文献类型：期刊文章

作　　者：王鑫[1] 李慧[1] 叶林[2] 范新桥[1] 刘思嘉[1]

WANG Xin;LI Hui;YE Lin;FAN Xinqiao;LIU Sijia(School of Automation,Beijing Information Science and Technology University,Beijing 100192,China;College of Information and Electrical Engineering,China Agricultural University,Beijing 100083,China)

机构地区：[1]北京信息科技大学自动化学院,北京100192 [2]中国农业大学信息与电气工程学院,北京100083

出　　处：《电力科学与技术学报》

基　　金：国家重点研发计划(2018YFB0904200);北京市自然科学基金(3172015);国家电网有限公司科技项目(SGLNDKOOKJJS1800266);北京市教委科技计划面上项目(KM201911232016)。

年　　份：2021

卷　　号：36

期　　号：4

起止页码：20-28

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：提高风电功率预测的精准度能为大规模风电并网提供安全保障,为此提出一种考虑风速波动特性的短期风电功率组合预测方法。首先,定义5种风速波动类型,对数值天气预报中的历史风速序列进行波动类型划分,得到不同风速波动类型的天气时段;其次,将这些天气时段对应的历史风电功率序列进行分类,采用变分模态分解算法对各类风电功率序列进行分频计算,得到特征、频段互异的多个子模态;然后,利用门控循环单元神经网络建立每个子模态预测模型,将各个子模态预测结果进行叠加,得到风电功率预测值;最后,对待测时段的风速序列进行波动类型划分和识别,选取相匹配的功率预测模型计算出最终预测值。利用某实际风电场的数值天气预报风速数据和功率数据进行仿真分析,验证所提组合预测方法的有效性。

关 键 词：风电功率预测 数值天气预报 风速波动特性  变分模态分解  门控循环单元神经网络  

分 类 号：TM614]