新能源功率预测算法优化研究

史洁; 刘晓飞

doi:10.12096/j.2096-4528.pgt.18141

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

新能源功率预测算法优化研究

新能源 | 更新时间：2025-06-06

- 新能源功率预测算法优化研究
- The Optimization Research Approaches for Renewable Energy Output Forecasting
- 发电技术 2019年40卷第1期页码：78-82
- 作者机构：
  
  1.济南大学物理科学与技术学院, 山东省济南市 250022
  2.济南市城市规划咨询服务中心, 山东省济南市 250099
- 作者简介：
  
  [ "史洁(1984), 女, 博士, 讲师, 研究方向为风电、光伏出力预测及优化, jeccie0921@163.com" ]
- 基金信息：
  
  国家自然科学基金项目(51606085)
- DOI：10.12096/j.2096-4528.pgt.18141
  中图分类号：
- 收稿：2018-08-05，
  
  纸质出版：2019-02-26
- 稿件说明：
移动端阅览
史洁, 刘晓飞. 新能源功率预测算法优化研究[J]. 发电技术, 2019,40(1):78-82.

Jie SHI, Xiaofei LIU. The Optimization Research Approaches for Renewable Energy Output Forecasting[J]. Power Generation Technology, 2019, 40(1): 78-82.
史洁, 刘晓飞. 新能源功率预测算法优化研究[J]. 发电技术, 2019,40(1):78-82. DOI： 10.12096/j.2096-4528.pgt.18141.

Jie SHI, Xiaofei LIU. The Optimization Research Approaches for Renewable Energy Output Forecasting[J]. Power Generation Technology, 2019, 40(1): 78-82. DOI： 10.12096/j.2096-4528.pgt.18141.

摘要

以风能和太阳能为代表的新能源具有随机性、间歇性和波动性，对新能源发电功率进行预测是有效解决以上问题的途径。在确定性预测中充分考虑风电出力和预测模型特性，提出分段支持向量机（piecewise support vector machine，PSVM）和神经网络（neural network，NN）预测算法；充分考虑天气特征对光伏出力的影响，提出基于气象特性分析的光伏出力预测算法。通过若干风电场的算例分析，证明了上述几种预测模型的实用性，为功率预测的可靠性分析提供支持。

Abstract

Randomness

intermittence and fluctuation are features of new energy

which includes wind energy and solar energy

and power forecasting is an effective solution. The characteristics of wind power output and forecasting model are fully considered to propose piecewise support vector machine (PSVM) and neural network (NN) model; the effort of weather condition on photovoltaic is analyzed to optimize the forecasting model. The case studies from several wind farms and photovoltaic power stations prove that the proposed models have higher precision

which offer support for reliability analysis of power output forecasting.

关键词

Keywords

references

钟海欣.远景能源的"孔明"之道[EB/OL ] .[2017-08-22 ] . https://baijiahao.baidu.com/s?id=1576419955573025496&wfr=spider&for=pc https://baijiahao.baidu.com/s?id=1576419955573025496&wfr=spider&for=pc .

王国弟, 翁彦, 徐巍, 等.上海某能源中心空调负荷预测[J].发电与空调, 2014, 35(4):67-70.

赵卫.电煤价格影响因素及预测分析[J], 发电与空调, 2017, 38(2):1-6.

Mario D, Daniel C, Jesus R, et al.Short-term wind power forecast based on ARX models[J].Journal of Energy Engineering, 2007, 133(3):172-180.

贺军, 张锦文.灰色-马尔科夫模型在风电场风速预测中的应用[J].发电与空调, 2013, 34(1):14-16.

Liu Y, Shi J, Yang Y, et al.Piecewise support vector machine model for short term wind power prediction[J].International Journal of Green Energy, 2009, 6(5):479-489.

Liu Y, Shi J, Yang Y, et al.Genetic algorithm-support vector machine model for short term wind power prediction[C]//Proceeding of IEEE 8th World Congress on Intelligent Control and Automation.Jinan, China, 2010.

Shi J, Lee W, Liu Y, etal.Short term wind power forecasting using Hilbert-Huang Transform and Artificial Neural Network[C]//Proceeding of IEEE 20114th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies.Weihai, China, 2011.

韩爽.风电场功率短期预测方法研究[D].北京: 华北电力大学, 2008.

Giebel G, Landberg L.Short-term(30min-72hrs) prediction for power output from wind farms[EB/OL ] . http://powwow.risoe.dk/Bestpracticeworkshop.html http://powwow.risoe.dk/Bestpracticeworkshop.html .

史洁.风电场功率超短期预测算法优化研究[D].北京: 华北电力大学, 2013.

张素宁, 田胜元.太阳辐射逐时模型的建立[J].太阳能学报, 1997, 18(03):38-42.

李安定, 吕全亚.太阳能光伏发电系统工程[M]2版.北京:化学工业出版社, 2016:24-37.

张钟平, 宣施超.分布式光伏设计要点分析[J].发电与空调, 2015, 36(01):26-28.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

低温天气下考虑风机运行状态聚类的短期风电功率预测方法

含风-光-电氢混合储能的多微电网系统容量优化配置方法

多重不确定性下的虚拟电厂参与电能量和需求响应市场鲁棒优化调度策略

光伏发电系统发电功率预测

风光氢氨醇一体化技术和产业综述