CN103280800A - 一种基于非线性拟合的超短期风电功率预测方法 - Google Patents

一种基于非线性拟合的超短期风电功率预测方法 Download PDF

Info

Publication number
CN103280800A
CN103280800A CN2013102053441A CN201310205344A CN103280800A CN 103280800 A CN103280800 A CN 103280800A CN 2013102053441 A CN2013102053441 A CN 2013102053441A CN 201310205344 A CN201310205344 A CN 201310205344A CN 103280800 A CN103280800 A CN 103280800A
Authority
CN
China
Prior art keywords
wind power
sampled point
nonlinear fitting
forecasting
constantly
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013102053441A
Other languages
English (en)
Inventor
黄学良
孙毅
强浩
张齐东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN2013102053441A priority Critical patent/CN103280800A/zh
Publication of CN103280800A publication Critical patent/CN103280800A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于非线性拟合的超短期风电功率预测方法，通过实时在线监测风电场的功率输出情况，将获取的最新功率数据用于预测下一时刻的风电功率。本发明提供的基于非线性拟合的超短期风电功率预测方法，能够通过实时在线监测风电功率情况，用获取的最新风电功率数据来预测下一时刻的功率，预测结果的均方根误差不超过3%，其精度能够满足智能电网实时调度的需要。

Description

一种基于非线性拟合的超短期风电功率预测方法
技术领域
本发明涉及一种基于非线性拟合的超短期风电功率预测方法，属于智能电网技术。
背景技术
风力发电是目前最成熟、经济效益最好的一种可再生能源发电技术。但是由于风能的能量密度小、风力和风向时常不稳，风电功率是随机波动的。当风电容量在***中所占的比例较大时，其功率的随机波动对电网频率的影响比较显著，将会影响到电网的电能质量和***中其他一些频率敏感负荷的正常工作。
如果能对风电功率进行较准确的预测，一方面，电力***运行人员可以及时调整调度计划，合理安排备用容量，从而提高***运行的经济性和可靠性；另一方面，可超前进行相应的安全稳定校核，并提供相应的预警信息及预防控制措施，从而提高***运行的安全稳定性。风电功率预测预测在时间尺度上可分为长期预测、中期预测、短期预测和超短期预测。其中，短期和超短期预测应用于指导电网调度、运行与控制。
在智能电网实时自动调度中，可以通过移动储能设备实时吸收多余的风电功率来平抑风电功率的随机波动。由于实时调度的移动储能设备的容量与风电功率有关，因此需要对风电功率进行实时预测。目前电力调度部门对于风电功率超短期预测的基本要求是实现提前量为0～4h的滚动预测，为了与在线安全稳定预警***的时间尺度相匹配，通常以5min为预测间隔。现有的预测方法时间间隔长，预测精度低，预测结果均方根误差为10%～18%，无法满足智能电网实时调度对于预测时间以及预测精度的要求。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于非线性拟合的超短期风电功率预测方法，通过实时在线监测风电功率情况，用获取的最新风电功率数据来预测下一时刻的功率。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于非线性拟合的超短期风电功率预测方法，包括如下步骤：
（1）通过在线实时监测***获取最新n个采样点的风电功率数据，所述最新n个采样点分别为tn、tn-1…t1时刻采样点；
（2）对最新n个采样点的风电功率数据进行非线性拟合，获得m个预测模型；
（3）采用m个预测模型分别对tnew-1时刻采样点的风电功率进行预测获得m个预测值；
（3）通过在线实时监测***获取tnew-1时刻采样点的风电功率数据；
（4）分别求取tnew-1时刻采样点的m个预测值与实际值之间的误差，选取误差最小的预测值对应的预测模型作为对tnew时刻采样点的风电功率进行预测的判据。
本方法属于超短期风电功率预测，周期短，因此可以不考虑气象条件的影响。采用本发明提供的方法对tnew时刻采样点的风电功率进行预测，预测结果的均方根误差不超过3%，其精度能够满足智能电网实时调度的需要。
优选的，所述m个预测模型分别为1、2、…m次拟合多项式，其中m=n-1。
优选的，所述n=5。
考虑到目前风电功率在线监测***的采样时间为1min，因此本发明优选采用相同的采样时间，相邻采样点的时间间隔为1min。需要指出的是，该处采样时间的设定只是为了与现有的在线监测***采样时间相适配，并非为最优的采样时间限定；本发明中，采样时间越短，预测结果的实时性就越好。
优选的，所述tnew-1时刻采样点为t1时刻采样点或t1时刻采样点的下一时刻采样点，所述t1时刻采样点的下一时刻采样点即t0时刻采样点。通过该限定，使得m个预测模型和对tnew时刻采样点的风电功率进行预测的判据为根据时间的推移实时变化的，进一步提高预测精度。
有益效果：本发明提供的基于非线性拟合的超短期风电功率预测方法，能够通过实时在线监测风电功率情况，用获取的最新风电功率数据来预测下一时刻的功率，预测结果的均方根误差不超过3%，其精度能够满足智能电网实时调度的需要。
附图说明
图1为本发明的一种实例的流程图；
图2为实例的预测结果示意图；
图3为实例的预测值与实际值的对比示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所述为一种基于非线性拟合的超短期风电功率预测方法，包括如下步骤：
（1）通过在线实时监测***获取最新5个采样点的风电功率数据，所述最新5个采样点分别为t5、t4、t3、t2、t1时刻采样点；采样时间为1min；
（2）对多项式；
（3）采样1、2、3、4次拟合多项式分别对tnew-1（本案选t0）时刻采样点的风电功率进行预测获得4个预测值；
（4）分别求取tnew-1时刻采样点的4个预测值与实际值之间的误差，选取误差最小的预测值对应的预测模型作为对tnew时刻采样点的风电功率进行预测的判据。
上述方法，不考虑风速等气象因素。如图2所示，t0时刻采样点三次拟合多项式的预测结果与实际值最接近，因此在对tnew时刻采样点进行预测时，选取三次拟合多项式为最优拟合表达式。根据调度要求，对具体时间内的风电功率进行滚动预测，如图3所示，滚动预测结果具有相当高的精度，与实际测量值相比误差很小。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于非线性拟合的超短期风电功率预测方法，其特征在于：包括如下步骤：
（1）通过在线实时监测***获取最新n个采样点的风电功率数据，所述最新n个采样点分别为tn、tn-1…t1时刻采样点；
（2）对最新n个采样点的风电功率数据进行非线性拟合，获得m个预测模型；
（3）采用m个预测模型分别对tnew-1时刻采样点的风电功率进行预测获得m个预测值；
（3）通过在线实时监测***获取tnew-1时刻采样点的风电功率数据；
（4）分别求取tnew-1时刻采样点的m个预测值与实际值之间的误差，选取误差最小的预测值对应的预测模型作为对tnew时刻采样点的风电功率进行预测的判据。
2.根据权利要求1所述的基于非线性拟合的超短期风电功率预测方法，其特征在于：所述m个预测模型分别为1、2、…m次拟合多项式，其中m=n-1。
3.根据权利要求1所述的基于非线性拟合的超短期风电功率预测方法，其特征在于：所述n=5。
4.根据权利要求1所述的基于非线性拟合的超短期风电功率预测方法，其特征在于：所述相邻采样点的时间间隔为1min。
5.根据权利要求1所述的基于非线性拟合的超短期风电功率预测方法，其特征在于：所述tnew-1时刻采样点为t1时刻采样点或t1时刻采样点的下一时刻采样点，所述t1时刻采样点的下一时刻采样点即t0时刻采样点。
CN2013102053441A 2013-05-27 2013-05-27 一种基于非线性拟合的超短期风电功率预测方法 Pending CN103280800A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013102053441A CN103280800A (zh) 2013-05-27 2013-05-27 一种基于非线性拟合的超短期风电功率预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013102053441A CN103280800A (zh) 2013-05-27 2013-05-27 一种基于非线性拟合的超短期风电功率预测方法

Publications (1)

Publication Number Publication Date
CN103280800A true CN103280800A (zh) 2013-09-04

Family

ID=49063276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013102053441A Pending CN103280800A (zh) 2013-05-27 2013-05-27 一种基于非线性拟合的超短期风电功率预测方法

Country Status (1)

Country Link
CN (1) CN103280800A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617464A (zh) * 2013-12-10 2014-03-05 钱胜利 用于风功率的超短期预测的装置及预测方法
CN104168142A (zh) * 2014-08-18 2014-11-26 国家电网公司 一种超短期***负荷预测实时在线考核分析方法
CN105656203A (zh) * 2016-01-29 2016-06-08 国网山东省电力公司青岛供电公司 一种合环操作控制方法及装置
CN105808382A (zh) * 2016-03-08 2016-07-27 江苏省电力公司苏州供电公司 基于波形系数的变电站异常数据识别及恢复方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102055188A (zh) * 2011-01-07 2011-05-11 西北电网有限公司 基于时间序列法的超短期风电功率预报方法
CN102269124A (zh) * 2011-06-30 2011-12-07 内蒙古电力勘测设计院 超短期风电场发电功率预测***
CN102682207A (zh) * 2012-04-28 2012-09-19 中国科学院电工研究所 风电场风速超短期组合预测方法
CN103065049A (zh) * 2012-12-28 2013-04-24 东北电力大学 一种基于coif5小波实时分解的风电功率实时预测计算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102055188A (zh) * 2011-01-07 2011-05-11 西北电网有限公司 基于时间序列法的超短期风电功率预报方法
CN102269124A (zh) * 2011-06-30 2011-12-07 内蒙古电力勘测设计院 超短期风电场发电功率预测***
CN102682207A (zh) * 2012-04-28 2012-09-19 中国科学院电工研究所 风电场风速超短期组合预测方法
CN103065049A (zh) * 2012-12-28 2013-04-24 东北电力大学 一种基于coif5小波实时分解的风电功率实时预测计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
丁志勇: "风电场短期功率预测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
李俊芳等: "基于灰色模型的风速－风电功率预测研究", 《电力***保护与控制》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617464A (zh) * 2013-12-10 2014-03-05 钱胜利 用于风功率的超短期预测的装置及预测方法
CN103617464B (zh) * 2013-12-10 2016-08-17 北方大贤风电科技（北京）有限公司 用于风功率的超短期预测的装置及预测方法
CN104168142A (zh) * 2014-08-18 2014-11-26 国家电网公司 一种超短期***负荷预测实时在线考核分析方法
CN105656203A (zh) * 2016-01-29 2016-06-08 国网山东省电力公司青岛供电公司 一种合环操作控制方法及装置
CN105656203B (zh) * 2016-01-29 2018-01-12 国网山东省电力公司青岛供电公司 一种合环操作控制方法及装置
CN105808382A (zh) * 2016-03-08 2016-07-27 江苏省电力公司苏州供电公司 基于波形系数的变电站异常数据识别及恢复方法
CN105808382B (zh) * 2016-03-08 2018-09-18 江苏省电力公司苏州供电公司 基于波形系数的变电站异常数据识别及恢复方法

Similar Documents

Publication Publication Date Title
Abdelrazek et al. Integrated PV capacity firming and energy time shift battery energy storage management using energy-oriented optimization
EP2721710B1 (en) Hybrid electric generating power plant that uses a combination of real-time generation facilities and energy storage system
CN103197138B (zh) 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法
CN103855721B (zh) 风电场监控***接入电网调度***的***及信息交换方法
Terciyanlı et al. Enhanced nationwide wind-electric power monitoring and forecast system
CN105337575B (zh) 光伏电站状态预测及故障诊断方法和***
CN105488631A (zh) 一种基于wams动态数据的网源协调在线监测与评估***
CN104882905A (zh) 一种考虑暂态安全约束的新能源接纳能力评估方法
CN102427244A (zh) 大规模光伏风电信息接入***
CN103997039A (zh) 基于概率区间预测的计及风电接纳的旋转备用区间预测方法
CN110348637B (zh) 一种考虑场-网因素的风电爬坡事件预警方法
CN103187735A (zh) 一种用于分布式新能源并网的双向智能网关装置
Gheorghe et al. Smart grid, integration of renewable sources and improvement of power quality
CN102682197A (zh) 对单设备能源消耗变化趋势实时预测的监测方法及装置
CN103280800A (zh) 一种基于非线性拟合的超短期风电功率预测方法
CN201928022U (zh) 风电功率预测***
KR101305584B1 (ko) 에너지 발전량 예측 시스템 및 방법
CN105825302A (zh) 一种基于云平台的光伏电站功率预测***
CN102663522A (zh) 电网在线风险评估方法
CN105391168A (zh) 变压器负荷实时控制方法
CN105140967A (zh) 一种含新能源电力***调峰需求的评估方法
CN107742898A (zh) 一种用于光伏多级接入的虚拟电厂源网协同能量管理***
CN107422180A (zh) 一种基于云监控的光伏电站的功率预测***
CN104467198A (zh) 一种基于在线分布式的电能储能***
CN104484728A (zh) 一种电网安全综合指标体系架构方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130904