导读:本文包含了风电功率论文开题报告文献综述及选题提纲参考文献，主要关键词:风电功率预测,关键要素,约翰森协整,格兰杰因果检验
风电功率论文文献综述
丘刚,李国庆,张德亮,肖桂莲,刘大贵[1]（2019）在《基于约翰森协整及格兰杰因果检验的风电功率关键要素辨识与预测方法》一文中研究指出准确辨识影响风电功率走势的关键因素是开展风电功率预测的前提和基础,特别是在中长期风电功率预测中,需要综合考虑温度、气压、降水等多种因素。面对数量庞大的相关因素,辨识出与中长期风电功率趋势相关性最高的关键要素尤为重要。借鉴计量经济学相关原理,介绍了约翰森协整校验和格兰杰因果检验的基本概念与实施方法;在此基础上构建了基于约翰森协整与格兰杰因果检验的风电功率关键要素辨识方法,并采用支持向量机技术,提出了面向多要素的风电功率预测方法;最后基于某风电场实际数据构造算例,验证了所提出方法的有效性。(本文来源于《供用电》期刊2019年12期）
杨茂,杨春霖,杨琼琼,苏欣[2]（2019）在《计及风向信息的风电功率异常数据识别研究》一文中研究指出针对目前风电功率异常数据识别的算法复杂繁琐且识别效果不理想,算法通用性差,对复杂多变的风电功率数据难以有效甄别等问题,依据实测风速功率数据中异常数据来源的特征提出一种不同风向上的不同风速区间内异常数据的识别方法。该算法基于不同风向上不同风速区间的组内最优方差来识别其相应的异常数据,最后经归类整理后识别出机组全部的异常数据。研究结果表明该算法可有效识别风电异常数据。(本文来源于《太阳能学报》期刊2019年11期）
张家安,李轩,郭凌旭,李雪菲,陈建[3]（2019）在《基于平滑效应和风资源相关性的区域风电功率波动平抑方法》一文中研究指出基于Copula函数和Pair-Copula建立多地风速的时空相关性模型,使模拟的风速序列在时间与空间维度上的相关性与实测数据一致,进而以区域风电总容量为约束,对多个风电场间的容量配置比例进行优化,通过获取区域风电最大平滑效应来降低风电总出力的波动性,并定义了风电出力波动平抑率作为风电波动性的评价指标。分析区域风电容量配置优化对弃风、风电出力波动平抑率的影响和储能对平抑风电出力波动的影响及风电出力波动平抑率与储能系统容量配置的关系,由此验证方法的有效性。(本文来源于《太阳能学报》期刊2019年11期）
杨锡运,康宁,杨雨薇,苏杰[4]（2019）在《基于EEMD的SOA-KELM风电功率概率性短期区间预测》一文中研究指出针对风电功率概率短期区间预测问题,提出了基于集合经验模态分解(EEMD)与人群搜索算法(SOA)优化的核极限学习机(KELM)模型。首先,在风电功率非平稳性时频分析的基础上,利用EEMD将原始风电功率序列分解为不同的子序列,并对各EEMD子序列建立基于上下限直接估量的预测子模型。然后,使用SOA寻求KELM子模型输出权值上下限的最优解,以优化模型预测性能。最后,以实际数据为算例,将本文模型与粒子群优化(PSO)算法优化的5种预测模型进行对比。结果表明:EEMD-SOA-KELM模型收敛速度更快且全局收敛,可获得更加可靠优良的区间预测结果。(本文来源于《动力工程学报》期刊2019年11期）
张峰,张鹏,梁军[5]（2019）在《考虑风电功率不确定性的风电场出力计划上报策略》一文中研究指出利用多场景生成的方法对次日风电场出力的不确定性进行描述,并对蓄电池储能和旋转备用的购买机制进行了数学建模,将二者纳入风电场日前收益期望模型中。借鉴当前电力市场的分时电价政策,以风电场日收益期望值最大为目标,提出了风电场上报出力计划的最佳策略。该上报策略通过对风电场历史出力数据的统计分析获得风功率预测误差的分布特性,考虑了风功率预测误差对次日风电场运行经济性的影响,以风电场日运行经济性最优为原则确定了风电场的日前上报功率。算例结果表明,所提上报策略不仅提高了风电场的运行经济收益,还增加了储能的利用效率。(本文来源于《电力自动化设备》期刊2019年11期）
钟以林,徐文保[6]（2019）在《概率密度法在风电功率波动特性分析的应用》一文中研究指出风力的不确定性和波动性,使得风电具有不确定性,这给电网的安全与运行带来了诸多问题。研究风电波动特性,可以有效地提高风能所占发电比例的同时,确保电网运行的的稳定性。而核密度估计法研究是挖掘风力出力的特征的重要一种方法,本文对风电出力核密度方法在风电波动特性分析上的运用进行了一个归纳与总结,并分析了其优缺点。(本文来源于《电子世界》期刊2019年20期）
杨茂,杨春霖,董骏城[7]（2019）在《基于预测误差分布优化模型的风电功率超短期概率区间预测研究》一文中研究指出提出一种基于预测误差分布优化模型的风电功率概率区间预测方法。由于风功率数据存在显着的时间相依结构,该方法首先对预测功率按出力不同进行划分,以划分区段内的预测误差为统计样本,分别采用多种分布模型拟合误差概率密度,通过拟合指标选择优化模型,进而求解该分布模型的累积概率,并通过计算指定置信水平下的置信区间进行概率区间预测。利用性能指标比较典型单一分布模型和优化模型的预测结果,表明基于优化模型的概率性预测区间覆盖率更高、平均带宽更窄、精度更好、效果更优。(本文来源于《太阳能学报》期刊2019年10期）
王俊,陈堂贤,王雅琪,周旖辉,陈聪[8]（2019）在《基于混合储能的VSC-HVDC在风电功率平衡中的研究》一文中研究指出风能是一种间歇式的能源,大规模风电并网对电网的发展有重要意义,但对并网技术提出了更高的要求。根据柔性直流输电系统的数学模型,应用DC/DC变换器控制储能装置与电网系统功率的双向流动。送端换流站的解耦控制器实现了风电场输出功率的独立控制,受端换流站则采用储能装置充放电功率偏差值,以作为直流电压控制器附加信号的控制策略。在Matlab/Simulink平台对风电场经有源型柔性直流输电系统接入电网进行仿真分析,结果表明该方案能保持受端交流母线功率稳定。(本文来源于《电工材料》期刊2019年05期）
谷青发,饶宇飞,李朝晖,刘芳冰,任鹏凌[9]（2019）在《基于离散傅里叶变换和实时风电功率平抑的电池储能系统优化控制策略》一文中研究指出提出了一种基于离散傅里叶变换的电池储能系统优化控制策略,用于实时平抑风电功率的波动。该方法分为日前优化和实时修正两个方面。日前优化将未来一天预测风电功率作为研究对象,对该时间序列进行离散傅里叶变换,将需要平抑的频率分量作为优化变量,以最小化风电功率波动作为优化目标,建立电池储能系统优化模型,得到电池储能系统日前控制功率。实时修正根据当天实时风电功率对日前控制功率进行修正,并设计了基于充放电限制的功率修正原则,用于防止储能系统提前进入饱和状态。算例结果表明,所提出的控制策略可以实时有效地平抑风电功率的波动。(本文来源于《电气应用》期刊2019年10期）
杨茂,王金鑫,都键[10]（2019）在《基于极限学习机与格兰杰检验的风电功率缺失数据补齐》一文中研究指出风电场输出功率的完整性对于研究人员后续的数据分析工作具有重要的意义.文中分别从时间和空间入手,提出一种基于极限学习机与格兰杰检验的风电功率缺失数据补齐方法.首先,提出一种输出权重优化的极限学习机,对缺失点后的数据建立目标约束,综合考虑缺失数据段前、后的数据,进行时间上的补齐;然后,将格兰杰因果检验运用在数据补齐模型中,找到空间上与功率缺失风机对应的因果风机,进行空间上数据的补齐;最后,运用多重插补法,将两组数据补齐结果进行组合.就单机与多机的数据缺失情况进行补齐,通过与自适应神经模糊推理模型进行效果比较,补齐效果有明显的提高.(本文来源于《东北电力大学学报》期刊2019年05期）
风电功率论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对目前风电功率异常数据识别的算法复杂繁琐且识别效果不理想,算法通用性差,对复杂多变的风电功率数据难以有效甄别等问题,依据实测风速功率数据中异常数据来源的特征提出一种不同风向上的不同风速区间内异常数据的识别方法。该算法基于不同风向上不同风速区间的组内最优方差来识别其相应的异常数据,最后经归类整理后识别出机组全部的异常数据。研究结果表明该算法可有效识别风电异常数据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
风电功率论文参考文献
[1].丘刚,李国庆,张德亮,肖桂莲,刘大贵.基于约翰森协整及格兰杰因果检验的风电功率关键要素辨识与预测方法[J].供用电.2019
[2].杨茂,杨春霖,杨琼琼,苏欣.计及风向信息的风电功率异常数据识别研究[J].太阳能学报.2019
[3].张家安,李轩,郭凌旭,李雪菲,陈建.基于平滑效应和风资源相关性的区域风电功率波动平抑方法[J].太阳能学报.2019
[4].杨锡运,康宁,杨雨薇,苏杰.基于EEMD的SOA-KELM风电功率概率性短期区间预测[J].动力工程学报.2019
[5].张峰,张鹏,梁军.考虑风电功率不确定性的风电场出力计划上报策略[J].电力自动化设备.2019
[6].钟以林,徐文保.概率密度法在风电功率波动特性分析的应用[J].电子世界.2019
[7].杨茂,杨春霖,董骏城.基于预测误差分布优化模型的风电功率超短期概率区间预测研究[J].太阳能学报.2019
[8].王俊,陈堂贤,王雅琪,周旖辉,陈聪.基于混合储能的VSC-HVDC在风电功率平衡中的研究[J].电工材料.2019
[9].谷青发,饶宇飞,李朝晖,刘芳冰,任鹏凌.基于离散傅里叶变换和实时风电功率平抑的电池储能系统优化控制策略[J].电气应用.2019
[10].杨茂,王金鑫,都键.基于极限学习机与格兰杰检验的风电功率缺失数据补齐[J].东北电力大学学报.2019