、70m及以上高程的风速和风向以及气温、气压等信息；c）数据的时间分辨率应不小于10min。 3.3历史数值天气预报历史数值天气预报数据应与历史功率数据相
风功率预测三种模型
风电功率预测问题 摘要 风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。现今风力发电主要利用的是近地风能。 近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。 大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。 如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。 因此，如何对风电场的发电功率进行尽可能准确地预测，是急需解决的问题。根据电力调度部门安排运行方式的不同需求，风电功率预测分为日前预测和实时预测。日前预测是预测明日24小时96个时点（每15分钟一个时点）的风电功率数值。实时预测是滚动地预测每个时点未来4小时内的16个时点（每15分钟一个时点）的风电功率数值。 对于问题一我们建立了3个模型：1、时间序列模型即指数平滑模型2、拟合回归模型3、神经元预测模型即BP模型。针对这3种模型，根据相对误差的大小和准确度的大小判断来确定优先选择哪个模型。 对于问题二，在第一问的基础上对相关模型进行了比较，分析，做出了预期。 对于问题三，在第一问的基础上，对相关的模型进行了改善，使其预测的更加准确。 关键词：风功率实时预测 BP网络神经 matlab 时间序列
问题的重述 一、背景知识 1、风功率预测概况 风功率预测是指风电场风力发电机发电功率预测。 风电场是利用在某个通过预测的坐标范围内，几座或者更换多的经过科学测算，按照合理距离安装的风力发电机，利用可控范围内的风能所产生的电力来实现运行供电。 由于风是大气压力差引起的空气流动所产生的，风向和风力的大小时刻时刻都在变化。因而，风力发电具有波动性、间歇性和随机性的特点。 这些特点所导致的风电场功率波动，会对地区电网整体运行产生影响，进而会影响到整个地区总网内的电压稳定。因此，当风力发电场，特别是大容量风力发电场接入电网时，就会给整个电力系统的安全、稳定运行带来一定的隐患。同时，这些波动性、间歇性和随机性的特点，也会严重影响风机的发电效率和使用寿命。 2、风功率原理介绍 风功率预测系统技术，是根据风电场气象信息有关数据，利用物理模拟计算和科学统计方法，对风电场的风力风速进行短期预报，而预测出风电场的功率，从而也可实现电力调度部门对风电调度的要求。 二、具体试验数据 PA、PB、PC、PD、P4和P58数据 附件1：风电场功率预测预报管理暂行办法 附件2：风功率数据P A 风功率数据P B 风功率数据P C 风功率数据P D 58台机总风功率数据P 58
风功率预测对风电场的重要意义
风功率预测对风电场的重要意义 风功率预测是以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率、数值天气预报等数据作为模型的输入，结合风电场机组的设备状态及运行工况，预测风电场未来的有功功率。 风功率预测系统对接入大量风电的电力系统运行有重要意义。电力系统是一个复杂的动态系统，维持发电、输电、用电之间的功率平衡是电网的责任。没有风电的电力系统，电网调度机构根据日负荷曲线可以制定发电计划，满足次日电力的需求。风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加，风电给电力系统的调度运行带来巨大挑战。对风电场输出功率进行预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一，同时，风电场开发企业也可以利用风电预报选择风力较小的天气合理安排风电机组设备的检修，尽可能减少因风电机组检修无法发电带来的发电量损失。 一、风功率预测预报要求 电网调度部门对风电功率预测的基本要求有两个：一是日预报，即次日零时至二十四时的预测预报，时间分辨为十五分钟。二是实时预报，即自上报时刻起未来十五分钟至四小时的预测预报，时间分辨不小于十五分钟。 日预报要求并网风电场每日在规定时间前按规定要求向电网调度机构提交次日零时到二十四时每十五分钟共九十六个时间节点风电有功功率预测数据和开机容量。试试预报要求并网风电场按规定要求每十五分钟滚动上报未来十五分钟至四小时风电功率预测数据和实时的风速等气象数据。 二、影响风功率预测准确率因素
影响风电场风电功率预测准确率的因素有很多，其中数值天气预报的影响最大。数值天气预报预测的是风速、风向、气温、气压等气象数据，是风电场开展风电功率预测的基础和输入，能否得到准确的数值天气预报对风电功率预测准确率有很大影响。但是，由于风的随机性、不确定性，再加上我国很多风电场都建在边远地区，地形差异较大，短时间会有风的快速变化，导致近地面的风速数值预报难度很大。我们都知道风功率与风速的三次方成正比，所以风速数值预报的准确性会直接影响风功率预测的准确率。 另外，风电功率预测方法也是影响预测的准确率的关键因素。目前国内风功率预测方法主要有基于统计的方法和基于物理建模的方法。统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测；物理方法是指根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法计算得到风电机组轮毂高度的风速、风向等气压信息，然后根据风电机组的功率曲线计算得到每台风电机组的测功率，再考虑风电机组间的尾流影响，最后对所有风电机组的预测功率求和得到风电场的预测功率。因统计方法和物理方法都对数据都有很高要求，如果数据本身不是很完整，或者经过人为影响，或者得到的数据是错误的，都会影响到风电功率预测结果的准确度。 三、风功率预测系统的定义 风电功率预测系统是指以高精度数值气象预报为基础，搭建完备的数据库系统，利用各种通讯接口采集风电场集控和EMS数据，采用人工智能神经网络及数据挖掘算法对各个风电场进行建模，提供人性化的人机交互界面，对风电场进行功率预测，为风电场管理工作提供辅助手段。
风电功率预测问题
第一页 答卷编号：论文题目： 指导教师： 参赛学校： 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人） 第二页 答卷编号：
风功率预测问题设计 摘要 未来风力发电可能成为和太阳能比肩的新能源行业。随着全球经济的发展和人口的增长，人类正面临着能源利用和环境保护两方面的压力。一方面煤炭、石油和天然气等化石燃料的储量由于大量开采而日益减少：另一方面是大量使用化石燃料对自然环境产生了严重的污染和破坏。这两方面的问题已经引起世界各国政府和人民的高度重视，并在积极寻求一条可持续发展的能源道路，以风能首当其冲。风速的随机性，给，和风电场的功率输Hj带来很大的困难。本文旨在研究分电功率在一段时间的变化规律，本文组建三个模型来解决风电功率的预测问题通过对历史数据的分析，挖掘5月31号到6月6日风电功率的变化趋势，以便直观的检验模型与实际数据是否相吻合。 在问题一中考虑天气变化的随机性，分析不同时间点的数据，将Pa,Pb,Pc,Pd,P58表中5月30日第81时间点到96时间点的数据提取出来运用灰色理论作为预测2006年5月31日开始前四个小时内的16个时间点的数据预。同理以表中已给出的5月31日1-16时间点的数据预测出17-32时间的数据，然后运用此模型得出时间范围a,b内各时间点的风电功率。然后可与题目中以给的数据相比较得出误差。第二种预测方法运用指数平滑模型得出时间范围a,b内各时间点的风电功率。第三种预测方法运用移动平均模型，预测出时间范围a,b内各时间点的风电功率。通过三种预测方法的误差分析我们推荐指数平滑预测法。 在问题二中，通过比较分析问题一的预测结果，比较单台风电机组功率（P A ，P B ，P C ， P D ）的相对预测误差与多机总功率（P 4 ，P 58 ）预测的相对误差，得出风电机组的汇聚程 度越高，对于预测风电功率结果误差影响越小。 在问题三中，选用了BP神经网络的预测方法，加入了更多的自变量，使得预测结果更精确。 （关键词：风速的随机性，风速的预测，风电功率数值，灰色理论，指数平滑模型，移动平均模）
风电功率预测文献综述
风电功率预测方法的研究 摘要 由于风能具有间歇性和波动性性等特点，随着风力发电的不断发展风电并网对电力系统的调度和安全稳定运行带来了巨大的挑战。进行风电功率预测并且不断提高预测精确度变得越来越重要。通过对国内外研究现状的了解，根据已有的风电功率预测方法，按照预测时间、预测模型、预测方法等对现有的风电功率预测技术进行分类，着重分析几种短期风电功率预测方法的优缺点及其使用场合。根据实际某一风电场的数据，选取合适的风电预测模型进行预测，对结果予以分析和总结。 关键词：风电功率预测；电力系统；风力发电；预测方法； 引言 随着社会不断发展人们对能源需求越来越大而传统化石能源日益枯竭不可再生，以及化石能源带来了环境污染等问题影响人类生活，人们迫切需要新的清洁能源代替传统化石能源。风能是清洁的可再生能源之一，大力发展风力发电成为各国的选择。根据相关统计，截止至2015年，全球风电产业新增装机63013MW，，同比增长22%[1]。其中，中国风电新增装机容量达30500MW，占市场份额48.4%。全球累计装机容量为432419MW，其中中国累计装机容量为145104,占全球市场份额的33.6%。 目前风力发电主要利用的是近地风能，近地风能具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。当接入到电网的风电功率达到一定占比时，风电功率的大幅度波动将破坏电力系统平衡和影响电能质量，给电力系统的调度和安全平稳运行带来严峻挑战。根据风速波动对风力发电的影响按照时间长度可分为三类：一种是在几分钟之内的超短时波动，该时段内的波动影响风电机组的控制；另一种是几小时到几天内的短时波动，该时段内的波动影响风电并网和电网调度；最后一种是数周至数月的中长期波动，该时段内的波动影响风电场与电网的检修和维护计划。本文主要研究不同的风电功率短期预测方法的优缺点。 通过对短期风电功率预测，能够根据风电场预测的出力曲线优化常规机组出力，降低运行成本；增强电力系统的可靠性、稳定性；提升风电电力参与电力市场竞价能力。
风力发电机组 功率特性测试-编制说明
《风力发电机组功率特性测试》国家标准编制说明 1.任务来源 国家标准GB/T 18451.2-2012 《风力发电机组功率特性测试》于2012年颁布，按照国家标准管理办法，标准应当在颁布五年之后复审。GB/T 18451.2-2012《风力发电机组功率特性测试》等同采用IEC 61400-12-1: 2005，2017年IEC（国际电工委员会）发布了新版本IEC 61400-12-1:2017，取代了IEC 61400-12-1: 2005。于是该国家标准的修订工作于2018年启动，由全国风力机械标准化技术委员会提出并归口，由中国电力科学研究院负责具体实施，项目编号为2018102498。 2.标准编制过程 在全国风力机械标准化技术委员会的组织下，中国电力科学研究院于2018年10月召开标准启动会，及时成立了标准修订小组，参与单位包括：东方电气风电有限公司、中国船舶重工集团海装风电股份有限公司、西门子歌美飒可再生能源、浙江运达风电股份有限公司、上海电气风电集团有限公司、中国质量认证中心、山东中车风电有限公司、新疆金风科技股份有限公司、明阳智慧能源集团股份公司、维斯塔斯技术研发(北京)有限公司、华润电力技术研究院、国电联合动力技术有限公司、中车株洲电力机车研究所有限公司风电事业部、广东省风力发电有限公司、华锐风电科技(集团)股份有限公司、云南省能源研究院有限公司。 标准修订小组按照等同采用IEC 61400-12-1:2017,Wind energy generation systems–Part 12-1: Power performance measurements of electricity producing wind turbines. （风力发电机组功率特性测试）的方法修订标准。根据等同采用国际标准的编制方法，标准修订小组对IEC 61400-12-1:2017的原文内容进行了反复的研究和讨论，在此基础上开展了原文内容的翻译工作，于2019年3月完成了标准初稿。2019年4月10日，在成都召开初稿讨论会，集中针对初稿内容进行讨论修改。 根据初稿讨论会汇总的修改意见，标准修订小组在2019年4月至9月多次集中讨论，对标准初稿进行了反复修改完善。
风电功率预测模型
第一页 答卷编号： 论文题目：A 题风电功率预测问题 指导教师： 参赛学校： 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人）
第二页 答卷编号：
A 题风电功率预测问题 摘要 风能是一种可再生、清洁的能源，风力发电技术的进一步研究和开发对解决能源危机、缓解环境压力以及提升经济发展水平具有重大的意义。据此，本文通过建立一系列数学模型来研究和探索风电功率的预测以及提高预测精度问题。 针对第一问，本文提出指数平滑法、小波神经网络以及时间序列ARMA 三种预测模型对风电功率进行预测。指数平滑法采用平滑公式为：s t x t 1 (1 )S t 1,0 1,t 3，通过调整平滑参数来优化预测精度；小波 神经网络采用的小波基函数为Morlet 母小波基函数，小波神经修正采用梯度修正法；ARMA 模型通过确定自回归阶数和移动平均阶数来构造预测表达式。结 针对第二问，本文在第一问所求结果的基础上，使用熵值赋权法对三种模型 进行归一化处理，所得权值向量为w (0.3246,0.3344,0.341) ，得到一组基于以上 三种模型的预测数据。使用拟合与聚类分析得出单机系统对多机系统P4 的相关性高于对总机系统的相关性，据此，使用基于李雅普诺夫中心极限定理的通过假设相对误差小于题目要求的概率模型，求得单机组和多机组的通过检验概率为： 最后得出普遍性规律为：由于多机预测较精确，可以用多机系统的预测结果对单机进行预测。修正单机系统预测所带来的相对误差，提高精度。 针对问题三，本文建立基于遗传算法的ARMA 模型，对ARMA 模型的阶数进行优化。定义平均相对变动值( ARTD )，并令遗传算法的适应度函数为： f(x) ARTD。最后得到具有更高预测精度的模型。具体指标值如下表： 本文提出的模型对风电功率的预测具有重大的借鉴意义，并可将其模型推广应用至工程预测、股票分析、生产计划等问题上。 关键字：风电功率预测、时间序列、指数平滑法、小波神经网络、遗传算法
风力发电机组 功率特性试验方法
风力发电机组功率特性试验方法 1范围 本部分规定了测试单台风力发电机组功率特性的方法，并适用于并网发电的所有类型和规格的风力发电机组的试验。 本部分适用于确定一台风力发电机组的绝对功率特性，也适用于确定不同结构的各种风力发电机组功率特性之间的差异。 风力发电机组的功率特性由测定的功率曲线确定，并用来估计年发电量（AEP）。测得的功率曲线也采集的瞬时风速和功率输出值确定，此项试验应在试验场有足够长的测量时间，并建立在有效的统计数据库的基础上，该数据库应覆盖一定的风速范围和各种风况条件。年发电量利用测得的功率曲线对应于参考风速频率分布计算获得，假设可利用率为100%。 本部分描述了一个测量方法，这种方法要求测量的功率曲线和导出的年发电量应由补充误差及其综合影响修正。 2 定义 下列定义适用于本部分。 2.1 精度accuracy 被测量物的测量值与真实值的接近程度。 2.2 年发电量annual energy production 利用功率曲线和轮毂高不同风速频率分布估算得到的一台风力发电机组一年时间内生产的全部电能。计算中假设可利用率为100%。 2.3 可利用率availability 在某一期间内，除去风力发电机组因维修或故障未工作的时数后余下的时数与这一期间内总时数的比值，用百分比表示。 2.4 复杂地形complex terrain 试验场地周围属地形显著变化的地带或有能引起气流畸变的障碍物的地带。 2.5 外推功率曲线extrapllated power curve 用估计方法对测出的功率曲线从测量的最大风速延伸到切出风速。 2.6 气流畸变flow distortion 由障碍物、地形变化或其他风力机引起的气流改变，其结果是相对自由来流产生了偏离，造成一定程度的风速测量误差。 2.7 轮毂高度（风轮）hub height(wind turbine) 从地面到风轮扫掠面中心的高度。 2.8 测量功率曲线measured power curve 用图形和表格表示的按正确方法测试、修正和标准化处理的风力发电机组净电功率输出。是测量风速的函数关系。 2.9 净电功率输出net electric power output 风力发电机组输送给电网的电功率值。 2.10 障碍物obstacles 邻近风力发电机组能引起气流畸变的固定物体，如建筑物、森林、风力发电机组。 2.11 桨距角pitch angle 在指定的叶片径向位置（通常为100%叶片半径处）叶片弦线与风轮旋转面之间的夹角。 2.12 功率系数power coefficient 净电功率输出与风轮扫掠面上自由来流应有的功率之比。
风电功率预测系统简介
风电功率预测系统简介
目录 1目的和意义 (3) 2国内外技术现状 (3) 2.1国外现状 (3) 2.2国内现状 (4) 3风电功率预测系统技术特点 (5) 3.1气象信息实时监测系统 (5) 3.2超短期风电功率预测 (5) 3.3短期风电功率预测 (6) 3.4风电功率预测系统软件平台 (8)
1目的和意义 风能是一种清洁的可再生能源，由于其资源丰富、转化效率高、产业化基础好、经济优势明显、环境影响小等优点，具备大规模开发的条件，在可以预见的将来，风能的开发利用将成为最重要的可再生能源发展方向。但由于风电等可再生能源发电具有间歇性、随机性、可调度性低的特点，大规模接入后对电网运行会产生较大的影响,以至于有些地方不得不采取限制风电场发电功率的措施来保证电网的安全稳定运行。 对风电输出功率进行预测被认为是提高电网调峰能力、增强电网接纳风电的能力、改善电力系统运行安全性与经济性的最有效、经济的手段之一。首先，对风电场出力进行短期预报,将使电力调度部门能够提前为风电出力变化及时调整调度计划，从而减少系统的备用容量、降低电力系统运行成本。这是减轻风电对电网造成不利影响、提高系统中风电装机比例的一种有效途径。其次，从发电企业(风电场)的角度来考虑,将来风电一旦参与市场竞争,与其他可控的发电方式相比,风电的间歇性将大大削弱风电的竞争力,而且还会由于供电的不可靠性受到经济惩罚。提前对风电场出力进行预报,将在很大程度上提高风力发电的市场竞争力。 2国内外技术现状 2.1 国外现状 在风电功率预测技术研究方面，经过近20年的发展，风电功率预测已获得了广泛的应用，风电发达国家，如丹麦、德国、西班牙等均有运行中的风电功率预测系统。 德国太阳能技术研究所开发的风电管理系统（WPMS）是目前商业化运行最为成熟的系统。德国、意大利、奥地利以及埃及等多个国家的电网调度中心均安装了该系统，目前该系统对于单个风电场的日前预报精度约为85%左右。丹麦Ris?国家可再生能源实验室与丹麦技术大学联合开发了风电功率预测系统Zephyr，
风功率预测系统使用手册(v2.0)资料
风功率预测系统使用手册(v2.0)
精品文档 风电场风能预报智能管理系统 使用手册 北京国能日新系统控制技术有限公司 2011 年11 月16 日
目录 目录................................................................................................................................................. I 第一章系统操作 (1) 1.1 主界面 (1) 1.2 用户管理 (2) 1.2.1 用户登录 (2) 1.2.2 用户设置 (3) 1.2.3 用户注销 (5) 1.3 系统设置 (5) 1.3.1 风场设置 (6) 1.3.2 机组型号设置 (7) 1.3.3 测风塔设置 (9) 1.3.4 预测设置 (11) 1.4 状态监测 (13) 1.4.1 系统状态 (13) 1.4.2 风机状态 (14) 1.5 预测曲线 (14) 1.5.1 短期预测曲线 (14) 1.5.2 超短期预测曲线 (16) 1.5.3 风速预测 (17) 1.6 气象信息 (19) 1.6.1 风速曲线 (19) 1.6.2 风廓线 (20) 1.6.3 直方图 (20) 1.6.4 玫瑰图 (21) 1.7 统计分析 (22) 1.7.1 完整性统计 (22) 1.7.2.频率分布统计 (23) 1.7.3 误差统计 (24) 1.7.4 事件查询 (26) 1.7.5 综合查询 (27) 1.8 报表 (28) 第二章系统维护 (30) 2.1 数据库连接不上 (30) 2.2 短期预测数据不显示 (30) 2.3 超短期预测数据不显示 (30) 2.4 接收实发功率异常 (30)
国标风电功率预测系统功能规范送审参考模板
风电功率预测系统功能规范 1 范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。 本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2 术语和定义 2.1风电场 Wind Farm 由一批风电机组或风电机组群组成的发电站。 2.2数值天气预报 Numerical Weather Prediction 根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预算未来一定时间的大气运动状态和天气现象的方法。 2.3风电功率预测 Wind power Forecasting 以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率，预测时间尺度包括短期预测和超短期预测。 2.4短期风电功率预测 Short term Wind Power Forecasting 未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5超短期风电功率预测 ultra-short term Wind Power Forecasting 0h-4hd的风电输出功率预测，时间分辨率不小于15min。 3.数据准备 风电功率预测系统建模使用的数据应包括风电场历史功率数据、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌等数据。 3.1风电场历史功率数据 风电场的历史功率数据应不少于1a，时间分辨率应不小于5min 3.2历史测风塔数据 a）测风塔位置应在风电场5km范围内； b）应至少包括10m、70m及以上搞成的风速和风向以及气温、气压等信息； C）数据的时间分辨率不小于10min。 3.3历史数值天气预报
风力发电机组的技术特点及参数(精)
目前我国生产的小型风力发电机按额定功率分为１０种，分别为１００Ｗ、１５０Ｗ、２００Ｗ、３００Ｗ、５００Ｗ、１ｋＷ、２ｋＷ、３ｋＷ、５ｋＷ、１０ｋＷ。其技术特点是：２～３个叶片、侧偏调速、上风向，配套高效永磁低速发电机，再配以尾翼、立杆、底座、地锚和拉线。机组运行平稳、质量可靠，设计使用寿命为１５年。风轮的最大功率系数已从初期的０．３０左右提高到０．３８～０．４２，而且启动风速低，叶片材料已多样化：木质、铁质、铝合金、玻璃钢复合型和全尼龙型等。风轮采用定桨距和变桨距两种，以定桨距居多。发电机选配的是具有低速特性的永磁发电机，永磁材料使用的是稀土材料，使发电机的效率从普通电机的０．５０提高到现在的０．７５以上，有些可以达到０．８２。小型风力发电机组的调向装置大部分是上风向尾翼调向。调速装置采用风轮偏置和尾翼铰接轴倾斜式调速、变桨距调速机构或风轮上仰式调速。功率较大的机组还装有手动刹车机构，以确保风力机在大风或台风情况下的安全。风力发电机组配套的逆变控制器，除可以将蓄电池的直流电转换成交流电的功能外，还具有保护蓄电池的过充、过放、交流卸荷、超载和短路保护等功能，以延长蓄电池的使用寿命。机组的价格较低，且适合于我国的低速地区应用。几种机组型号及技术参数见表３－４。 表３－４几种小型风力发电机组型号及技术参数 风电并网三大前沿问题有突破 新能源开发和能源危机是当前能源领域两大热点问题。 从能源的源头来说，人们把传统化石能源比作“昨天的阳光”，而新能源则是“今天的阳光”，可见人们对新能源的热衷程度。目前来看，由于太阳能发电成本较高，生物质能源有局限性，地热能、潮汐能又很有限，相比之下风电最受宠。
风电功率预测问题数学建模全国一等奖0000
风电功率预测问题数学建模全国一等奖0000
答卷编号：论文题目：风电功率预测问题 指导教师：金海 参赛学校：北京理工大学 报名序号：1550 证书邮寄地址：北京理工大学中关村校区徐厚宝（学校统一组织的请填写负责人）
风电功率预测问题 摘要： 本文着力研究了风电功率的预测问题。根据相关要求，本文中我们分别利用ARMA模型、卡尔曼滤波预测模型和小波神经网络预测模型对该风电场的风电功率进行预测。通过对预测结果各项评价指标的综合分析，发现：小波神经网络预测模型的精确度最高；单台风电机组预测误差与总机组预测误差成正相关性；多个风电机组的汇聚会使得总体的预测误差减小。另外，从神经网络的训练过程中，我们发现突加扰动是阻碍风电功率实时预测精度进一步改善的主要因素，风电功率的预测精度不可能无限提高。 对于问题一，我们分别建立了ARMA、卡尔曼滤波、小波神经网络三种预测模型对指定的发电机组的输出功率进行了预测，取得了较为理想的结果。ARMA 模型的预测精确度为75.4%—79.3%，卡尔曼滤波模型的预测精确度为 81.3%-95%，小波神经网络模型的预测精确度为92.1%—94.7%，故小波神经网络的预测效果最好。 对于问题二，我们分析比较了三种模型下单台机组和多机组5月21日至6月6日的平均相对预测误差，得知风电机组的汇聚会使得总体的预测误差减小。 针对问题三，我们在问题一小波神经网络模型的基础上建立了遗传神经网络模型。经过仿真，我们发现该模型能显著减小峰值误差，有力地抑制时间延迟现象，有效地提高了预测的精确度。对仿真误差进行分析，我们指出突加的扰动是阻碍风电功率实时预测精度进一步改善的主要因素，预测的精度不可能无限提高。 关键词：ARMA，卡尔曼滤波，小波神经网络，遗传神经网络
CSC-800W 风功率优化控制子站后台操作说明
CSC-800W功率优化控制子站后台操作说明 目录 CSC-800W功率优化控制子站后台操作说明 (1) 1 系统运行 (2) 2 系统介绍 (2) 2.1标题栏 (2) 2.2有功监控 (3) 2.3 主接线图................................................................................ 错误！未定义书签。 2.4 历史曲线 (6) 2.5 定值管理 (10) 2.6 报表统计 (13) 2.7 历史事件 (14) 2.8 系统日志 (14) 2.9 系统状态 (15) 2.10 实时报警 (15)
1 系统运行 在桌面上双击图标，进入工程管理器 点击运行工程，进入运行态。 点击标题栏右侧图标，弹出用户登录窗口 选择用户名，输入密码登录,密码为空 2 系统介绍 2.1标题栏
用鼠标停留在标题栏中的图标上，会显示图标名称，点击图标可以打开相应的画面，其中有功显示、无功显示、历史曲线画面为覆盖式窗口，定值管理、曲线管理、报表统计、历史事件、操作日志、系统状态为弹出式窗口。当前用户显示当前登录的用户。 2.2有功监控 参数监视：显示有功控制功能的工作模式和风电场相关数据。 状态监视：显示系统的运行的状态和报警。 控制方式设置：有功调节压板、工作模式、指令方式、一次调频和联合动力AGC状态的显示及对其进行操作。 风场功率曲线：显示风电场的实际有功、目标有功和理论有功实时曲线。 机群功率曲线：显示风机机群的实际有功、目标有功和理论有功实时曲线。 2.2.1 参数监视 工作模式：对有功调节功能处于调试还是运行模式的显示。在调试方式下，只是运行逻辑，不向风机下发有功控令；在运行模式下，既运行逻辑，也向风机下发有功控令。 指令方式：对控制方式设置中相应状态的显示。 在人工指令方式下，可点击参数监视区的人工设定，人工手动输入目标有功； 在计划指令方式下，目标有功为有功计划中96个有功计划值的相应时段的数值； 在遥控指令方式下，调度对风场进行功率控制，目标有功为调度实时下发的有功功率值。 在自由指令方式下，调度不对风场功率做限制，目标有功为风场装机容量的1.2倍。 目标有功：显示当前指令方式下设定的想让风电场调节到的有功功率值。 人工设定：在人工指令方式下对目标有功进行设置，有权限限制，满足权限时才可操作。 风场实际有功：风电场实际上网有功功率。 风场理论有功：华锐风机上送点，代表风场当前气候条件下可发有功功率。 有功死区：有功调节死区设定值的显示，如图显示有功死区是0.1MW，表示目标有功功率与风机实际有功功率的差值在0.1 MW之内，不对风机有功出力进行调节，当目标有功功率与风机实际有功功率的差值超过0.1 MW时，对风机出力进行调节。
风功率预测系统基础知识(精华版)
风功率预测系统
一、风功率预测的目的和意义 1. 通过风电功率预测系统的预测结果，电网调度部门可以合理安排发电计 划，减少系统的旋转备用容量，提高电网运行的经济性。 2. 提前预测风电功率的波动，合理安排运行方式和应对措施，提高电网的 安全性和可靠性。 3. 对风电进行有效调度和科学管理，提高电网接纳风电的能力。 4. 指导风电场的消缺和计划检修，提高风电场运行的经济性。 5.应相关政策要求。 二、设备要求 提供的设备应满足《风电功率预测系统功能规范》中所提出的各项要求。
陆丰宝丽华新能源电力有限公司
四、设备介绍 可能涉及到的设备： 以下出自北京中科伏瑞电气技术有限公司的FR3000F系统 数据采集服务器： 运行数据采集软件，与风电场侧风电综合通信管理终端通信采集风机、测风塔、风电场功率、数值天气预报、风电场本地风电功率预测结果等数据。 数据库服务器： 用于数据的处理、统计分析和存储，为保证数据可靠存储，配置了磁盘阵列。应用工作站完成系统的建模、图形生成显示、报表制作打印等应用功能。 风电功率预测服务器： 运行风电功率预测模块，根据建立的预测模型，基于采集的数值天气预报，采用物理和统计相结合的预测方法，并结合目前风电场风机的实时运行工况对单台风机及整个风电场的出力情况进行短期预测和超短期预测。 数据接口服务器： 负责从气象局获得数值天气预报，为保证网络安全在网络边界处配置反向物理隔离设备。同时向SCADA/EMS系统传送风电功率预测的结果。 测风塔： 测风塔测量数据（实时气象数据）是用来进行超短期功率预测的。测风塔有两种类型，一是实体测风塔，一是虚拟测风塔。一个风塔造价占系统的的20~30%左右。 实体测风塔：变化频繁的自然条件和复杂的地形地貌给预测系统增加了困难，实体测风塔的安装台数应根据风场的实际地理条件等情况进行安装，以保障预测的准确性。实体测风塔应安装在风场5km范围内，通过GPRS或者光纤采集风塔的实时气象数据。
风电场短期功率预测建模案例解析
风电场短期功率预测建模案例解析 2011-08-30 15:31:52 来源：中国风电产业网 1.引言 广州飒美旭能源科技有限公司作为“创建美丽新生活”的“新能源与能效技术与服务 解决方案供应商”，致力于发展新能源生产管理、控制、并网技术和服务，积极参与构建低碳环保能源体系，缔造绿色世界，创建美丽生活。 本文以2010年广州飒美旭能源科技有限公司签约的辽宁大唐国际风电有限责任公司下属的大唐昌图风电场风电功率预测系统项目，详述其风电场短期功率预测建模所采用的方法及思路，与读者共享。该项目采用的“风电功率预测智能管理系统”是飒美旭依托自主知识产权开发成功的集电网侧和风电场侧于一体的风电功率预测系统。系统集先进性、实用性、可靠性为一体，在实践中以其预测的高精确度及实用性获得用户的一致赞扬。 2. 风电场短期功率预测建模方法研究 飒美旭风电功率预测智能管理系统，以历史气象数据（数值天气预报数据NWP）和风电场历史功率数据为基础，同时考虑具体风力发电机组的功率特性、机组效率和设备运行情况，采用BP神经网络建模后，输出0-72小时的短期预测功率。 2.1BP神经网络模型方法的采用 人工智能的方法近年来在预测领域中应用较多，其中在电力行业又以人工神经网络的应用研究最为常见。利用神经网络进行预测研究的基础是它具有强大的非线性拟和与映射能力，在函数逼近、模式识别和状态预报等方面有着独特的优势，同时具有一定的泛化能力。BP 神经网络具有较强的非线性学习能力，是目前国际上风电功率预测领域广泛采用的一种比较成熟的方法。神经网络神经网络的训练过程其实质是旨在模仿人脑的结构及功能，不断调整网络内部权值和系统的输入输出关系的过程。
风电功率波动特性分析
龙源期刊网 https://www.sodocs.net/doc/eb943594.html, 风电功率波动特性分析 作者：张晴露何天舒 来源：《中国高新技术企业》2015年第01期 摘要：文章通过频率频数的直方图进行初步估计，再通过dfittool工具箱进行确认和验证，最终得出指数分布最适合风电功率波动的分布。通过样本总体的均值和方差估计概率分布的参数，并用概率密度函数图和频率分布直方图对不同时间间隔、不同机组、每天或者一个月的概率分布之间的关系进行分析。最终得知，各个机组在以每日为时间窗宽，每天的平均风电功率大致相同，而方差除了一些特殊的点还有这个月的最后几天外，也是大致相同。 关键词：matlab工具箱；分布拟合；回归分析；ARMA模型；平稳时间序列文献标识码：A 中图分类号：TM76 文章编号：1009-2374（2015）01-0025-02 DOI：10.13535/https://www.sodocs.net/doc/eb943594.html,ki.11-4406/n.2015.0013 1 问题描述 本题研究的是风电功率的波动性问题，当前世界各国资源环境约束的日趋严苛，以化石能源为主的能源发展模式必须向绿色可再生能源转变。风电机组发出的功率主要与风速有关。由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电在满足用电需求方面的确定性不如常规发电。 大规模风电基地通常需接入电网来实现风电功率的传输与消纳。风电功率的随机波动是对电网不利的主要因素。研究风电功率的波动特性，对改善风电预测精度、克服风电接入对电网的不利影响有重要意义。 风电场通常有几十台甚至上百台风电机组。大型风电基地由数十甚至上百个风电场组成。因此，风电功率的波动有很强的时空差异性。 在此我们需要研究风电功率的概率分布等一系列信息并以此对未来风电的功率进行预测，希望得到风力发电机发电功率的一般性结论。 2 模型建立与求解 首先我们要研究风电机发电功率的概率分布。对于概率分布拟合，可以在matlab软件中 用dfittool来解决。我们随机选择了五台电机作为观测对象。