基于t Location-Scale分布的风电功率概率预测研究

doi:10.11930/j.issn.1004-9649.2017.01.140.06

中国电力 ›› 2017, Vol. 50 ›› Issue (1): 140-145.DOI: 10.11930/j.issn.1004-9649.2017.01.140.06

基于t Location-Scale分布的风电功率概率预测研究

杨茂, 杜刚

东北电力大学电气工程学院,吉林吉林 132012

收稿日期:2016-10-20 出版日期:2017-01-20 发布日期:2017-01-23
作者简介:杨茂（1982-）,男,吉林市人,博士,副教授,研究方向为风力发电技术。E-mail: yangmao820@163.com
基金资助:
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（51307017）; 吉林省科技发展计划项目（20140520129JH）; 吉林省教育厅“十二五”科学技术研究项目（吉教科合字[2014]第474号）; 吉林省产业技术研究与开发专项项目（2014Y124）

Wind Power Probability Prediction Based on t Location-Scale Distrabution

YANG Mao, DU Gang

College of Electrical Engineering, Northeast Dianli University, Jilin 132012, China

Received:2016-10-20 Online:2017-01-20 Published:2017-01-23
Supported by:
This work is supported by the National Major Basic Research Program (973 Program) (No. 2013CB228201)the National Natural Science Foundation of China(No. 51307017)the Scientific, Technological Planning Project of Jilin Province(No. 20140520129JH)The “12th Five-Year Plan”Scientific and Technological Research Project for Education Department of Jilin Province (Ji Jiao Ke He Zi[2014] No. 474)Industrial Technology Research and Development for Special Project of Jilin Province (No. 2014Y124).

摘要/Abstract

摘要： 风电功率特有的随机波动性,导致风电功率点预测方法的预测精度不高,增加了风电并网的难度,致使风电场弃风现象严重。基于风电功率点预测的基础上,风电功率概率预测可以预测出风电功率的波动范围,为电力系统的安全运行以及电网调度运行给出不确定信息和可靠性评估依据。提出了一种基于t location- scale分布的风电功率概率预测方法,即采用t location-scale函数来描述风电功率预测误差概率分布,并以此建立误差分布,基于已建立的误差分布可以进行概率预测。并引进了覆盖率和平均带宽来评价预测区间的优劣程度。利用吉林省西部某风电场历史数据验证了该方法的可靠性。

关键词: 风电, 风电功率, 弃风, 风电并网, 风功率预测

Abstract: Wind power forecasting is difficult because of its stochastic variance characteristic. Based on t location-scale distribution function, a wind power forecasting method is proposed. The t location-scale function is adopted to describe probabilistic distribution of wind power prediction error. The prediction is then performed based on the distribution model. The coverage rate and average bandwidth are selected to evaluate prediction accuracy. The historic data of power fluctuation of a wind farm in Jinlin province proves the effectiveness of proposed method.

Key words: wind electricity, wind power, wind abandoning, wind power integration, wind power prediction

中图分类号:

TM615

杨茂, 杜刚. 基于t Location-Scale分布的风电功率概率预测研究[J]. 中国电力, 2017, 50(1): 140-145.

YANG Mao, DU Gang. Wind Power Probability Prediction Based on t Location-Scale Distrabution[J]. Electric Power, 2017, 50(1): 140-145.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2017.01.140.06

https://www.electricpower.com.cn/CN/Y2017/V50/I1/140

参考文献

[1] 王健,严干贵,宋薇,等. 风电功率预测技术综述[J]. 东北电力大学学报,2011,31（3）：20-24.
WANG Jian, YAN Gangui, SONG Wei, et al . Wind power prediction based on artificial neural network[J]. Journal of Northeast Dianli University, 2011, 31(3): 20-24.
[2] 杨茂,季本明. 基于局域一阶加权法的风电功率超短期预测研究[J]. 东北电力大学学报,2015,35（5）：6-10.
YANG Mao, JI Benming. The ultra-short-term forecasting of wind power based on local one-order weighted method[J]. Journal of Northeast Dianli University, 2015, 35(5): 6-10.
[3] 杨茂,孙涌,孙兆键,等. 风电场大规模数据管理系统设计与研发[J]. 东北电力大学学报,2014,34（2）：27-31.
YANG Mao, SUN Yong, SUN Zhaojian, et al . Design and development of large-scale data management system of wind farm[J]. Journal of Northeast Dianli University, 2013, 34(2): 27-31.
[4] 孙建波,吴小珊,张步涵. 基于非参数核密度估计的风电功率区间预测[J]. 水电能源科学,2013,31（9）：233-235.
SUN Jianbo, WU Xiaoshan, ZHANG Buhan. Wind power interal prediction based on non-parametric kernel density estimation [J]. Water Resources and Power, 2013, 31(9): 233-235.
[5] 范高锋,王伟胜,刘纯,等. 基于人工神经网络的风电功率预测[J]. 中国电机工程学报,2008,28（34）：118-123.
FAN Gaofeng, WANG Weisheng, LIU Chun, et al . Wind power prediction based on artificial neural network[J]. Proceedings of the CSEE, 2008, 28(34): 118-123.
[6] 刘斌,周京阳,周海明,等. 一种改进的风电功率预测误差分布模型[J]. 华东电力,2012,40（2）：286-291.
LIU Bin, ZHOU Jingyang, ZHOU Haiming, et al . An improved model for forecast error distribution[J]. East China Electric Power, 2012, 40(2): 286-291.
[7] 刘兴杰,谢春雨. 基于贝塔分布的风电功率波动区间估计[J]. 电力自动化设备,2014,34（12）：26-30.
LIU Xingjie, XIE Chunyu. Wind power fluctuation interal estimation based on beta distribution[J]. Electric Power Automation Equipment, 2014, 34(12): 26-30.
[8] 刘立阳,吴军基,孟绍良. 短期风电功率预测误差分布研究[J]. 电力系统保护与控制,2013,41（12）：65-70.
LIU Liyang, WU Junji, MENG Shaoliang. Research on error distribution of short-term wind power prediction [J]. Power System Protection and Control, 2013, 41(12): 65-70.
[9] 田飞. 西方人口概率预测研究综述[J]. 中国人口.环境与资源, 2010,20（3）：306-309.
TIAN Fei. Summarization of demoggraphic probabilistic projection research in west[J]. China Population Research and Enviroment, 2010, 20(3): 306-309.

[1]	宋许鹏, 杨小洋, 樊征臻. 基于电流合成矢量轨迹特性的双馈风电场主变压器差动保护[J]. 中国电力, 2025, 58(2): 9-21.
[2]	丰力, 张莲梅, 韦家佳, 邓长虹, 李果, 尹家悦. 基于全生命周期经济评估的海上风电发展与思考[J]. 中国电力, 2024, 57(9): 80-93.
[3]	刘钟淇, 刘耀, 侯金鸣. 以深远海风电为核心的能源岛能源外送经济性分析[J]. 中国电力, 2024, 57(9): 94-102.
[4]	姜文瑾, 刘巧妹, 杨晓东, 阙定飞, 沈豫, 黄夏楠, 赖振华. 计及气固两相储氢特性的海上风电-多元储能系统优化配置[J]. 中国电力, 2024, 57(9): 103-112.
[5]	黄宁泊, 高建伟, 许传博, 徐选华, 赵舒通, 缑迅杰, 姜晓静. 基于经验挖掘与混合语言的海上风电制氢加氢港口选址研究[J]. 中国电力, 2024, 57(9): 113-123.
[6]	周专, 苗帅, 袁铁江. 提升风电消纳的绿氢钢铁冶炼系统动力学建模[J]. 中国电力, 2024, 57(8): 36-45.
[7]	王泽嘉, 韩民晓, 范溢文. 基于SVG附加电流反馈阻抗重塑的双馈风电场次/超同步振荡抑制策略[J]. 中国电力, 2024, 57(8): 55-66.
[8]	李丹, 秦世耀, 李少林, 贺敬. 基于混沌粒子群的双馈风电机组LVRT实测建模及暂态参数辨识[J]. 中国电力, 2024, 57(8): 75-84.
[9]	叶婧, 蔡俊文, 张磊, 周广浩, 何杰辉, 翟学. 考虑海缆实际载流量的海上风电集电系统拓扑优化[J]. 中国电力, 2024, 57(7): 173-181.
[10]	阎洁, 杨佳琳, 王航宇, 卢姣阳, 刘永前, 张磊. 基于风况预测误差自适应的海上风电场尾流偏转控制方法[J]. 中国电力, 2024, 57(3): 190-196.
[11]	易文飞, 朱卫平, 郑明忠. 计及数据中心和风电不确定性的微电网经济调度[J]. 中国电力, 2024, 57(2): 19-26.
[12]	杨国华, 祁鑫, 贾睿, 刘一峰, 蒙飞, 马鑫, 邢潇文. 基于CEEMD-SE的CNN&LSTM-GRU短期风电功率预测[J]. 中国电力, 2024, 57(2): 55-61.
[13]	李丹, 梁云嫣, 缪书唯, 方泽仁, 胡越, 贺帅. 基于高斯混合聚类和改进条件变分自编码的多风电场功率日场景生成方法[J]. 中国电力, 2024, 57(12): 17-29.
[14]	王海燕, 钱林宇. 基于NGO-VMD的混合储能功率分配策略[J]. 中国电力, 2024, 57(11): 119-128.
[15]	晁文浩, 袁至, 李骥. 计及电转气-风-火-核-碳捕集的多源联合系统优化调度[J]. 中国电力, 2024, 57(1): 183-194.

基于t Location-Scale分布的风电功率概率预测研究

Wind Power Probability Prediction Based on t Location-Scale Distrabution

RichHTML

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

基于t Location-Scale分布的风电功率概率预测研究

Wind Power Probability Prediction Based on t Location-Scale Distrabution

RichHTML

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics