风电场风速和发电功率预测研究

《风电场风速和发电功率预测研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、维普资讯http://www.cqvip.com第25卷第11期中国电机工程学报Vb1．25No．11Jun．20052005年6月ProceedingsoftheCSEE~2005Chin．Soc．forElec．Eng文章编号：0258—8013(2005)11—0001—05中图分类号：TM614：TM71文献标识码：A学科分类号：470·40风电场风速和发电功率预测研究杨秀媛1，肖洋2，陈树勇(1．北京机械工业学院，北京市海淀区100085；2．东北电力学院，吉林省吉林市132012；3．中

2、国电力科学研究院，北京市海淀区100085)WINDSPEEDANDGENERATEDPoWERFoRECASTINGINWINDFARMYANGXiu—yuan，XIAOYang，CHENShu—yong(1．BeijingMachineryIndustryCollege，HaidianDistrict，Beijing100085，China；2．NortheastChinaInstituteofElectricPowerEngineering，Jilin132012，JilinProvince，

3、China；3．ChinaElectricPowerResearchInstitute，HaidianDistrict，Beijing100085，China)ABSTRACT：Windspeedforecastingisveryimportanttothe界各国的高度重视¨J。目前，国内外对于风力发电operationofwindpowerplantsandpowersystems．ItCan各种课题的研究越来越深入，但其中关于风电场风relieveoravoidthedisadvantageou

4、simpactofwindpower速和功率预测的研究还达不到令人满意的程度J。plantsonpowersystemsandenhancethecompetitiveabilityof由于风电具有很强的随机性，所以风电穿透功windpowerplantsagainstotherpowerplantsinelectricity率超过一定值之后，会严重影响电能质量和电力系markets．BasedontimeseriesmethodandANN(artificial统的运行J。有关学者在这方面进行了大

5、量的研究neuralnetwork)，theauthorsstudiedthewindspeedforecasting工作J，并指出我国电网目前可接受的风电穿透功andproposedatimeseriesANNmethodforwindspeedforecasting．Intheproposedmethodthemathematicalmodel率不能超过8％。如果能对风速和风力发电功率进Wasbuiltbytimeseriesmethodtoobtainthebasicparameters行比较

6、准确的预测，则有利于电力系统调度部门及ofwindspeedcharacteristics，thentheseparameterswasused时调整调度计划，从而可有效地减轻风电对电网的tochooseinputvariablesofANN．Toimprovetheforecasting影响，而且还可以减少电力系统运行成本和旋转备accuracyofANNarollingmethodtoadjustweightfactorsWas用，提高风电穿透功率极限，同时为风电场参与发putforward．W

7、ithabove—mentionedmethodthewindspeed电竞价奠定了基础。forecastingaccuracyWasefectivelyimproved、目前，风电场风速预测的误差在25％～40％左KEYWORDS：Windpowergeneration；Windspeed右，这不仅与预测方法有关，还与预测周期以及预forecasting；Windpowerforecasting；Timeseries；ANN测地点的风速特性有关。一般来说，预测周期越短，摘要：风速预测对风电场和电力

8、系统的运行都具有重要意预测地点的风速变化越缓和，预测误差就会越小；义。对风速进行比较准确的预测，可以有效地减轻或避免风反之，预测误差就会越大。最简单的预测方法是持电场对电力系统的不利影响，同时提高风电场在电力市场中续法，即把最近一点的风速或功率观测值作为下一的竞争能力。基于时间序列法和神经网络法，该文对风速预点的预测值J。其它预测方法有卡尔漫滤波法测进行了研究，提出了预测风速的时序神经网络法。该方法(Kalmanfilters)[81、时间序列法(ARMA)J、人用时