新能源风光发电预测技术的发展及应用--中国期刊网

字体：大中小

首页> 原创作品> 正文

新能源风光发电预测技术的发展及应用

发表时间：2020/10/10 来源：《基层建设》2020年第17期作者：王鹏

[导读] 摘要：新能源风能和太阳能具有许多特点，主要是在随机性，湍流和性别确定性方面；在电网运行期间，新能源风能和太阳能发电需要特别注意这些预测。

        华电福新蒙东分公司内蒙古赤峰 025250
        摘要：新能源风能和太阳能具有许多特点，主要是在随机性，湍流和性别确定性方面；在电网运行期间，新能源风能和太阳能发电需要特别注意这些预测。在对风能和光伏输出曲线特征进行总结研究的基础上，总结了风能和光伏输出的一般特征，并提出了用于风能和光伏发电的预报网格。此外，国际和国家分类法基于时间尺度，预测目标，预测范围以及是否使用了西北风。主要的风和光预测方法已分类。在此分类柜下，总结了主要的风和光预测方法。最后，在总结和完善的基础上，提出了未来景观预测研究的方向和问题，为以后的风光预测研究提供参考。
        关键词：风光发电；预测；发展；应用
        引言
        为了满足时间平衡的运行特性的要求，必须构造一个完美匹配的纺丝储备。解决风和太阳能的不稳定性很容易，尤其是在增加在风和太阳能电网上运行的备用容量的过程中，以及在此过程中，增加其成本的过程。通过准确有效地预测风能和太阳能发电量，可以大大降低电网的旋转备用容量，有效降低电网的旋转备用容量。风能和光伏发电预测将进一步结合电网约束分析和控制，提前调度和白天滚动功率计划，以提高新能源的吸收能力，而不会损害电网安全水平。我可以。控制。此外，对于风能和太阳能公司而言，准确测量发电量预测和及时合理地安排行业维护计划可以提高公司的经济效益。对我国新能源风能和太阳能的预测研究起步较晚，许多先前的研究尚未形成完整的理论和成熟体系。
        一、风光发电预测方法分类
        1.短期预测
        良好地优化创新发电计划可以提高风电的吸收能力。很难预测微电网中短期光伏发电的实时环境。基于改进的BPSVM-ELM和粒子SOM-ISP，它可以实现为期1天的滚动光伏猜测，并为短期光伏布局提供准确的指导。
        2.中期预测
        通常，使用一个或几个月的数据来调整每月的测试计划，操作方法和储层配置。新能源的中期前景从根本上优化了机器检查和机器组合，以提高机器检查计划和发电计划的安全性和经济性。
        3.长期预测
        用于预测年度或多年数据。它通常用于网格规划，年度维护计划，操作模式等。
        4.预测对象分类
        根据预测变量的分类，它分为预测风能和太阳能，首先预测风速和光学相干性，然后转换为间接预测电。Ctting和Ax预报基于风能和太阳能的当前状态，气候预测数据的基本信息以及历史风能和太阳能的数据。建立风能和太阳能系统的切割和轴预测模型。间接推断是基于八个风速和太阳能发电照片的推断以及风力发电和太阳能转换模型对风力发电系统的输出功率进行的间接计算。
        5.预测模型原理分类
        此方法通常需要风能和太阳能系统的长期历史数据，通常需要半年以上。物理方法考虑到地形信息，关联的物理信息和系统功率曲线。接收天气预报数据作为复杂输入。使用物理方程式预测天然气。共同预测是风能和太阳能前景的发展趋势之一。组合通常包括物理方法和统计方法的组合，以及预测模型的组合和尺度之间的差异。统计方法的组合。通过筛选匹配系数，不同的模型可以最大化其优势。

期刊文章分类查询,尽在期刊图书馆

与单一预测方法相比，组合预测方法更准确，并且还可以减少较大偏差的可能性。
        6.预测空间尺度分类.
        根据《风力发电预测功能规范》的要求，（1）配电公司必须能够预测管制区域内的风力发电总量。（2）所有连接到电网的风电场必须正常运行。一般来说，某些地区的风力发电具有类似的气象因素。风力发电的总体状况反映了当地天气变化的一般规律，并为不同空间尺度的风力预报提供了一般思路和有效的技术方法。
        二、风光预测技术的发展及主要方法
        1.以时间序列法为代表的传统统计法
        时间序列方法使用一组基本的风力和光伏数据形成沿时间序列的数字序列，然后通过数学和统计方法对其进行处理，以预测未来的风力和光伏发电量。随机分组是一种用于统计分析的加权平均方法，用于消除影响随机性的因素。根据滤波器特性的划分，常用的时间序列有AR.MA.ARMA. ARIMA等。时间序列方法的原理简单易实现。
        2.以人工神经网络为代表的现代统计预测法
        近年来，人工神经网络已广泛用于探索领域。它的实质是通过同轴化数学图来构建数学模型，以组织和模拟神经网络的属性。扩散控制和并行信息处理的频率控制不断调整神经网络节点的相邻模式和权重，最终提供信息可见性和处理能力。与最流行的前馈神经网络Fun相比，提出了一种新的神经网络模型，并提出了一种网络模型。循环神经网络RNN作为用于时间序列预测的神经网络模型，经常用于风电功率预测。人工神经网络具有自学习和自确定的功能，其本质是非线性优化计算模型。因此，非线性优化应用程序很难避免诸如局部最小化，自定义变化方差，繁重的计算和较慢的收敛速度之类的问题。国内外学者进行了大量的研究，提出了很多改进的建议。随着人工智能技术的发展，不断提出新的人工智能模型。它主要包括ME，AFSA，PSO，SVM，它们基于特定的学习和训练算法，并通过大型动态构建的场景进行预览。
        三、风、光发电预测技术提出了一些建议和工作思路
        （1）根据现有的确定性预测，考虑到风场和光场的特征，并基于模糊，混乱，灰度和概率，风场和光场的随机性，波动性和不确定性。（2）着眼于组合预测的发展，对其进行更详细的研究和分析。将不同的预测方法与加权降雨系数的优化相结合，可以得到更准确的预测误差和更有效的计算。（3）大规模预报数据设计。并在情节上进一步研究。筛选和预处理数据，研究数据优化，为不同的预测方法选择适当的输入，提高数据质量。（4）相关电力部门和电网调度公司需要进一步研究，建立更加科学，完整的预测评价体系，为景观预测的科学评估提供要求和指导。
        结束语
        在对风能和太阳能曲线特性进行调查和总结的基础上，总结了风能和太阳能的一般规律。正是由于风能和太阳能这些特性的改进和创新，我国电力工业的发展得到了改善，经济发展得到了促进。根据国家和国际分类要求，使用时标和预测对象进行预测。在此基础上，总结了关键的预测方法及其应用，总结了适用的误差评估方法。
        参考文献
        [1]林俐，邹兰青,周鹏，等.规模风电并网条件下火电机组深度调峰的多角度经济性分析[J].电力系统自动化,2017,41(7):21-27.
        [2]陈国平，李明节,许涛,等.关于新能源发展的技术瓶颈研究[J].中国电机工程学报,2017,37(1):20-26.