- 个人中心
- 退出登录
浏览全部资源
扫码关注微信
- Literature
- Latest Issue
- Archive
- Online First
Status and Error Analysis of Short-term Forecasting Technology of Wind Power in China
- Automation of Electric Power Systems Vol. 45, Issue 1, Pages: 17-27(2021)
- 作者机构：
1.新能源与储能运行控制国家重点实验室（中国电力科学研究院有限公司），北京市 100192
2.国家电网有限公司，北京市 100031
- 作者简介：
- 基金信息：the Joint Research Fund in Smart Grid under cooperative agreement between National Natural Science Foundation of China (NSFC) and State Grid Corporation of China (SGCC)
DOI：10.7500/AEPS20200324003
CLC：Received：24 March 2020，
Revised：2020-10-23，
Published Online：08 December 2020，
Published：10 January 2021
- 稿件说明：
移动端阅览
王伟胜,王铮,董存等.中国短期风电功率预测技术现状与误差分析[J].电力系统自动化,2021,45(1):17-27.
WANG Weisheng,WANG Zheng,DONG Cun,et al.Status and Error Analysis of Short-term Forecasting Technology of Wind Power in China[J].Automation of Electric Power Systems,2021,45(1):17-27.
王伟胜,王铮,董存等.中国短期风电功率预测技术现状与误差分析[J].电力系统自动化,2021,45(1):17-27. DOI： 10.7500/AEPS20200324003.
WANG Weisheng,WANG Zheng,DONG Cun,et al.Status and Error Analysis of Short-term Forecasting Technology of Wind Power in China[J].Automation of Electric Power Systems,2021,45(1):17-27. DOI： 10.7500/AEPS20200324003.
摘要
风电功率预测是风电调度运行的基础，对提高中国风电消纳水平具有重要作用。以短期风电功率预测为研究对象，针对短期风电功率预测涉及的主要技术环节，分别梳理了国内外的研究历程，对比分析了国内外短期功率预测技术的优势。在此基础上，介绍了中国风电功率预测系统的建设情况和实际应用中的预测误差情况，从时间、空间、概率分布3个维度分析了误差的特点，从输入数据、功率预测模型2个环节分析了误差产生原因，并总结了全球面临的共性问题和中国面临的特有问题。最后从应用角度出发，对中国短期风电功率预测精度提升策略给出了相关的建议。
Abstract
As the basis of wind power dispatch and operation
wind power forecasting plays an important role in improving the wind power accommodation level in China. Taking short-term wind power forecasting as the research object and focusing on the main technologies involved in the short-term wind power forecasting
the research history at home and abroad is sorted out
and the advantages of short-term power forecasting technologies at home and abroad are compared. On this basis
the construction of wind power forecasting systems in China and the forecasting errors in practical applications are introduced. The characteristics of errors are analyzed from the three dimensions of time
space and probability distribution. The causes of the errors are analyzed from the input data and the power prediction model
and the common problems facing the world and the special problems facing China are summarized. Finally
from an application point of view
relevant suggestions are given to improve the accuracy of short-term wind power forecasting strategies in China.
关键词
Keywords
references
薛禹胜 ， 雷兴 ， 薛峰 ， 等 . 关于风电不确定性对电力系统影响的评述 ［J］. 中国电机工程学报 ， 2014 ， 34 （ 29 ）： 5029 - 5040 .
XUE Yusheng ， LEI Xing ， XUE Feng ， et al . A review on impacts of wind power uncertainties on power systems ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 29 ）： 5029 - 5040 .
薛禹胜 ， 郁琛 ， 赵俊华 ， 等 . 关于短期及超短期风电功率预测的评述 ［J］. 电力系统自动化 ， 2015 ， 39 （ 6 ）： 141 - 151 .
XUE Yusheng ， YU Chen ， ZHAO Junhua ， et al . A review on short-term and ultra-short-term wind power prediction ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 6 ）： 141 - 151 .
PIERRE P . Forecasting wind power generation ［M］. Denmark ： Taylor & Francis ， 2013 .
PIERRE P . Estimation of the uncertainty in wind power forecasting ［D］. Copenhagen ， Denmark： Technical University of Denmark ， 2006 .
王勃 ， 王铮 ， 刘纯 ， 等 . 风力发电功率预测技术及应用 ［M］. 北京 ： 中国电力出版社 ， 2019 .
WANG Bo ， WANG Zheng ， LIU Chun ， et al . Wind power forecasting technology and its application ［M］. Beijing ： China Electric Power Press ， 2019 .
谢开 . 美国电力市场运行与监管实例分析 ［M］. 北京 ： 中国电力出版社 ， 2017 .
XIE Kai . Analysis on operation and regulation of US electricity market ［M］. Beijing ： China Electric Power Press ， 2017 .
中国电机工程学会 . 中国电机工程学会专题技术报告（2018）——新能源发电功率预测技术 ［R］. 北京 ： 中国电力出版社 ， 2018 ： 239 - 312 .
Chinese Society for Electrical Engineering . CSEE thematic technical report （2018）—forecasting technology of renewable power generation ［R］. Beijing ： China Electric Power Press ， 2018 ： 239 - 312 .
冯双磊 ， 胡菊 ， 宋宗朋 ， 等 . 新能源资源评估与中长期电量预测 ［M］. 北京 ： 中国电力出版社 ， 2019 .
FENG Shuanglei ， HU Ju ， SONG Zongpeng ， et al . Renewable energy resource assessment and mid- and long-term electricity prediction ［M］. Beijing ： China Electric Power Press ， 2019 .
国家能源局 . 风电场功率预测预报管理暂行办法 ［EB/OL］.［ 2011-06-09 ］. http：//www.docin.com/p-1435686191.html http://www.docin.com/p-1435686191.html .
National Energy Administration . Interim management methods for power forecasting of wind farms ［EB/OL］. ［ 2011-06-09 ］. http：//www.docin.com/p-1435686191.html http://www.docin.com/p-1435686191.html .
国家能源局 . 风电功率预报与电网协调运行实施细则 ［EB/OL］.［ 2012-01-13 ］. https：//www.docin.com/p-341173790.html https://www.docin.com/p-341173790.html .
National Energy Administration . Implementation rules for coordinated operation of wind power forecast and power grid ［EB/OL］. ［ 2012-01-13 ］. https：//www.docin.com/p-341173790.html https://www.docin.com/p-341173790.html .
风电功率预测系统功能规范：NB/T 31046—2013 ［S］. 北京 ： 中国电力出版社 ， 2014 .
Function specification of wind power forecasting system： NB/T 31046—2013 ［S］. Beijing ： China Electric Power Press ， 2014 .
BOSSANYI E A . Short-term wind prediction using Kalman filters ［J］. Wind Engineering ， 1985 ， 9 （ 1 ）： 1 - 8 .
TROEN I ， PETERSEN E L . European wind atlas ［M］. Roskilde ： Risø National Laboratory ， 1989 ： 571 - 572 .
LANDGERG L . Short-term prediction of local wind condition ［D］. Roskilde ： Risø National Laboratory ， 1994 .
ALEXIADIS M ， DOKOPOULOS P ， SAHSAMANOGLOU H ， et al . Short term forecasting of wind speed and related electrical power ［J］. Solar Energy ， 1998 ， 63 （ 1 ）： 61 - 68 .
FOCKEN U M ， LANGE H P W . Previento—a wind power prediction system with an innovative upscaling algorithm ［C］// European Wind Energy Conference & Exhibition， July 2-6 ， 2001 ， Copenhagen ， Denmark .
GIEBEL G ， BADGER J ， MARTI P I . Short-term forecasting using advanced physical modelling—the results of the ANEMOS project ［C］// European Wind Energy Conference & Exhibition， February 27-March 2 ， 2006 ， Athens ， Greece .
NIELSEN T S ， MADSEN H . WPPT—a tool for wind power prediction ［C］// EWEA Special Topic Conference， September 25-27 ， 2000 ， Kassel， Germany .
KARINIOTAKIS G N ， STAVRAKSKIS G S ， NOGARET E F . Wind power forecasting using advanced neural networks models ［J］. IEEE Transactions on Energy Conversion ， 1996 ， 11 （ 4 ）： 762 - 767 .
BECHRAKIS D A ， SPARIS P D . Wind speed prediction using artificial neural networks ［J］. Wind Engineering ， 1998 ， 22 （ 6 ）： 287 - 295 .
BERNHARD L ， KURT R ， BERNHARD E ， et al . Wind power prediction in Germany—recent advances and future challenges ［C］// European Wind Energy Conference & Exhibition， February 27-March 2 ， 2006 ， Athens ， Greece .
SIDERATOS G ， HATZIARGYRIOU N D . An advanced statistical method for wind power forecasting ［J］. IEEE Transactions on Power Systems ， 2007 ， 22 （ 1 ）： 258 - 265 .
PETER B ， ALAN T ， GILBERT B . The quiet revolution of numerical weather prediction ［J］. Nature ， 2015 ， 525 （ 7567 ）： 47 .
GIEBEL G ， LARS L ， JOENSEN A K ， et al . The Zephyr-project—the next generation prediction system ［C］// Proceedings of Wind Power for the 21st Century， September 25-27 ， 2000 ， Kassel， Germany .
THORARINSDOTTIR T L ， GNEITING T . Probabilistic forecasts of wind speed： ensemble model output statistics by using heteroscedastic censored regression ［J］. Journal of the Royal Statistical Society Series A-Statistics in Society ， 2010 ， 173 （ 2 ）： 371 - 388 .
FUENTES M ， CHEN L ， DAVIS J M ， et al . Modeling and predicting complex space-time structures and patterns of coastal wind fields ［J］. Environmetrics ， 2005 ， 16 （ 5 ）： 449 - 464 .
EUGENIS K . Atmospheric modeling， data assimilation and predictability ［M］. Cambridge， UK ： Cambridge University Press ， 2003 .
TALAGRAND O . Assimilation of observations： an introduction ［J］. Journal of the Meteorological Society of Japan ， 1997 ， 75 （ 1B ）： 191 - 209 .
MCAOVERN A ， ELMORE K L ， GAGNE D J ， et al . Using artifical intelligence to improve real-time decision-making for high-impact weather ［J］. Bulletin of the American Meteorological Society ， 2017 ， 98 （ 10 ）： 2073 - 2090 .
GEORGES K ， HALLIDAY J ， BROWNSWORD R ， et al . Next generation short-term forecasting of wind power—overview of the ANEMOS project ［C］// European Wind Energy Conference & Exhibition， February 27-March 2 ， 2006 ， Athens ， Greece .
KHODAYAR M ， KAYNAK O . Rough deep neural architecture for short-term wind speed forecasting ［J］. IEEE Transactions on Industrial Informatics ， 2017 ， 13 （ 6 ）： 2770 - 2779 .
KUSIAK A ， ZHENG Haiyang ， SONG Zhe . Short-term prediction of wind farm power—a data mining approach ［J］. IEEE Transactions on Energy Conversion ， 2009 ， 24 ： 125 - 136 .
CHRISTORS S ， AKRIVI K ， GEORGE G ， et al . Wind power prediction based on numerical and statistical models ［J］. Journal of Wind Engineering and Industrial Aerodynamics ， 2013 ， 112 ： 25 - 38 .
ABDOLLAH K F ， ABBAS K ， SAEID N . A new fuzzy-based combined prediction interval for wind power forecasting ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 1 ）： 18 - 26 .
TAN K H ， LOGENTHIRAN T ， WOO W L . Forecasting of wind energy generation using self-organizing maps and extreme learning machines ［C］// TENCON 2016， November 22-25 ， 2016 ， Singapore .
ERNST B ， OAKLEAF B ， AHLSTHLSTROM M L ， et al . Predicting the wind ［J］. IEEE Power & Energy Magazine ， 2007 ， 11 ： 79 - 89 .
LAZAR L ， GORAN P ， MOMCILO Z . Wind forecasts for wind power generation using the Eta model ［J］. Renewable Energy ， 2010 ， 35 ： 1236 - 1243 .
OZKAN M B ， KARAGOZ P . A novel wind power forecast model： statistical hybrid wind power forecast technique ［J］. IEEE Transactions on Industrial Informatics ， 2015 ， 23 （ 1 ）： 375 - 387 .
KÖKSOY C E ， ÖZKAN M B ， BUHAN S ， et al . Improved wind power forecasting using combination methods ［C］// 2015 IEEE 14th International Conference on Machine Learning and Applications ， September 9 - 11 ， 2015 ， Miami， USA： 1142 - 1147 .
WALDL H P ， BRANDT P . Advanced extreme and ramp event forecasting and alarming to support stability of energy grids ［C］// EWEA2011， March 14-17 ， 2011 ， Brussels ， UK .
PIERRE P ， GEORGE K . Conditional prediction intervals of wind power generation ［J］. IEEE Transaction on Power Systems ， 2010 ， 25 （ 4 ）： 1845 - 1856 .
杨秀媛 ， 肖洋 ， 陈树勇 . 风电场风速和发电功率预测研究 ［J］. 中国电机工程学报 ， 2005 ， 25 （ 11 ）： 1 - 5 .
YANG Xiuyuan ， XIAO Yang ， CHEN Shuyong . Wind speed and generation power forecasting in wind farm ［J］. Proceedings of the CSEE ， 2005 ， 25 （ 11 ）： 1 - 5 .
潘迪夫 ， 刘辉 ， 李燕飞 . 基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型 ［J］. 电网技术 ， 2008 ， 32 （ 7 ）： 82 - 86 .
PAN Difu ， LIU Hui ， LI Yanfei . A wind speed forecasting optimization model for wind farms based on time series analysis and Kalman filter algorithm ［J］. Power System Technology ， 2008 ， 38 （ 7 ）： 82 - 86 .
李莉 ， 刘永前 ， 杨勇平 ， 等 . 基于CFD流场预计算的短期风速预测方法 ［J］. 中国电机工程学报 ， 2013 ， 33 （ 7 ）： 27 - 32 .
LI Li ， LIU Yongqian ， YANG Yongping ， et al . Short-term wind speed forecasting based on CFD pre-calculated flow fields ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 7 ）： 27 - 32 .
冯双磊 . 风电功率预测物理方法研究 ［D］. 北京 ： 中国电力科学研究院 ， 2009 .
FENG Shuanglei . Studies on the physical approach to wind power prediction ［D］. Beijing ： China Electric Power Research Institute ， 2009 .
范高锋 . 风电功率预测技术及其应用研究 ［D］. 北京 ： 中国电力科学研究院 ， 2008 .
FAN Gaofeng . Study on the wind power prediction technology and its application ［D］. Beijing ： China Electric Power Research Institute ， 2008 .
茆美琴 ， 周松林 ， 苏建徽 . 基于脊波神经网络的短期风电功率预测 ［J］. 电力系统自动化 ， 2011 ， 35 （ 7 ）： 70 - 74 .
MAO Meiqin ， ZHOU Songlin ， SU Jianhui . Short-term wind power forecast based on ridgelet neural network ［J］. Automation of Electric Power Systems ， 2011 ， 35 （ 7 ）： 70 - 74 .
厉卫娜 . 基于小波神经网络的风电功率预测理论及应用 ［D］. 太原 ： 山西大学 ， 2012 .
LI Weina . Wind power prediction theory and application based on wavelet neural network ［D］. Taiyuan ： Shanxi University ， 2012 .
李涛 . 支持向量机在风电功率预测中的应用研究 ［D］. 北京 ： 北京交通大学 ， 2012 .
LI Tao . Research on the application of support vector machine in wind power prediction ［D］. Beijing ： Beijing Jiaotong University ， 2012 .
罗毅 ， 刘峰 ， 刘向杰 . 基于主成分-遗传神经网络的短期风电功率预测 ［J］. 电力系统保护与控制 ， 2012 ， 40 （ 23 ）： 47 - 53 .
LUO Yi ， LIU Feng ， LIU Xiangjie . Short-term wind power prediction based on principal component analysis and genetic neural network ［J］. Power System Protection and Control ， 2012 ， 40 （ 23 ）： 47 - 53 .
徐敏 ， 袁建洲 ， 刘四新 ， 等 . 基于改进粒子群优化算法的短期风电功率预测 ［J］. 郑州大学学报 ， 2012 ， 32 （ 6 ）： 32 - 35 .
XU Min ， YUAN Jianzhou ， LIU Sixin ， et al . Short-term wind power prediction based on modified particle swarm optimization algorithm ［J］. Journal of Zhengzhou University ， 2012 ， 32 （ 6 ）： 32 - 35 .
杨志凌 ， 刘永前 . 应用粒子群优化算法的短期风电功率预测 ［J］. 电网技术 ， 2011 ， 35 （ 5 ）： 159 - 164 .
YANG Zhilin ， LIU Yongqian . Short-term wind power prediction with particle swarm optimization ［J］. Power System Technology ， 2011 ， 35 （ 5 ）： 159 - 164 .
叶林 ， 刘鹏 . 基于经验模态分解和支持向量机的短期风电功率组合预测模型 ［J］. 中国电机工程学报 ， 2011 ， 31 （ 31 ）： 102 - 108 .
YE Lin ， LIU Peng . Combined model based on EMD-SVM for short-term wind power prediction ［J］. Proceedings of the CSEE ， 2011 ， 31 （ 31 ）： 102 - 108 .
师洪涛 ， 杨静玲 ， 丁茂生 ， 等 . 基于小波-BP神经网络的短期风电功率预测方法 ［J］. 电力系统自动化 ， 2011 ， 35 （ 16 ）： 44 - 48 .
SHI Hongtao ， YANG Jingling ， DING Maosheng ， et al . A short-term wind power prediction method based on wavelet decomposition and BP neural network ［J］. Automation of Electric Power Systems ， 2011 ， 35 （ 16 ）： 44 - 48 .
DONG Lei ， WANG Lijie ， SHAHNAWAZ F K ， et al . Wind power day-ahead prediction with cluster analysis of NWP ［J］. Renewable and Sustainable Energy Reviews ， 2016 ， 60 ： 1206 - 1212 .
靳双龙 . 中尺度WRF模式在风电功率预测中的应用研究 ［D］. 兰州 ： 兰州大学 ， 2013 .
JIN Shuanglong . Application and researches of the mesoscale model WRF in wind power prediction ［D］. Lanzhou ： Lanzhou University ， 2013 .
王澄海 ， 胡菊 ， 靳双龙 ， 等 . 中尺度WRF模式在西北西部地区低层风场模拟中的应用和检验 ［J］. 干旱气象 ， 2011 ， 29 （ 2 ）： 161 - 167 .
WANG Chenghai ， HU Ju ， JIN Shuanglong ， et al . Application and test of lower level wind field simulation with meso-scale model WRF in western region of Northwest China ［J］. Journal of Arid Meteorology ， 2011 ， 29 （ 2 ）： 161 - 167 .
宫明晓 ， 马艳 ， 付业理 ， 等 . 青岛沿海ASCAT卫星反演风场与浮标海岛实测风场的对比分析 ［J］. 气象科技 ， 2019 ， 47 （ 5 ）： 740 - 746 .
GONG Mingxiao ， MA Yan ， FU Yeli ， et al . Comparative analysis of ASCAT satellite inversion winds and observed winds from buoy and island station in Qingdao coastal area ［J］. Meteorological Science and Technology ， 2019 ， 47 （ 5 ）： 740 - 746 .
SONG Zongpeng ， HU Fei ， LIU Yujue ， et al . A numerical verification of self-similar multiplicative theory for small-scale atmospheric turbulent convection ［J］. Atmospheric and Oceanic Science Letters ， 2014 ， 7 ： 98 - 102 .
冯双磊 ， 靳双龙 ， 刘晓琳 ， 等 . CMIP5全球气候模式对1981—2005年东北地表温度的模拟分析 ［J］. 气象科学 ， 2018 ， 46 （ 6 ）： 1154 - 1164 .
FENG Shuanglei ， JIN Shuanglong ， LIU Xiaolin ， et al . Land surface temperature simulations of CMIP5 models over Northeast China during 1981—2005 ［J］. Meteorological Science and Technology ， 2018 ， 46 （ 6 ）： 1154 - 1164 .
张飞民 . WRF-3DVAR对近地层风速预报改进的数值试验 ［D］. 兰州 ： 兰州大学 ， 2014 .
ZHANG Feimin . The improvement experiments on near surface wind forecasting with WRF-3DVAR ［D］. Lanzhou ： Lanzhou University ， 2014 .
王广杰 . 风云二号卫星风的四维变分资料同化技术研究 ［D］. 长沙 ： 国防科技大学 ， 2017 .
WANG Guangjie . The study on four-dimensional variational data assimilation technique of FY-2 satellite wind ［D］. Changsha ： National University of Defense Technology ， 2017 .
张云济 ， 张福青 . 集合资料同化方法在强雷暴天气预报中的应用 ［J］. 气象科技进展 ， 2018 ， 8 （ 3 ）： 38 - 52 .
ZHANG Yunji ， ZHANG Fuqing . A review on the ensemble-based data assimilations for severe convective storms ［J］. Advances in Meteorological Science and Technology ， 2018 ， 8 （ 3 ）： 38 - 52 .
JAMES M W ， JOSE B O ， DJALALOVA I . Data assimilation impact of in situ and remote sensing meteorological observations on wind power forecasts during the first Wind Forecast Improvement Project （WFIP） ［J］. Wind Energy ， 2019 ， 22 （ 7 ）： 932 - 944 .
梁志峰 ， 王铮 ， 冯双磊 ， 等 . 基于波动规律挖掘的风电功率超短期预测方法 ［J/OL］. 电网技术 ［ 2020-03-11 ］. http：//kns.cnki.net/kcms/detail/11.2410.TM.20200110.1339.004.html http://kns.cnki.net/kcms/detail/11.2410.TM.20200110.1339.004.html .
LIANG Zhifeng ， WANG Zheng ， FENG Shuanglei ， et al . Ultra-short-term forecasting method of wind power based on fluctuation law mining ［J/OL］. Power System Technology ［ 2020-03-11 ］. http：//kns.cnki.net/kcms/detail/11.2410.TM.20200110.1339.004.html http://kns.cnki.net/kcms/detail/11.2410.TM.20200110.1339.004.html .
王铮 ， 王伟胜 ， 刘纯 ， 等 . 基于风过程方法的风电功率预测结果不确定估计 ［J］. 电网技术 ， 2013 ， 37 （ 1 ）： 242 - 247 .
WANG Zheng ， WANG Weisheng ， LIU Chun ， et al . Uncertainty estimation of wind power prediction result based on wind process method ［J］. Power System Technology ， 2013 ， 37 （ 1 ）： 242 - 247 .
YU Ruiguo ， GAO Jie ， YU Mei ， et al . LSTM-EFG for wind power forecasting based on sequential correlation features ［J］. Future Generation Computer Systems ， 2019 ， 93 ： 33 - 42 .
LIU Huichao ， MI Xiwei ， LI Yanfei . Wind speed forecasting method based on deep learning strategy using empirical wavelet transform， long short term memory neural network and Elman neural network ［J］. Energy Conversion and Management ， 2018 ， 156 ： 498 - 514 .
丁明 ， 张超 ， 王勃 ， 等 . 基于功率波动过程的风电功率短期预测及误差修正 ［J］. 电力系统自动化 ， 2019 ， 43 （ 3 ）： 2 - 12 .
DING Ming ， ZHANG Chao ， WANG Bo ， et al . Short-term forecasting and error correction of wind power based on power fluctuation process ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 3 ）： 2 - 12 .
王铮 ， 刘纯 ， 冯双磊 ， 等 . 基于非参数回归的风电场理论功率计算方法 ［J］. 电网技术 ， 2015 ， 39 （ 8 ）： 2148 - 2153 .
WANG Zheng ， LIU Chun ， FENG Shuanglei ， et al . The wind farm theoretical power calculation method research based on non-parameter regression ［J］. Power System Technology ， 2015 ， 39 （ 8 ）： 2148 - 2153 .
王彩霞 ， 鲁宗相 ， 乔颖 ， 等 . 基于非参数回归模型的短期风电功率预测 ［J］. 电力系统自动化 ， 2010 ， 34 （ 16 ）： 78 - 82 .
WANG Caixia ， LU Zongxiang ， QIAO Ying ， et al . Short-term wind power forecast based on non-parametric regression model ［J］. Automation of Electric Power Systems ， 2010 ， 34 （ 16 ）： 78 - 82 .
王铮 ， PESTANA R ， 冯双磊 ， 等 . 基于加权系数动态修正的短期风电功率组合预测方法 ［J］. 电网技术 ， 2017 ， 41 （ 2 ）： 500 - 507 .
WANG Zheng ， PESTANA R ， FENG Shuanglei ， et al . Short-term wind power combination forecasting method based on dynamic coefficient updating ［J］. Power System Technology ， 2017 ， 41 （ 2 ）： 500 - 507 .
杨茂 ， 贾云彭 ， 钱为 ， 等 . 基于动态权重的风电功率组合预测方法研究 ［J］. 东北电力大学学报 ， 2013 ， 33 （ 1/2 ）： 131 - 136 .
YANG Mao ， JIA Yunpeng ， QIAN Wei ， et al . A combination method research for wind power predication based on dynamic weight ［J］. Journal of Northeast Dianli University ， 2013 ， 33 （ 1/2 ）： 131 - 136 .
陈宁 ， 沙倩 ， 汤奕 ， 等 . 基于交叉熵理论的风电功率组合预测方法 ［J］. 中国电机工程学报 ， 2011 ， 35 （ 16 ）： 44 - 48 .
CHEN Ning ， SHA Qian ， TANG Yi ， et al . A combination method for wind power prediction based on cross entropy theory ［J］. Proceedings of the CSEE ， 2011 ， 35 （ 16 ）： 44 - 48 .
彭小圣 ， 熊磊 ， 文劲宇 ， 等 . 风电集群短期及超短期功率预测精度改进方法综述 ［J］. 中国电机工程学报 ， 2016 ， 36 （ 23 ）： 6315 - 6326 .
PENG Xiaosheng ， XIONG Lei ， WEN Jingyu ， et al . A summary of the state of the art for short-term and ultra-short-term wind power prediction of regions ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 23 ）： 6315 - 6326 .
LIN You ， YANG Ming ， WAN Can ， et al . A multi-model combination approach for probabilistic wind power forecasting ［J］. IEEE Transactions on Sustainable Energy ， 2019 ， 10 （ 1 ）： 226 - 237 .
YU Yixiao ， HAN Xueshan ， YANG Ming ， et al . Probabilistic prediction of regional wind power based on spatiotemporal quantile regression ［J/OL］. IEEE Transactions on Industry Applications ［ 2020-01-31 ］. DOI： 10.1109/IAS.2019.8911916 http://dx.doi.org/10.1109/IAS.2019.8911916 .
王钊 . 区域多风电场功率的概率预测方法研究 ［D］. 北京 ： 清华大学 ， 2018 .
WANG Zhao . Research on probabilistic forecasting methods for the power of regional wind farms ［D］. Beijing ： Tsinghua University ， 2018 .
OUYANG Tinghui ， HUANG Heming ， HE Yusen . Ramp events forecasting based on long-term wind power prediction and correction ［J］. IET Renewable Power Generation ， 2019 ， 13 （ 15 ）： 2793 - 2801 .
黄越辉 ， 王伟胜 ， 董存 ， 等 . 新能源发电调度运行管理技术 ［M］. 北京 ： 中国电力出版社 ， 2019 .
HUANG Yuehui ， WANG Weisheng ， DONG Cun ， et al . Renewable energy generation dispatching operation management technology ［M］. Beijing ： China Electric Power Press ， 2019 .
STEPHEN B P . Turbulent flows ［M］. Cambridge， UK ： Cambridge University Press ， 2000 .
蔡树棠 ， 刘宇陆 . 湍流理论 ［M］. 上海 ： 上海交通大学出版社 ， 1993 .
CAI Shutang ， LIU Yulu . Turbulence theory ［M］. Shanghai ： Shanghai Jiao Tong University Press ， 1993 .
0
Views
0
下载量
37
CSCD
- Meta-XMLDownload
- BibTeXDownload
- EndnoteDownload
- RefMan Download
- NoteExpressDownload
- NoteFirstDownload
Publicity Resources
Related Articles
Related Author
Related Institution
- Postal code：310000
- Tel：13632102679
- Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09064830号-19
京公网安备11010802024621 - It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
- Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.