第
27
卷第
3
期
2011
年
6
月
上海电力学院学报
Joumal
of
Shanghai
Univ
巳
rsity
of
Electric
Power
文章编号
1006
-4729(2011
)03
-0247
-05
凤电场风速预测的研究方法
陈丹丹,李永光,张莹,刘祥
(上海电力学院能源与环境工程学院,上海
200090)
Vo
l.
27
,
No.3
June
2011
摘
要:介绍了国内外风速预测的主要方法及其基本原理,并分析了各自特点,通过比较各算例的精度,找出
了影响预测结果的因素,并指出了改进预测方法的发展方向.
关键词:风速预测;人工神经网络;卡尔曼滤波;时间序列
中圈分类号:
TK81
文献标志码
A
Prediction Methods
of
Short-
Term
Wind Power in
Wind Power
Plant
CHEN
Dan-dan
,口
Yong-
♂
lang
,
ZHANG Ying, LIU Xiang
(School
of
Thermal Puwer & Environmental Engineering , Shanghai University
of
Electirc Puwer , Shanghai
2
∞
090
,
China)
Abstract:
The main research methods are artificial neural network , kalman filter , time series
analysis and its derivative methods. The basic principles of each method are introduced and their
characteristics are analyzed. The possible
factor
百
which
affect the precision of the prediction method
are analyzed through examples. Research trend which includes the improvement of existing methods
,
and use of different methods is predicted.
Key
words:
wind-speed prediction; artificial neural network; kalman filter; time series
风能是重要的绿色能源,随着风力发电成本
的大幅下降,已具有与传统发电能源竞争的潜
力
[1
,
2]
但由于受温度、气压、地形、地理位置等诸
多因素的影响,风能具有很强的随机性,因此风力
发电的稳定性较差,并网后会严重影响电能质量
和电力系统的正常运行
[1
,
3
,
4]
风电装机容量增加
后,为了抑制风电波动给电网带来的冲击,需相应
增加常规机组的旋转备用容量,这会增加系统的
运行费用口,叫.通过研究发现,如果能对风电场
风速作出较准确的预测,则有利于及时调整电网
收稿日期:
2010 -
11
-
15
的调度计划,以提高风电的经济性
[5
占
14]
此外,由
于风电设备运行的环境较为恶劣,易出事故,因此
也需要对风场的风速作出预测
[9]
目前,国内外
对于风电场风速的预测一般可分为用于风电场规
划设计的中长期预测,用于电力系统的功率平衡
和调度、交易、暂态稳定评估等的
30
min
到
72h
的短期预测,以及用于发电系统控制的分钟级超
短期预测[矶山
8]
比较常用的方法有人工神经网
络法
[5
,
11
,
19-23]
、卡尔曼滤波法
[24
,
25]
、时间序列
法
[26
,
27]
等.
通讯作者简介:陈丹丹
(1985
- )
,女,在读研究生,江苏兴化人.主要研究方向为风电场发电功率的预测研究.
E-mail: cdd19851030@sina.com.