面向风电制氢的超短期组合功率预测

为解决因风电随机性带来的“弃风”问题,实现宽功率波动下的高效制氢,提出基于最小二乘支持向量机(LSSVM)的超短期组合预测模型,提高风电功率预测鲁棒性。通过变分模态分解(VMD)预处理将风电功率分解为不同带宽的子模态,以降低随机噪声及模态混叠的影响;引入蜻蜓算法(DA)优化LSSVM,建立超短期组合预测模型,以满足电解槽控制的时间分辨率及精度要求。以河北省某风电制氢示范项目为例,验证该算法对于高波动性数据具备更高的预测精度,为风电制氢系统的优化控制提供依据。

风廓线雷达与多普勒天气雷达风矢产品对比及相关分析

利用成都地区2010年8月和北京沙河地区2011年7—8月风廓线雷达以及多普勒天气雷达的风廓线探测资料,结合对应时段的天气现象相关记录,通过对比分析得到以下结论：①弱降水条件下,在300~2100m高度内,风廓线雷达与多普勒天气雷达探测具有很好的相关性,风向相关系数平均值为0.596,风速相关系数平均值为0.736,在做预报时两者可以同时应用,互为补充;②强降水天气条件下,风廓线雷达与多普勒天气雷达探测的风向、风速变化趋势基本一致,特别是在300~2100m之间各个高度上风向、风速相关性较好,风向相关系数平均值为0.573,风速相关系数为0.508,且风廓线雷达比多普勒天气雷达探测到的各层风向、风速变化更为详细、直观;③阴天条件下风廓线雷达与多普勒天气雷达的风向、风速相关性低层比高层好;④晴天条件下,风廓线雷达更适合用于预报和监测天气。