对于风电功率实时预测,如何有效的引入风速信息进行高精度的预测,需要进行深入研究。首先引入灰色理论中的灰色关联的算法,建立基于概率分布指标的量化分析模型(quantitative analysis model based on probability distribution,QAM-PD...对于风电功率实时预测,如何有效的引入风速信息进行高精度的预测,需要进行深入研究。首先引入灰色理论中的灰色关联的算法,建立基于概率分布指标的量化分析模型(quantitative analysis model based on probability distribution,QAM-PD)。其次通过实测风电场数据对模型进行分析,利用灰色关联关系和标准风速功率曲线建立基于灰色关联决策的风电功率实时预测模型(real-time prediction model of wind power based on gray relational decision,RPM-WPGRD)。最后选取中国东北某大规模风电场,对其风电功率进行预测。通过误差分析,相较于完全基于历史风速或者完全基于历史功率的算法,该方法可有效提高预测精度。展开更多
基金国家重点基础研究发展计划项目(973计划)(2013CB228201)国家自然科学基金项目(51307017)+5 种基金吉林省产业技术与专项开发项目(2014Y124)吉林省科技发展计划(20140520129JH)Project Supported by National Major Basic Research Program(973 Program)(2013CB228201)National Natural Science Foundation of China(51307017)Industrial Technology Research and Development for Special Project of Jilin Province(2014Y124)Jilin Science and Technology Development Plan(20140520129JH)
文摘对于风电功率实时预测,如何有效的引入风速信息进行高精度的预测,需要进行深入研究。首先引入灰色理论中的灰色关联的算法,建立基于概率分布指标的量化分析模型(quantitative analysis model based on probability distribution,QAM-PD)。其次通过实测风电场数据对模型进行分析,利用灰色关联关系和标准风速功率曲线建立基于灰色关联决策的风电功率实时预测模型(real-time prediction model of wind power based on gray relational decision,RPM-WPGRD)。最后选取中国东北某大规模风电场,对其风电功率进行预测。通过误差分析,相较于完全基于历史风速或者完全基于历史功率的算法,该方法可有效提高预测精度。