• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于動態(tài)權(quán)重的風電功率組合預測方法研究

      2022-02-13 09:29:24龐欣董志國魏萬俊
      中國設備工程 2022年3期
      關(guān)鍵詞:參數(shù)值電功率原始數(shù)據(jù)

      龐欣,董志國,魏萬俊

      (國家能源集團甘肅公司,甘肅 蘭州 730000)

      大規(guī)模發(fā)展風電能源,能夠大大緩解環(huán)境污染以及能源短缺的問題。風電能源存在固有的波動性和間接性的特性,大規(guī)模開發(fā)風電會直接影響電力系統(tǒng)的經(jīng)濟安全。為了降低風電功率預測風險,還能夠保證風電功率樣本數(shù)據(jù)預測的精準度,有必要提出基于動態(tài)權(quán)重的風電功率組合預測方法。確定風電功率組合的權(quán)重系數(shù)是預測方法的關(guān)鍵。

      1 風電功率組合預測方法

      1.1 清洗風電預測數(shù)據(jù)

      關(guān)于風電功率組合預測主要是針對風電場歷史數(shù)據(jù)進行處理,因此風電功率原始數(shù)據(jù)的精準度直接影響著組合預測的最終結(jié)果。受自然因素和機組運行狀態(tài)的影響,會導致風電功率的監(jiān)測數(shù)據(jù)存在部分異常。因此,清洗處理風電功率的異常數(shù)據(jù),能夠有效處理風電功率監(jiān)測數(shù)據(jù),大大提高組合預測結(jié)果的正確性。通過計算風電數(shù)據(jù)的功率密度實現(xiàn)異常數(shù)據(jù)的處理,并比較正常風電功率密度,以及風電處理數(shù)據(jù)的功率密度的差異,來判斷該數(shù)據(jù)是否為風電功率異常數(shù)據(jù)。

      1.2 確定風電功率參數(shù)

      小波分解是將風電機組運行過程中的風電功率時域信號轉(zhuǎn)換為頻域信號;并將提取的正常風電功率數(shù)據(jù)通過平移、伸縮等計算方式劃分風電功率密度。小波包分解是對風電功率組合的一種特殊小波分解方式,可以根據(jù)機組內(nèi)風電功率原始數(shù)據(jù)進行自動調(diào)節(jié),并自適應風電功率密度分解。

      對于在特定的機組內(nèi),風電功率組合預測中原始風速,以及風電功率信號都具有很大的波動性。通過小波包分解的方法,能夠?qū)︼L電功率原始數(shù)據(jù)的高頻分量和低頻分量進行同時分解。這不僅能夠精細劃分風電功率組合中的各部分,還能夠減少計算量,提高計算效率。在風電功率組合預測的過程中,能夠根據(jù)風電功率原始數(shù)據(jù)自身特性進行分解,不需要設定另外分解參數(shù)值。經(jīng)過小波包分解,得到風電功率的組合預測結(jié)果,進而重構(gòu)頻率信號,得到具體的表達式為:

      式中,h為小波包分解過程中低通分解濾波器;g為小波包分解過程中高通分解濾波器;k為常數(shù);n為分解次數(shù);i為分量信號。風電功率中原始數(shù)據(jù)信號,經(jīng)過小波包的分解與重構(gòu),能夠分解為相同的風電功率分量數(shù)據(jù),進而確定基于動態(tài)權(quán)重的風電功率組合預測的計算參數(shù)值。

      1.3 應用動態(tài)權(quán)重組合預測算法

      基于動態(tài)權(quán)重的風電功率組合預測,關(guān)于預測結(jié)果的誤差評價指標主要包括平均絕對誤差、均方根誤差以及相關(guān)系數(shù)。而單一定權(quán)重的風電功率組合預測,對部分風電功率數(shù)據(jù)的精準度差,不能及時對組合預測的結(jié)果作出調(diào)整,具有一定局限性。因此,基于動態(tài)權(quán)重的風電功率預測,為避免組合預測的風電功率密度數(shù)據(jù)丟失,通過平均絕對誤差,以及均方根誤差建立基于動態(tài)權(quán)重的組合預測結(jié)果誤差評價體系。

      平均絕對誤差表達公式為:

      均方根誤差表達公式為:

      式中,tx為t時刻的預測值;ty為t時刻的實測值;為xt的平均值;為yt的平均值。

      計算風電功率的單一預測算法的平均絕對值、均方根誤差,以及風電功率實測值的相關(guān)系數(shù)。協(xié)調(diào)各動態(tài)權(quán)重下風電功率的參數(shù)誤差值,根據(jù)風電功率的實測值,完成預測篩選。基于動態(tài)權(quán)重的風電功率組合預測方法,不僅使訓練誤差達到最小,還能夠獲取更精準的風電功率組合預測值,減少誤差。

      2 實驗分析

      2.1 實驗準備

      基于動態(tài)權(quán)重的風電功率組合預測實驗,其實驗工具為計算機;而操作系統(tǒng)為Windows XP、Windows 2003,或是Windows 7。本次實驗的硬件配置要求內(nèi)存為2G以上,其硬件可用空間需達10GB以上;關(guān)于瀏覽器的使用需要是IE7.0及其以上版本,或是Google Chrome。因此,基于動態(tài)權(quán)重的風電功率組合預測的方法,是以數(shù)據(jù)庫為核心,C/S數(shù)據(jù)采集與B/S數(shù)據(jù)顯示相結(jié)合應用的計算結(jié)構(gòu)。

      根據(jù)既定的風電功率預測參考點位置,獲取提前72h,并在15min范圍內(nèi)的風電功率的NWP數(shù)據(jù)信息。動態(tài)權(quán)重下風電功率的組合預測,通過輸入NWP數(shù)據(jù),定時分析其樣本數(shù)據(jù),進而得出組合預測的結(jié)果。

      2.2 實驗過程及結(jié)果

      先選取既定機電組運行狀態(tài)下風電功率的樣本參數(shù)值N,并根據(jù)既定時間內(nèi)各單一預測數(shù)據(jù)形成的組合預測值,以及風電功率實際參數(shù)值。

      圖1 N值大小與組合預測誤差關(guān)系曲線

      根據(jù)上圖可以看出,隨著N值的增加,風電功率組合預測誤差呈現(xiàn)先減后增的趨勢?;趧討B(tài)權(quán)重的風電功率組合預測,選取的風電功率參數(shù)值,直接影響著組合預測的最終結(jié)果;而為了選擇合適的參數(shù)值,便需要將基于動態(tài)權(quán)重的組合預測與傳統(tǒng)、單一的預測方法相比較,進而得到風電功率組合預測的結(jié)果對比。

      由表1可知,基于動態(tài)權(quán)重組合預測方法,對風電功率原始數(shù)據(jù)的分解、重構(gòu),能夠有效降低原始風速對風電功率數(shù)據(jù)波動的影響。

      表1 不同預測方法誤差對比

      3 結(jié)語

      風電功率組合預測的輸入數(shù)據(jù)動態(tài)變量較多,直接導致風電功率組合預測算法的計算量增大,甚至造成風電功率組合預測變量之間存在冗余問題?;趧討B(tài)權(quán)重的風電功率組合預測方法,在減少預測變量輸出的前提下,不僅提高了風電功率組合計算效率,還能夠保證風電功率原始數(shù)據(jù)的預測精準度。

      猜你喜歡
      參數(shù)值電功率原始數(shù)據(jù)
      GOLDEN OPPORTUNITY FOR CHINA-INDONESIA COOPERATION
      基于PCC-CNN-GRU的短期風電功率預測
      例談不等式解法常見的逆用
      不等式(組)參數(shù)取值范圍典例解析
      受特定變化趨勢限制的傳感器數(shù)據(jù)處理方法研究
      輕松上手電功率
      你會計算電功率嗎
      2020 Roadmap on gas-involved photo- and electro- catalysis
      解讀電功率
      逆向思維求三角函數(shù)中的參數(shù)值
      巴楚县| 金川县| 浪卡子县| 宿松县| 嘉定区| 黄平县| 天祝| 玉树县| 特克斯县| 津南区| 永和县| 应城市| 麟游县| 唐海县| 上栗县| 岳阳县| 富民县| 松潘县| 图们市| 奉化市| 扎鲁特旗| 呼伦贝尔市| 建阳市| 宿迁市| 无极县| 互助| 南通市| 平乡县| 裕民县| 长沙市| 台山市| 东安县| 琼海市| 仙桃市| 资阳市| 巴林右旗| 义马市| 盱眙县| 比如县| 双桥区| 河东区|