基于自学习复合数据源自回归模型的风电功率预测方法

    公开(公告)号:CN103927594A

    公开(公告)日:2014-07-16

    申请号:CN201410163053.5

    申请日:2014-04-22

    IPC分类号: G06Q10/04 G06Q50/06

    CPC分类号: Y02A90/15

    摘要: 本发明公开了一种基于自学习复合数据源自回归模型的风电功率预测方法,包括输入数据得到自回归模型参数;以及输入风电功率预测所需输入数据到根据自回归模型的参数确定的自回归模型中得到预测结果;对预测结果进行后评估,即分析预测值与实测值之间的误差,如预测误差大于允许的最大误差,则从新进行自回归模型AR(p)定阶和AR(p)模型参数估计。通过对风力发电过程中的风电功率进行预测,为新能源发电实时调度、新能源发电日前计划、新能源发电月度计划、新能源发电能力评估和弃风电量估计提供关键信息。通过引入复合数据源有效提高风电功率超短期预测精度,从而实现在保障电网安全稳定经济运行的前提下有效提高新能源上网电量目的。

    一种测风网络优化选址与布局方法

    公开(公告)号:CN104036428A

    公开(公告)日:2014-09-10

    申请号:CN201410064600.4

    申请日:2014-02-25

    IPC分类号: G06Q50/06

    摘要: 本发明公开了一种测风网络优化选址与布局方法,主要包括:分析当前测风网络中测风塔的分布情况和覆盖范围;根据分析结果,在当前测风网络未覆盖的区域,增加监测点;根据与当前测风网络相应的风电场的位置,对上述增加的监测点进行微调;采用当前测风网络校验对本次微调结果进行校验,当本次微调结果满足预设参数时,当前测风网络优化完成;当本次微调结果不满足预设参数时,返回继续对当前网络进行优化处理;预设参数,包括当前测风网络的覆盖区域、覆盖风向和测风塔之间的距离。本发明所述测风网络优化选址与布局方法,可以克服现有技术中抗干扰能力弱、适用范围小和操作难度大等缺陷,以实现抗干扰能力强、适用范围大和操作难度小的优点。