基于改进气象聚类分型的短期风电功率概率预测方法

精准的风电功率预测是对以新能源为主体的新型电力系统安全高效运行的重要支撑。针对现有预测方法未充分考虑不同气象条件下风电出力特性差异的问题,提出基于改进秃鹰搜索-最大期望算法的高斯混合模型(IBES-EM-GMM)聚类与气象分型的风电功率概率预测方法。首先,基于Levy飞行与自适应t分布变异策略改进秃鹰搜索算法,提出IBES-EM-GMM聚类模型,以增强其全局搜索能力。以此为基础,利用IBES-EM-GMM聚类模型对历史气象-功率数据集进行聚类划分,并采用混合深度神经网络与Cornish-Fisher级数分别训练不同气象模式的数据集以得到其概率预测结果。最后,选取中国冀北地区风电场实际数据进行算例仿真。结果表明,相较于无聚类和高斯混合模型聚类方法,所提IBES-EM-GMM聚类模型使聚类效果、风电功率点预测与概率预测精度均得到了显著提升。

计及辐照区间划分的含光伏电源配电网源-荷联合场景生成

光伏电源大量接入配电网导致源-荷波动性、随机性增强。针对气象敏感负荷、光伏电源不确定性、多节点源-荷关联性复杂等随机因素导致海量不确定性运行场景刻画受限问题,提出一种计及辐照区间划分的耦合气象特征辐照-负荷多节点联合场景生成模型。首先,分析多元气象因素与辐照、负荷相关性,筛选出强相关气象特征;其次,对基于辐照区间划分的历史气象特征进行聚类分析,获取对应不同气象特点的历史源-荷场景集;在此基础上,以类内辐照、多节点负荷历史数据,构建基于WGAN-GP的多节点联合场景生成模型,并生成多节点源-荷场景;最后,通过与历史真实场景的概率分布特性、源-荷相关性等多项指标对比,验证了该方法能够有效刻画不同气象条件下与真实数据相符的含光伏电源配电网运行场景。

早稻产量动态预报模型

利用早稻不同生育阶段气象因子的综合聚类指标选择气象相似年型,再根据相似年的产量变化确定分析年的产量气象影响指数,建立全国和区域早稻单产动态预报模型。通过对1995-2004年早稻产量进行动态预报,结果表明,4月30日、5月31日、6月30日和7月31日预报的早稻产量增减趋势的预报正确率均为100%,产量预报准确率为97.5%、96.6%、98.1%和96.9%,从而可实现早稻产量的连续、动态、定量化预报,促进有关业务服务的发展。

大豆产量动态预报模型研究

近年来，受进口大豆的冲击，中国大豆产业面临着严重挑战。为了给政府决策提供可靠的依据、保障中国粮食安全，每年能准确地进行大豆产量预报具有重要意义。利用大豆不同生育阶段气象因子的综合聚类指标选择气象相似年型，再根据相似年的产量变化确定预报年的产量气象影响指数，建立全国大豆单产动态预报模型。通过对1995～2004年大豆产量进行动态预报，结果表明：5月31日、6月30日、7月31日、8月31日和9月30日大豆产量预报准确率分别为97．0％、93．8％、94．9％、93．7％、95．1％，实现了大豆产量的连续、动态、定量预报。