科技与创新
科技與創新
과기여창신
Science and Technology & Innovation
2015年
19期
4-6
,共3页
潘志刚%刘三明%李莹%朱晓伟%杨阳
潘誌剛%劉三明%李瑩%硃曉偉%楊暘
반지강%류삼명%리형%주효위%양양
风电场%数值天气预报%功率预测%深度学习网
風電場%數值天氣預報%功率預測%深度學習網
풍전장%수치천기예보%공솔예측%심도학습망
对风电功率进行有效预测能够减少风电接入对电网的不良影响,利于电网调度.以上海某风场为对象,基于深度学习网络建立了功率智能预测的模型,并对该模型的实用性进行探讨,以探究预测精度更高的功率预测方法.首先对数值天气预报(Numerical Weather Prediction,NWP)数据和风电场数据进行分析处理,然后基于深度学习网络建立数值天气预报数据的校正模型,并仿真该模型,将计算得到校正后的数值天气预报数据作为功率输出模型的输入参数,最后基于深度学习网络建立考虑风速、风向、温度、气压和历史功率的风机功率输出模型,并仿真该模型,预测24 h内各风机的有功输出情况.预测过程和结果显示,基于深度学习网络的智能功率预测模型能够提高短期功率预测的精度,且基于深度学习网络的数值天气预报校正能有效修正模型的输入误差.
對風電功率進行有效預測能夠減少風電接入對電網的不良影響,利于電網調度.以上海某風場為對象,基于深度學習網絡建立瞭功率智能預測的模型,併對該模型的實用性進行探討,以探究預測精度更高的功率預測方法.首先對數值天氣預報(Numerical Weather Prediction,NWP)數據和風電場數據進行分析處理,然後基于深度學習網絡建立數值天氣預報數據的校正模型,併倣真該模型,將計算得到校正後的數值天氣預報數據作為功率輸齣模型的輸入參數,最後基于深度學習網絡建立攷慮風速、風嚮、溫度、氣壓和歷史功率的風機功率輸齣模型,併倣真該模型,預測24 h內各風機的有功輸齣情況.預測過程和結果顯示,基于深度學習網絡的智能功率預測模型能夠提高短期功率預測的精度,且基于深度學習網絡的數值天氣預報校正能有效脩正模型的輸入誤差.
대풍전공솔진행유효예측능구감소풍전접입대전망적불량영향,리우전망조도.이상해모풍장위대상,기우심도학습망락건립료공솔지능예측적모형,병대해모형적실용성진행탐토,이탐구예측정도경고적공솔예측방법.수선대수치천기예보(Numerical Weather Prediction,NWP)수거화풍전장수거진행분석처리,연후기우심도학습망락건립수치천기예보수거적교정모형,병방진해모형,장계산득도교정후적수치천기예보수거작위공솔수출모형적수입삼수,최후기우심도학습망락건립고필풍속、풍향、온도、기압화역사공솔적풍궤공솔수출모형,병방진해모형,예측24 h내각풍궤적유공수출정황.예측과정화결과현시,기우심도학습망락적지능공솔예측모형능구제고단기공솔예측적정도,차기우심도학습망락적수치천기예보교정능유효수정모형적수입오차.
