推荐产品

改动的混合多步风速展望模型


  在当前全球变暖的背景下,传统化石燃料带来的二氧化碳和污染排放题目日趋紧张,亟需探求清洁的替换能源。风能是一种清洁的可再生能源,将风能作为驱动力的风力发电技术有望成为将来清洁能源系统中的紧张组一员。但因为近地面风速存在间歇性和波动性,导致风力发电的功率输出是不稳固的,这对电网调度和稳固运行带来困难,紧张时甚至会威胁电网安全。因此,发展稳固、可靠的近地面风速展望技术,是保障风电场和电网高效及稳固运行的关键技术之一。 

  在近期Atmospheric and Oceanic Science Letters刊发的论文中,河北师范大学研究生张晔与来自中科院大气物理研究所和兰州大学的研究人员共同开发了三种混合多步展望模型,分别称为CS-WD-ANNCS-WNNCS-WD-WNN模型,用于风电场区域的风速多步展望题目。模型基于小波分解(WD)、布谷鸟搜索优化算法(CS)和小波神经网络(WNN),通过数据预处理、神经网络计算和参数优化进行混合建模,并使用我国山东省两个风电场的历史风速数据进行测试和分析。效果注解,CS-WD-WNN模型的统计偏差最小,多步展望结果最佳。进一步,与已有的BPNNPersistARIMAWNNPSO-WD-WNN等风速展望模型进行了对比,效果表现CS-WD-WNN优于上述模型,能够为风电场提供可靠的多步风速展望效果。 

  图1. 中国山东省某风电场

 

2.. 开发的三种模型与其他模型的超前三步风速展望效果对比:(a1)山东省平阴风电场二期2014125日的风速展望效果;(a2)山东省紫荆风电场2014211日的风速展望效果;b1b2)展望偏差的箱型图。 

    

  论文信息: Zhang, Y., S. Yang, Z. Guo, Y. Guo, and J. Zhao. 2019. "Wind SPEed forecasting based on wavelet decomposition and wavelet neural networks optimized by the Cuckoo search algorithm." Atmospheric and Oceanic Science Letters 12(2):107115. doi:10.1080/16742834.2019.1569455. 

  论文链接: https://doi.org/10.1080/16742834.2019.1569455


Copyright© 2003-2012    版权所有   公司地址:北京丰台区丰台北路32号华盛写字楼B8058 邮 编:110023
联系电话:15010539992 010-63845660      
   备案号:京ICP备20001697号-1