APP下载

一种基于改进的HHT短期风电功率预测方法*

2018-08-30宁康廖晓辉

电测与仪表 2018年15期
关键词:模态效应方法

宁康,廖晓辉

(郑州大学 电气工程学院, 郑州 450001)

0 引 言

随着风力发电在中国日益兴起,风电并网功率不断增加,兼之,风力发电随机、波动以及间歇性的变动特征,风电并网对电力系统要求的安全、可靠以及经济性的影响也日益显著[1]。因此,对于风电功率的预测,要求也更加精准。

因为风电的这些特点,文章挑选HHT(Hilbert-Huang Transform)作为主要的预测方法。HHT算法与傅里叶变换、小波变换等传统方法的优势之处在于:HHT算法不需要基函数,且自适应性强,不仅能够处理平稳信号,对于非平稳信号的处理也有着非常好的效果。HHT算法能够获得信号中各次分量的瞬时参数信息,可以完整地表现出信号随时间变化频率、能量分布的关系[2]。最初风电功率的短期预测,方法大部分基于较为单一的数据预测模型,例如卡尔曼滤波法、时间序列法、人工神经网络法、支持向量机、模糊逻辑法等[3]。近些年,究人员提出综合利用多种预测方法组合的方式,一定程度上提高了精度[4]。

文献[5]在考虑到风机尾流及环境等因素的基础上,将RBF子网和BP神经网络子网两种预测方法有效地结合在一起,从而对风电功率进行预测,此方法环境原因的限制较大。文献[6]利用CFD模型对于条件离散化的风电场来流进行预计算,以中尺度数值天气预报数据插值对风电功率进行预测。此方法对于数值天气预报数据本身的误差十分敏感,对于数据的依赖性较强。文献[7]在风电场四周建设测风点,由于不同方位风速具有关联性,对风电进行预测。……

登录APP查看全文

猜你喜欢

模态效应方法
铀对大型溞的急性毒性效应
懒马效应
应变效应及其应用
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
基于HHT和Prony算法的电力系统低频振荡模态识别
由单个模态构造对称简支梁的抗弯刚度
多模态话语模态的协同及在外语教学中的体现