《考慮功率預測的風電場有功功率預測控制策略研究》是依託中國農業大學，由葉林擔任項目負責人的面上項目。
基本介紹
- 中文名：考慮功率預測的風電場有功功率預測控制策略研究
- 依託單位：中國農業大學
- 項目負責人：葉林
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
本項目擬以風電場非平穩的風電數據序列為研究對象，在數據辨識和風電場動態等值建模基礎上，建立一種自適應插值的變時間尺度超短期功率預測模型；分析風電功率預測誤差的機率分布特性、估計表征預測誤差不確定性分布的置信區間；研究基於空間相關性的風電功率波動特性，揭示風電功率隨時間、空間變化基本規律；建立基於數值天氣預報的降、降尺度功率預測模型研究，開展基於空間相關性的短期風電功率預測模型研究；結合超短期風電功率預測，提出風電場模型預測控制策略及算法，對風機/風電場的輸出功率進行滾動預測控制，建立多時間尺度風電功率預測的調度控制策略，對風電場的輸出功率進行預測控制和協調最佳化調度，可將併網運行風電的不確定性轉化為量化的可預測、可控性，有效的降低風電隨機性、波動性對電網安全穩定運行的影響，提高風電消納能力，為風電場併網安全經濟運行提供科學決策依據和理論基礎。
結題摘要
本項目緊緊圍繞大規模風電併網有功功率隨時間空間變化規律、多時間空間尺度風電功率預測研究、風電功率預測誤差的機率分布特性和考慮功率預測信息的風電場有功功率預測控制策略等領域開展科學研究。 基於時空相關性理論，研究了風電功率隨時間、空間變化的基本規律，為風電功率預測奠定理論基礎。針對單體風電功率預測模型的局限性，提出了基於可變向量遺忘因子的自適應指數動態優選組合預測模型，提高風電功率預測精度。考慮到風速的隨機變化引起風電功率波動和影響風電功率預測精度，提出一種基於變尺度時間視窗和波動特徵提取的短期風電功率組合預測方法，採用最大相關–最小冗餘特徵選取的方法選取數值天氣預報數據中最優特徵子集，使用神經網路模型對區域風電功率進行預測。進一步，以多元統計分析為基礎，採用多元時間序列模型向量自回歸模型來表征風電場之間的空間相關性並將其用於風電功率預測,提高風電場短期和超短期功率預測的RMSE精度3-5.5%。針對超短期風電功率預測誤差的特點，建立一種結合預測誤差幅值特性和波動性特點的預測誤差分層分析模型。在機率密度特性提取部分，採用改進後的廣義誤差分布模型對預測誤差機率密度分布進行擬合。該誤差分析方法結合了誤差模型預測和誤差機率密度擬合兩種方法的優點，可以更為準確地對超短期風電功率預測誤差進行分析和補償。基於風電功率超短期-短期預測信息，提出了風電場有功功率多目標分層遞階預測控制分析方法，建立了多時間尺度風電功率預測的調度控制策略，提出了基於隨機預測控制和功率波動相關性的風電集群最佳化調度方法，可將併網運行風電的不確定性轉化為量化的可預測、可控性，為風電場併網安全穩定運行提供了科學理論基礎和決策依據。 依託本項目的資助，課題組先後在國際上IEEE Trans. on Power Systems/Sustainable Energy/Smart Grid、Applied Energy、Renewable Energy 等ESI前5%-10%頂級期刊發表原創性高水平SCI收錄論文7篇；在《中國電機工程學報》、《電力系統自動化》、《電網技術》等國內頂級雜誌上發表了26篇EI收錄研究論文。其中2篇論文入選2018年中國電機工程學會百篇優秀論文、2篇論文入圍2016年中國電力期刊論文下載量TOP50；授權發明專利6項，獲計算機軟體著作權11項。培養11名博士/碩士研究生。
