基于组合优化算法的短期风电功率预测

针对风电功率的长记忆、大波动性特点,提出了一种短期风电功率组合预测算法。利用集合经验模式分解算法在风电功率序列分解过程中添加成对的正负噪声分量,得到的不同复杂度的子序列,提高信号重构精度和分解速度。风电功率子序列的线性分量应用自回归分数积分移动平均模型进行预测,风电功率子序列的非线性分量利用自回归分数积分移动平均模型的残差序列训练优化后的支持向量机模型来进行预测,最后组合得到风电功率预测结果。通过对国内某风电场风电功率数据进行验证,表明该组合预测模型的预测精度更高,且模型具有更好的适应性。

基于云模型的风电机组运行状态评价

针对状态评价过程中存在的指标受外界影响大、评价结果主观性强的问题,提出一种基于隶属云模型的风电机组运行状态评价模型。该模型选取机舱温度等16个指标构成评价体系。通过改进传统劣化度算法,提高预测准确性;用模糊层次法和熵权法组合得到评价指标权重;利用3εn准则确定云模型输入参数,提高了关键参数选取的客观性。实验证明,改进后的评价模型准确度更高,可在机组发生故障早期进行预警,对风电机组的运维具有指导意义。