基于时间序列模型的风电场风速预测研究

基于时间序列的方法,对风速的长期预测进行了研究,并在工程应用的基础上提出了新的预测思路:首先将风速信号分解成趋势信号和去趋势项随机信号,然后分别用滑动滤波和小波分析这2种方法对分解出的去趋势项随机信号进行数据处理并比较,再用时间序列的方法对趋势项信号和处理后的信号分别进行预测并叠加,得到最后的预测风速信号.结果表明:五项滑动滤波处理数据的方法与Daubechies小波分解法均能实现精度较高的风速长期预测;与小波分解法相比,滑动滤波方法算法的复杂性低,在工程应用上可行性更高.

基于趋势项分析的时间序列风速多点预测研究

基于时间序列的ARMA模型,对风速的多点预测进行研究,提出基于趋势项分析的风速预测。原始风速信号分解成趋势信号和去趋势项随机信号,并结合小波分析、滑动滤波的方法对去趋势项随机信号进行数据预处理,提高其预测精度。研究结果表明:该方法能实现满足工程需要且精度较高的风速多点预测。

温度对户外光伏系统发电效率影响分析

光伏模块的发电效率会受到各种因素的影响,其中温度是重要影响因素之一。温度对光伏模块发电效率的影响分析是基于二者之间的线性回归模型进行的,现有研究中通常只考虑辐照、风速、安装结构与位置等因素对模块温度的影响,忽视了晴天持续的高辐照使光伏模块持续工作在高发电状态,产生的热量积累使得模块温度随时间推移而上升的情况。文章通过分析屋顶光伏电厂实测数据,验证了晴天热量积累造成模块温度随时间推移而升高,会对发电效率造成负面影响,雨天的雨水起到为电池板降温的作用,发电效率受到的影响较小;在此基础上,在典型发电效率的多元线性模型中加入时间作为另一个因子,构造更准确的不同天气类型的发电效率模型。

不同天气类型对光伏电站理论发电量影响的研究

利用浙江某分布式屋顶光伏电站近一年的数据,对不同天气类型下光伏电站的发电特性进行分析。结合当地每日气象数据对天气类型进行分类,分析不同天气类型对光伏电站发电量及发电效率的影响;考虑不同天气类型以及环境温度对太阳电池板的影响,提出一种拟合度较高的理论发电量计算统计模型。最终的模型结果揭示了不同天气类型下,辐射量、温度与发电量之间的耦合关系确实有较大差异,为进一步建立更精确的光伏电站理论发电量模型提供了依据和指导。

新投产风电场的短期风速预测模型建立

常规的风电场功率预测建模主要方法是将数值天气预报产生的气象要素输入基于历史scada数据建立统计模型,得到全场预报总功率。但是新投产的风电场没有历史scada数据,而风电场功率预测的准确性主要依赖于短期风速预报的精度。因此,为提高新投产风电场功率预测的准确性,短期风速预报的建立是基于数值气象预报的物理模型和统计模型相结合的方式。首先,通过数值气象模式输出风电场测风塔处轮毂高度层的气象要素;其次,通过建立神经网络模型和多元线性回归两种统计方法对模式输出数据进行修正;最后,对误差的来源进行分类分析。在江苏某风场的测试结果表明,较传统的方式,预测精度有了明显的提高,该方法能够消除数值气象预报的振幅偏差,但相位偏差仍是误差的主要来源。

基于混合模型的风机限电机组功率曲线建模

文章提出了一种基于混合模型的风机限电机组功率曲线建模方法,该方法利用已有同类型机组功率曲线的相似性,采用减聚类方法从已有功率曲线中挑选出限出力风速段数据点,补充建模数据集,然后采用模型迁移方法对限电机组进行功率曲线建模,最后利用实测建模数据集采用LS-SVM方法对模型进行修正。测试结果表明,该模型测试误差在实测数据的已知部分低于单一的模型迁移方法,在限电未知部分也很好的近似风机的非线性出力特性。