濮阳百姓:人工智能在预测单机风电功率上的应用希望

安庆新闻网/2020-04-02/ 分类:安庆科技/阅读:

北极星风力发电网讯:单机风电功率预测依据风机轮毂风速的汗青数据预测风电功率。风速与功率的高比例干系使得电力调治系统对风电功率预测精度的要求较高,另外,风速具有间隙颠簸性和随机性,使得风速和风电功率序列泛起出很强的非线性。人工智能在处理惩罚非线性预测问题上具有优势,对单机风电功率预测建模有必然的代价。

因此,湖南工业大学的研究人员郭茜、匡洪海、王建辉、周宇健、高闰国,在2020年第2期《电气技能》杂志上撰文,先容了基于人工智能的单机风电功率预测模子的成立进程,叙述了恍惚逻辑等人工智能要领在单机风电功率预测中的应用与特点,探讨了单机风电功率预测模子存在的问题,提出了对提高单机风电功率预测模子机能的一些看法。

2019年5月,国度成长改良委及国度能源局在《关于成立健全可再生能源电力消纳保障机制的通知》中指出,自2020年1月1日起将对各省级可再生能源的消纳程度全面举办监测评价和正式查核。2018年风电操作率达92.8%,但由于受自然条件影响大,风能明明的颠簸性使得电力系统的调治压力较大,电力系统还不可完全适应大局限风能并网。2020年的风电操作率指标为95%。因此,调治系统瞄精确快速地预估风电功率有着切实需求。

风机分为离网型和并网型。前者的功率预测精确率在漫衍式风力发电中要求较高,单机功率预测的机能将直接影响其投入利用时的靠得住性。从集群风电网的角度来看,并网型单机功率预测的误差对集群功率预测的影响是成倍的。

对电场中的每一单机都举办预测的本钱很高,鉴于同一范畴内风速等气象的相似性很高,往往由一台或多台电机的功率预测推算集群风电网功率。无论是离网型单机照旧并网型单机,单机的风电功率预测精度都是影响风力发电普及率的重要因素。因此,对单机功率预测模子及要领的研究变得尤为重要。

今朝学术界已对电场级和集群级功率预测系统中的风电功率预测要领展开了大量研究,海外对风电功率预测的研究起步较海内早,尤其在工程应用方面,海外已有相对完整的全套风电功率预测东西。近十年的海表里学术界对功率预测模子研究中,约17%回收人工智能预测模子,组合模子占比20%阁下,可见风电功率人工智能预测模子是连年来的研究热点,但对比占比54%的统计模子来说还相差较远;研究偏向的偏好上,只有约10%是针对建模问题的研究,大部门的研究会合在预测要领和仿真上。可见人工智能预测模子的研究空间仍较大。

现有的对风电功率人工智能预测模子的研究多会合于电场级和集群级预测,不可满意分手式风机精确快速供能的需求。因此,有部门海表里学者对单机风电功率预测展开了有益的研究。

有学者综述了风电功率预测技能,指出由于气象等随机因素的影响使得单机风电功率预测难度较大,且很多研究都环绕电场级和集群级预测;有学者研究了单机输出功率的颠簸特性,表白预测精度和时间标准成反比,在空间标准上单机功率的颠簸性比电场与集群要强;杨俊友等人提出思量尾流响应的单机功率物理预测要领,在预测模子的成立中思量了随机因素,改进了预测结果,并将单机功率预测引入无功节制计策中,充实操作单机预测的准确性优势,改进了分手式电场的无功调理结果;叶林等人提出操作单机有功预测实现有功节制及校正。可见针对单机功率预测随机性大的特性,海内更多回收或团结物理建模技能来成立单机风电预测模子,且在有功功率和无功功率的节制长举办了打破性的应用摸索;海外则更倾向于回收统计建模技能成立单机风电功率预测模子。

单机风电功率预测模子的成立,按照预测计策的差异分为两类,即物理建模和统计建模。

1)物理建模技能借助气象学对巨大的大气物理进程举办阐明预测,由于风速序列在时间、空间上无纪律、大幅颠簸的特点,难以针对差异机构成立统一的物理模子,对数值天气预报(numerical weather prediction, NWP)的依赖性强,但具有不需要汗青数据的利益。2)统计建模技能是基于统计学思想,操作风速/风电功率时间序列等汗青值对将来值举办回归预测或概率预测。统计模子主要包罗人工智能预测模子。人工智能预测模子对非线性序列的预测问题具有优势,包罗人工神经网络(artificial neural network, ANN)预测模子和支持向量机(support vector machine, SVM)预测模子。湖南工业大学的研究人员阐明白基于ANN及SVM成立的单机风电功率预测模子,梳理了基于恍惚逻辑法、开导式算法(heuristic algorithm, HA)等人工智能技能的单机风电功率预测要领,对单机风电功率预测模子和要领举办总结,对差异模子及要领的黑白举办较量,重点梳理了预测进程中大概发生误差的方面,并展望了大概的研究偏向。

图1 恍惚推理进程

图2 ANFIS预测模子的拓扑布局

研究人员指出,单机风电功率预测模子中,ANN预测模子的拓扑布局紧凑、预测精度较高、迁移机能很好,但需要大量汗青数据,且练习模子的时间长、不易找到全局最优解;SVM预测模子较简朴、鲁棒机能好、预测精度比ANN高,可是核函数的选择条件要求严格、易呈现过拟合的问题。

单机风电功率预测要领中,恍惚逻辑法针对风速的不确定性和随机性,回收ANFIS提取有效信息并预测风电功率,补充了原预测模子不可精确预测功率序列中非平滑部门的缺点;HA对随机信息的捕获本领强,用于调理模子参数。

ANN预测模子在超短期和短期预测中的整体表示优于SVM预测模子,超短期预测功效可帮助风力发电机调理桨叶节距角,短期预测功效可帮助风机节制决定。SVM预测模子更适于中恒久风电功率预测,假如在并网运行情况下,小时级的中期预测用于对风机及其他能源的调治判定,包罗设计创闸能设备的调治打算,以满意对电能质量和功率容量的要求;在分手式漫衍式发电的情况下,同样可作为对漫衍式能源调治的重要参照。

另外,基于SVM的恒久风电功率预测在风电场筹划、年查验打算和风物互补等多能源组合发电的筹划中都是重要的指标依据。

阅读:
扩展阅读:
广告 330*360
广告 330*360

热门文章

HOT NEWS
  • 周榜
  • 月榜
安庆新闻网
微信二维码扫一扫
关注微信公众号
新闻自媒体 Copyright © 2002-2019 安庆新闻网 版权所有
二维码
意见反馈 二维码