多位置NWP与非典型特征提升风电短期预测精度

本文主要探讨了"考虑多位置NWP和非典型特征的短期风电功率预测"这一主题，由宋家康等人在浙江大学电气工程学院完成。在现代电力系统中，数值天气预测（NWP）对于短期风电功率预测至关重要，因为NWP提供了关键的气象数据，如风速、风向、温度、湿度和气压等，这些是传统模型预测的基础。然而，通常这些模型仅限于单一位置的NWP特征。 作者指出，尽管常规模型倾向于依赖于五类典型的NWP特征，但为了充分利用NWP的全部信息，他们对非典型特征的潜力进行了深入研究。非典型特征可能包括如湍流强度、风切变等，这些因素虽然在常规模型中较少被关注，但在实际风电场的短期功率预测中可能具有显著的影响。 论文进一步提出了一种创新的方法，即结合多位置NWP信息与非典型特征，通过最大相关-最小冗余原则来选择和提取输入变量。这种方法旨在找出最能反映风力发电功率变化趋势的组合，从而提高预测的准确性。与传统的主成分分析方法进行了对比，结果显示，这种多位置NWP和非典型特征的结合策略在提升预测精度方面表现出了明显的优势。 此外，该研究发表在《电网技术》杂志上，2018年第10期，具有较高的学术价值和实践意义。文章的编号为1000-3673（2018）10-3234-07，属于TM614类别，文献标志码为A，学科代码为470.40，表明其涵盖了电力系统技术和气象学领域。 这篇论文为我们提供了一个全新的视角，即通过扩展NWP的维度和挖掘非典型特征，可以显著改进短期风电功率预测的性能，这对于优化风电调度、降低风电并网系统的不确定性以及提升可再生能源利用效率具有重要的科学和技术指导作用。