计及邻近风电场信息与CNN-BiLSTM的短期风电功率预测 被引量：7

1

作者 杨子民 彭小圣 +3 位作者 熊予涵 魏沛杰 段睿钦 周彬彬 《南方电网技术》 CSCD 北大核心 2023年第2期47-56,共10页

高精度的短期风电功率预测对保障电力系统安全至关重要,因此提出了一种计及邻近风电场信息与CNNBiLSTM的短期风电功率预测方法,在深度学习预测建模环节除了采用目标风电场的NWP作为输入特征,还引入了邻近风电场的高相关特征。首先综合... 高精度的短期风电功率预测对保障电力系统安全至关重要,因此提出了一种计及邻近风电场信息与CNNBiLSTM的短期风电功率预测方法,在深度学习预测建模环节除了采用目标风电场的NWP作为输入特征,还引入了邻近风电场的高相关特征。首先综合风速序列、功率序列间的相关性和距离,计算区域内各邻近风电场和目标风电场的复合相似度,并依据相似度排序选择高度相似的邻近风电场作为信息来源;再采用CEEMDAN频域信号分解和时间序列特征扩充构造高维特征集合,并引入浮动搜索特征选择算法对强相关特征进行优选;最后基于被选核心特征,开展基于CNN-BiLSTM深度神经网络的功率预测建模。算例结果表明,相较不引入邻近风电场信息的传统预测方法,所提方法能有效提升预测精度。 展开更多

关键词 风电功率预测 邻近风电场 神经网络 新能源 新型电力系统 CNN-BiLSTM

下载PDF 职称材料

计及雾霾影响的光伏功率预测方法 被引量：11

2

作者 褚华宇 高志强 盛四清 《河北电力技术》 2014年第5期23-26,共4页

针对雾霾天气对光伏发电功率产生影响的问题,提出一种计及雾霾影响的光伏功率预测方法,介绍光伏电池的原理和光伏功率的影响因素,分析人工智能神经网络预测方法,并通过算例验证了该方法的可行性和实用性。

关键词 光伏功率 预测方法 雾霾 新能源

下载PDF 职称材料

基于TL-LSTM的新能源功率短期预测 被引量：7

3

作者 郑真 朱峰 +2 位作者 马小丽 田书欣 姜皓喆 《综合智慧能源》 CAS 2023年第1期41-48,共8页

新能源功率预测是实现主动配电网运行态势精确感知的关键。针对新能源功率的不确定性和波动性,提出了一种融合迁移学习(TL)和长短期记忆神经网络(LSTM)的新能源功率组合预测方法。引入k-shape聚类算法对不同区域新能源提供的时序数据进... 新能源功率预测是实现主动配电网运行态势精确感知的关键。针对新能源功率的不确定性和波动性,提出了一种融合迁移学习(TL)和长短期记忆神经网络(LSTM)的新能源功率组合预测方法。引入k-shape聚类算法对不同区域新能源提供的时序数据进行聚类,同时利用各个聚类生成若干预训练模型;结合形态距离指标,选择与目标序列最接近的聚类作为辅助数据簇以准备迁移学习;借助辅助数据簇所对应的预训练模型来完成TL-LSTM模型的训练,且在所有模型的训练过程中利用差值化处理方法避免预测结果出现“滞后”现象。以我国某实际风电场和光伏电站为典型算例,验证所提预测方法的有效性。结果表明,该方法提升了新能源功率短期预测的精度,并能够在小样本环境下进行新能源功率的预测,有较高地泛用性。 展开更多

关键词 新能源功率预测 主动配电网 态势预测 迁移学习 长短期记忆网络 k-shape算法 小样本学习 态势感知

下载PDF 职称材料

基于离散时间灰色幂模型的新能源汽车销售量预测 被引量：2

4

作者 刘连义 刘思峰 吴利丰 《中国管理科学》 CSCD 北大核心 2024年第1期106-114,共9页

准确预测新能源汽车市场的发展趋势,对于行业的发展规划和中国能源战略目标的实现具有重要现实意义。为此,本文在现有两类灰色幂模型的基础上,利用累加数据的幂指数数据进行直接建模,提出了一种含多参数的改进灰色幂模型,从而可以反映... 准确预测新能源汽车市场的发展趋势,对于行业的发展规划和中国能源战略目标的实现具有重要现实意义。为此,本文在现有两类灰色幂模型的基础上,利用累加数据的幂指数数据进行直接建模,提出了一种含多参数的改进灰色幂模型,从而可以反映系统历史值与时序因素对系统当前值的非线性作用。此外,根据灰导数的信息覆盖原理,给出模型的差分形式和派生离散形式,记为DTGPM,并给出了模型的时间响应式函数,避免了传统灰色幂模型复杂的积分求解过程。进一步,利用启发式算法对DTGPM模型的幂参数进行优化,并通过仿真试验和实例验证分析了模型的预测有效性。最后,对新能源汽车的市场销售量进行预测,预测结果显示,中国的新能源汽车销售量会在2022年达到473万辆,并预计在2025年超过千万辆,销售量占汽车新车总销量的23.5%。 展开更多

关键词 灰色幂模型 预测算法 新能源汽车 销量预测

原文传递

基于粒子群优化算法的可再生能源功率预测模型设计 被引量：3

5

作者 刘岩 李雨森 +2 位作者 张夕佳 黄红伟 毛文照 《电子设计工程》 2023年第9期146-150,共5页

为了降低可再生能源机组波动性对电网运行的影响,基于模型预测的思想对当前应用于功率预测的自适应小波网络(AWNN)参数迭代求解方法进行了优化。使用与差分进化相融合的改进粒子群算法PSO-DE来替代传统梯度下降算法,优化了AWNN网络的迭... 为了降低可再生能源机组波动性对电网运行的影响,基于模型预测的思想对当前应用于功率预测的自适应小波网络(AWNN)参数迭代求解方法进行了优化。使用与差分进化相融合的改进粒子群算法PSO-DE来替代传统梯度下降算法,优化了AWNN网络的迭代方式。PSO-DE算法一方面借助差分进化算法中的遗传、变异及交叉机制提升了粒子种群间的信息流通效率;另一方面则通过惯性权重因子和束缚机制将粒子束缚在指定区间内波动,从而避免了算法在优化求解时陷入局部最优解的情况。基于广东某地区的光伏发电数据集进行了算法仿真,结果表明在引入PSO-DE算法后模型的主要性能指标显著提升,有效提高了可再生能源的功率预测精度。 展开更多

关键词 功率预测 新能源 粒子群优化 差分进化 自适应小波网络 数据分析

下载PDF 职称材料

考虑新能源不确定性的调度计划安全稳定校核方法

6

作者 周海锋 徐伟 +2 位作者 沙立成 孙泽伦 陈峻楠 《电力工程技术》 北大核心 2024年第3期63-70,共8页

基于发生概率最高的新能源功率预测数据进行确定性调度计划安全稳定校核,其结论与电网实际情况相差较大。为提高安全稳定校核结果的适应性,提出一种考虑新能源不确定性的调度计划安全稳定校核方法。基于传统确定性调度计划安全稳定量化... 基于发生概率最高的新能源功率预测数据进行确定性调度计划安全稳定校核,其结论与电网实际情况相差较大。为提高安全稳定校核结果的适应性,提出一种考虑新能源不确定性的调度计划安全稳定校核方法。基于传统确定性调度计划安全稳定量化评估结果,构建计及新能源场站预测功率置信区间约束的安全稳定裕度最小化模型,实现高风险计划方式的有效识别。基于有功灵敏度对新能源场站进行等值聚合和不确定性变量降维,提高安全稳定裕度最小化模型的求解效率。基于并行处理平台进行调度计划多方式分组并行安全校核,得到考虑新能源功率预测不确定性的安全稳定校核结果。所提方法可有效提升高比例新能源电网调度计划安全稳定校核的准确性和时效性。实际电网算例验证了所提方法的有效性。 展开更多

关键词 新能源发电 功率预测 新能源出力不确定性 调度计划 高风险计划方式 安全稳定校核

下载PDF 职称材料

基于DenseNet卷积神经网络的短期风电预测方法

7

作者 殷林飞 蒙雨洁 《综合智慧能源》 CAS 2024年第7期12-20,共9页

风能作为一种清洁、可再生的能源,在能源转型中扮演着至关重要的角色,准确预测风电出力对电力系统的安全高效运行非常重要,然而风速的波动性和随机性,对风电预测带来了挑战。为了提高风电预测的准确性,提出了一种基于DenseNet卷积神经... 风能作为一种清洁、可再生的能源,在能源转型中扮演着至关重要的角色,准确预测风电出力对电力系统的安全高效运行非常重要,然而风速的波动性和随机性,对风电预测带来了挑战。为了提高风电预测的准确性,提出了一种基于DenseNet卷积神经网络的短期风电预测模型。该模型通过精简DenseNet201网络得到了拥有出色的密集连接结构和适当深度、宽度的DenseNet160网络,不仅能缓解训练过程中梯度消失现象,还能通过密集连接将浅层的信息反映到深层,实现深度监督。基于巴西纳塔尔地区378 d的风力数据集,采用DenseNet160网络以及27种算法对未来一天的风力发电情况进行预测。结果表明:DenseNet160网络的平均绝对误差、均方误差以及平均绝对百分误差比其他算法分别降低了至少10.89%,4.98%,8.68%;同时,与使用相同数据集的混合经济模型相比,DenseNet160网络的MAE值小了25.56%。说明该模型能精准地拟合风力发电数据,获得可靠的风力预测结果。 展开更多

关键词 风电预测 可再生能源 DenseNet 卷积神经网络 密集连接 梯度消失

下载PDF 职称材料

基于分层模糊神经网络的边缘侧光伏发电能量预测

8

作者 张树华 王继业 +2 位作者 王辰 赵传奇 张鋆 《现代电力》 北大核心 2024年第3期490-499,共10页

以分布式光伏为代表的新能源广泛接入,带来业务实时响应、台区内智能分析处理等新需求,目前关于分布式新能源消纳本地自治的解决方案还鲜见报道,新能源消纳的关键在于光伏发电的准确预测与边缘物联装置研制。基于电网调度物联网,面向台... 以分布式光伏为代表的新能源广泛接入,带来业务实时响应、台区内智能分析处理等新需求,目前关于分布式新能源消纳本地自治的解决方案还鲜见报道,新能源消纳的关键在于光伏发电的准确预测与边缘物联装置研制。基于电网调度物联网,面向台区自治快速响应的需求,提出一种结合台区能量路由器的新能源消纳本地自治解决方案,研制面向分布式新能源消纳的能源控制器,并基于分层模糊神经网络算法对光伏发电的能量进行预测。研究表明,所研制的能源控制器以及提出的分层模糊神经网络模型在边缘侧台区自治中具有一定的效果和优势。 展开更多

关键词 能量路由器 分布式光伏 发电预测模型 新能源消纳

下载PDF 职称材料

基于调控云的新能源运行监测与调度系统的应用浅析 被引量：4

9

作者 史清芳 唐卫华 +1 位作者 刘胜利 周益华 《电工技术》 2021年第24期197-199,共3页

随着我国新能源装机占比越来越大,大范围资源优化调度与清洁能源消纳给电网安全经济运行带来越来越大的压力。在电网现有的调控云的基础上,将新能源的应用移植到调控云上,基于调控云平台实现对新能源并网的监测与调度,可有效提高电网对... 随着我国新能源装机占比越来越大,大范围资源优化调度与清洁能源消纳给电网安全经济运行带来越来越大的压力。在电网现有的调控云的基础上,将新能源的应用移植到调控云上,基于调控云平台实现对新能源并网的监测与调度,可有效提高电网对新能源的消纳能力。 展开更多

关键词 调控云 新能源监控 新能源功率预测 分布式电源 储能电站 新能源消纳

下载PDF 职称材料

基于ESN的光伏发电功率预测模型研究 被引量：3

10

作者 彭光虎 马景超 +2 位作者 龚文杰 段晓燕 张智晟 《青岛大学学报（工程技术版）》 CAS 2015年第3期12-15,32,共5页

针对传统神经网络学习算法复杂且稳定性差的问题,本文基于回声状态神经网络,提出了光伏发电功率预测模型。回声状态神经网络的隐含层是一种动态储备池结构,具有回声状态属性,不仅增强了网络预测的稳定性,而且只需采用线性算法即可求得... 针对传统神经网络学习算法复杂且稳定性差的问题,本文基于回声状态神经网络,提出了光伏发电功率预测模型。回声状态神经网络的隐含层是一种动态储备池结构,具有回声状态属性,不仅增强了网络预测的稳定性,而且只需采用线性算法即可求得网络输出权值,简化了训练过程,同时克服了传统神经网络收敛速度慢和易陷入局部极小的问题。并利用实际光伏发电站的历史数据和气象数据进行仿真验证。仿真结果表明,ESN预测模型的平均预测误差和最大预测误差分别比BP-NN预测模型提高了13.52%和102.26%,表明ESN预测模型的预测精度明显高于BP-NN预测模型;而且无论从预测精度还是稳定性,ESN预测模型都好于BP-NN预测模型,从而验证了ESN预测模型的可行性。该研究为光伏发电功率模型的实用化提供了理论基础。 展开更多

关键词 光伏发电功率预测 回声状态网络 储备池计算 新能源

下载PDF 职称材料

适合云南地区风功率预测的数值天气预报系统研究 被引量：2

11

作者 剡文林 闫涵 杨永强 《水利水电技术》 CSCD 北大核心 2018年第6期204-213,共10页

为了探寻适合云南地区风功率预测的数值天气预报系统,利用GFS资料为中尺度模式WRF提供初始场和边界条件,评估了不同模式分辨率、参数化方案对云南地区风速模拟结果的影响。结果表明:对于云南地区,3 km分辨率风速模拟效果总体上优于9 km... 为了探寻适合云南地区风功率预测的数值天气预报系统,利用GFS资料为中尺度模式WRF提供初始场和边界条件,评估了不同模式分辨率、参数化方案对云南地区风速模拟结果的影响。结果表明:对于云南地区,3 km分辨率风速模拟效果总体上优于9 km分辨率;不同参数化方案对于风速模拟效果影响较大,其中第3套参数化方案(长波辐射方案选用Earth Held-Suarez,短波辐射方案选用RRTMG,陆面过程选用Noah,积云对流方案选用Kain-Fritsch,行星边界层方案选用YSU)为云南地区的最优化方案,其模拟结果与观测资料均方根误差最小(区域平均均方根误差约为1.67 m/s,17个观测站点平均均方根误差约为3.30 m/s)。进一步结合功率预测模型分析表明,较优的分辨率-参数化组合方案可以提升云南地区风电场功率预测合格率达9.68%~38.71%。研究成果对提高云南地区风电场功率预测水平、制定合理消纳风电计划具有一定的指导意义。 展开更多

关键词 风功率 云南 数值天气预报 WRF 新能源 清洁能源 电力系统稳定性 电网安全运营

下载PDF 职称材料

基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测 被引量：6

12

作者 康文豪 徐天奇 +2 位作者 王阳光 邓小亮 李琰 《水利水电技术（中英文）》 北大核心 2022年第2期163-172,共10页

为了解决风电功率的间歇性与非平稳性带来的功率预测难度,提出了一种基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测方法。在对风电功率进行预测之前,对风电功率数据进行预处理。首先引入自适应噪声完备集合经验模... 为了解决风电功率的间歇性与非平稳性带来的功率预测难度,提出了一种基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测方法。在对风电功率进行预测之前,对风电功率数据进行预处理。首先引入自适应噪声完备集合经验模态分解(CEEMDAN)方法分解风电功率原始序列,并计算各分解分量的精细复合多尺度熵(RCMSE)。然后,将熵值相近的分量序列重组成新序列,以降低模型复杂度和提高计算效率。在预测阶段,对重组之后的序列分别建立Stacking集成学习模型进行风电功率短期预测,最后对预测结果进行重组。通过新疆某风电场实测数据证明:结合各单一预测模型优点的Stacking集成学习模型方法与其4种基学习器KNN、RF、SVR和ANN相比,Stacking模型具有更高的风电预测准确度。在同等条件下,CEEMDAN-RCMSE-Stacking模型均方根误差相比单一的Stacking模型及EMD-RCMSE-Stacking模型分别减少了20.34%和9.74%,平均绝对误差分别减少了24.55%和6.35%,而拟合优度系数分别提高了4.09%和1.62%,即CEEMDAN-RCMSE-Stacking模型拥有更高的预测性能。 展开更多

关键词 短期风电功率预测 CEEMDAN 精细复合多尺度熵 Stacking集成学习 影响因素 新能源 清洁可再生能源

下载PDF 职称材料

基于特征工程和MRFO-ET的短期风电功率预测 被引量：3

13

作者 康文豪 徐天奇 +2 位作者 王阳光 邓小亮 李琰 《水利水电技术（中英文）》 北大核心 2022年第3期185-194,共10页

为解决风电历史数据挖掘不充分导致的预测精度不高问题,提出一种基于特征工程、蝠鲼觅食优化算法(Manta Ray Foraging Optimization,MRFO)和极端随机树(Extremely Randomized Trees,ET)模型的短期风电功率预测方法。首先对时间特征提取... 为解决风电历史数据挖掘不充分导致的预测精度不高问题,提出一种基于特征工程、蝠鲼觅食优化算法(Manta Ray Foraging Optimization,MRFO)和极端随机树(Extremely Randomized Trees,ET)模型的短期风电功率预测方法。首先对时间特征提取小时属性特征,并通过对风速、风向和温度等原始气象特征进行特征创造,从而充分挖掘历史数据的隐含信息,同时通过PCA方法降低数据维度。其次,将降维后的数据输入ET模型,并利用MRFO优化ET模型的参数;最后,以新疆某风电场实测数据进行了算例仿真。结果表明:与5种典型机器学习模型相比,ET模型具有更高的风电预测准确度。与单一ET模型相比,特征工程-ET模型较大程度地提高了预测精度,验证了特征工程方法的有效性。在同等条件下,特征工程-MRFO-ET模型比使用特征工程-ET模型均方根误差和平均绝对误差分别降低了29.46%和36.54%,而拟合优度系数提高了3.97%。与此同时,特征工程-MRFO-ET模型也比特征工程-GA-ET模型和特征工程-PSO-ET模型拥有更高的预测精度。研究成果可为解决短期风电功率预测问题提供了一种新的思路。 展开更多

关键词 短期风电功率预测 特征工程 主成分分析 蝠鲼觅食优化算法 极端随机树 新能源 影响因素 人工智能算法

下载PDF 职称材料