风电功率预测技术研究综述

黎静华, 桑川川, 甘一夫, 潘毅

黎静华, 桑川川, 甘一夫, 等. 风电功率预测技术研究综述[J]. 现代电力, 2017, 34(3): 1-11.
引用本文: 黎静华, 桑川川, 甘一夫, 等. 风电功率预测技术研究综述[J]. 现代电力, 2017, 34(3): 1-11.
LI Jinghua, SANG Chuanchuan, GAN Yifu, et al. A Review of Researches on Wind Power Forecasting Technology[J]. Modern Electric Power, 2017, 34(3): 1-11.
Citation: LI Jinghua, SANG Chuanchuan, GAN Yifu, et al. A Review of Researches on Wind Power Forecasting Technology[J]. Modern Electric Power, 2017, 34(3): 1-11.

风电功率预测技术研究综述

基金项目: 国家自然科学基金项目(51377027);国家电网公司科技项目(DZ71-14-001)
详细信息
    作者简介:

    黎静华 (1982—),女,教授,博士生导师,研究方向为电力系统优化运行与控制,大规模风电并网运行等,E-mail:happyjinghua@163.com;
    桑川川 (1989—),男,硕士研究生,研究方向为负荷预测,风电功率预测,E-mail:sound1409@126.com;
    甘一夫 (1992—),男,硕士研究生,研究方向为风电功率预测,E-mail:zhuanyeyiliu@126.com;
    潘 毅 (1968—),女,博士,主要从事系统运行调度等方面的研究工作,E-mail:pany@epri.sgcc.com.cn。

  • 中图分类号: TM614

A Review of Researches on Wind Power Forecasting Technology

  • 摘要: 为了更好地开展风电功率预测的应用研究工作,以点预测、区间预测、概率预测以及场景预测为主线,对现有的风电功率预测技术进行了归纳、总结和梳理。首先,分析了风电功率预测的难点,按照不同的时空尺度、预测形式、预测对象以及预测模型对风电功率预测进行了分类;基于不同的分类,分别阐述了当前风电功率预测的模型、理论及方法;然后,分析了国内外主要的风电功率预测软件和系统,并总结了风电功率预测误差的评判标准和指标;最后,探讨未来风电功率预测的发展趋势。本文的研究工作,可为风电功率预测研究以及风电功率预测系统的开发应用,提供较为全面的参考信息。
    Abstract: To better develop the application and research on wind power forecasting, this paper summarizes, unscrambles, and concludes the existing technologies of wind power forecasting by tracking a mainline of point forecasting, interval forecasting, probability forecasting and scenario forecasting. Firstly, the difficulties of wind power forecasting are analyzed, and the classifications of the wind power forecasting are categorized according to different time scales, forecasting forms, forecasting objectives and forecasting models. In addition, the current model, theory and method of wind power forecasting are described based on different classification. Then, the main wind power forecasting software and systems at home and abroad are discussed, and the evaluation criteria and indexes of the prediction error for wind power forecasting are summarized. In the end, the development trends of wind power forecasting in future are discussed. The research work of this paper will provide comprehensive reference information for the development of wind power forecasting and the application of wind power forecasting system.
  • 王勃,冯双磊,刘纯.考虑预报风速与功率曲线因素的风电功率预测不确定性估计[J].电网技术,2014,38(2):463468.[2] 常康,丁茂生,薛峰,等.超短期风电功率预测及其在安全稳定预警系统中的应用[J]. 电力系统保护与控制,2012,40(12):1924,30.[3] 任磊.风力发电对电力系统稳定控制的影响研究[D] .武汉:华中科技大学,2011.[4] 迟永宁,刘燕华,王伟胜,等.风电接入对电力系统的影响[J].电网技术,2007,31(3):7781.[5] 中国能源网:http://www.china5e.com/news/news-911 7731.html[6] 中国能源网:http://www.china5e.com/news/news-911 7401.html[7] 王健,严干贵,宋薇,等.风电功率预测技术综述[J].东北电力大学学报,2011,31(3):2024.[8] 王丽婕,廖晓钟,高阳,等.风电场发电功率的建模和预测研究综述[J].电力系统保护与控制,2013,37(23):118121.[9] 谷兴凯,范高锋,王晓蓉,等.风电功率预测技术综述[J].电网技术,2007,31(2):335338.[10]郑婷婷,王海霞,李卫东.风电预测技术及其性能评价综述[J].南方电网技术,2013(2):104109.[11]叶林,赵永宁.基于空间相关性的风电功率预测研究综述[J].电力系统自动化,2014,38(14):126135.[12]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):50295040.[13]William P. Mahoney,Keith Parks,Gerry Wiener,et al.A Wind Power Forecasting System to Optimize Grid Integration[J].IEEE Transactions on Sustainable Energy,2012,3(4):670682.[14]严干贵,刘嘉,崔杨,等.利用储能提高风电调度入网规模的经济性评价[J].中国电机工程学报,2013,33(22):4552.[15]Muhammad Khalid,Andrey V. Savkin.A Method for Short-Term Wind Power Prediction With Multiple Observation Points[J].IEEE Transactions on Power Systems,2012,27(2):579586.[16]Xie Le,Gu Yingzhong,Zhu Xinxin,et al. Short-Term Spatio-Temporal Wind Power Forecast in Robust Look-ahead Power System Dispatch[J].IEEE Transactions on Smart Grid,2014,5(1):511520. [17]孟安波,陈育成.基于虚拟预测与小波包变换的风电功率组合预测[J].电力系统保护与控制,2014,42(3):7176.[18]马斌,张丽艳.一种基于径向基神经网络的短期风电功率直接预测方法[J].电力系统保护与控制,2015,43(19):7882.[19]刘兴杰,谢春雨.基于贝塔分布的风电功率波动区间估计[J].电力自动化设备,2014,34(12):2630+57.[20]李智,韩学山,杨明,等.基于分位点回归的风电功率波动区间分析[J].电力系统自动化,2011,35(3):8387.[21]朱思萌,杨明,韩学山,等.多风电场短期输出功率的联合概率密度预测方法[J].电力系统自动化,2014,38(19):815.[22]周封,金丽斯,刘健,等.基于多状态空间混合Markov链的风电功率概率预测[J].电力系统自动化,2012,36(6):2933,84.[23]黎静华,孙海顺,文劲宇,等.生成风电功率时间序列场景的双向优化技术[J].中国电机工程学报,2014,34(16):25442551.[24]黎静华,文劲宇,程时杰,等.考虑多风电场出力 Copula 相关关系的场景生成方法[J].中国电机工程学报,2013,33(16):3037.[25]丁华杰,宋永华,胡泽春,等.基于风电场功率特性的日前风电预测误差概率分布研究[J].中国电机工程学报,2013,33 (34):136144.[26]季峰,蔡兴国,王俊.基于混合 Copula 函数的风电功率相关性分析[J].电力系统自动化,2014,38(2):16.[27]Zhang Geng,Li HanXiong,Gan Min. Design a Wind Speed Prediction Model Using Probabilistic Fuzzy System[J].IEEE Transactions on Industrial Informatics,2012,8(4): 819827.[28]林鹏,赵书强,谢宇琪,等.基于实测数据的风电功率曲线建模及不确定估计[J].电力自动化设备,2015,35(4):9095.[29]阎洁,刘永前,韩爽,等.考虑流动相关性的风电场机组分组功率预测方法[J].现代电力,2015,32(1):2530.[30]陈颖,孙荣富,吴志坚,等.基于统计升尺度方法的区域风电场群功率预测[J].电力系统自动化,2013,37(7):15.[31]张国强,张伯明.基于组合预测的风电场风速及风电机功率预测[J].电力系统自动化,2009,33(18):9296.[32]冯双磊,王伟胜,刘纯,等.风电场功率预测物理方法研究[J].中国电机工程学报,2010,30(2):16.[33]王恺,关少卿,汪令祥,等.基于模糊信息粒化和最小二乘支持向量机的风电功率联合预测建模[J].电力系统保护与控制,2015,43(2):2632.[34]李智,韩学山,韩力,等.地区电网风电场功率超短期预测方法[J].电力系统自动化,2010,34(7):9094.[35]茆美琴,曹雨,周松林,等.基于误差叠加修正的改进短期风电功率预测方法[J].电力系统自动化,2009,37(13):3438.[36]Aoife M Foley,Paul G Leahy,Antonino Marvuglia,et al.Current methods and advances in forecasting of wind power generation[J].Renewable Energy,2012,37:18.[37]王勃,冯双磊,刘纯.考虑预报风速与功率曲线因素的风电功率预测不确定性估计[J].电网技术,2014,38(2):463468.[38] Shi Jie, Ding Zhaohao,Lee Wei-Jen,et al. Hybrid Forecasting Model for Very-Short Term Wind Power Forecasting Based on Grey Relational Analysis and Wind Speed Distribution Features[J].IEEE Transactions on Smart Grid,2014,5(1):521526.[39]王丽婕,冬雷,高爽.基于多位置NWP与主成分分析的风电功率短期预测[J].电工技术学报,2015,30(5):7984.[40]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):2733.[41]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.[42]张建华,王昕伟,蒋程,等.基于蒙特卡罗方法的风电场有功出力的概率性评估[J].电力系统保护与控制,2014,42(3):8287.[43]丁明,张立军,吴义纯,等.基于时间序列分析的风电场风速预测模型[J].电力自动化设备,2005,25(8):3234.[44]Chen Hao, Wan Qiulan,Li Fangxing,et al. GARCH in Mean Type Models for Wind Power Forecasting [C].Power and Energy Society General Meeting,2013.[45]DVTTA S,OVERBYE T J.Prediction of short term power output of wind farms based on least squares method[C].Power and Energy Society General Meeting,2010.[46]王贺,胡志坚,仉梦林.基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测模型[J].电工技术学报,2014,29(12):218224.[47]Kusiak Andrew,Li Wenyan. Short-term prediction of wind power with a clustering approach [J].Renewable Energy,2010,35:23622369.[48]王勃,冯双磊,刘纯.基于天气分型的风电功率预测方法[J].电网技术,2014,38(1):9398.[49]LOUKA P,GALANIS G,KATSAFADOS G K,et al.Improvements in wind speed forecasts for wind power prediction purposes using kalman filtering[C].In Proc.of the 5th Conference on Mathematical Models in Science and Engineering,2005.[50]潘迪夫,刘辉,李燕飞.风电场风速短期多步预测改进算法[J].中国电机工程学报,2008,28(26):8791.[51]方江晓,周晖,黄梅,等.基于统计聚类分析的短期风电功率预测[J].电力系统保护与控制,2011,39(11):6764.[52]江岳文,温步瀛.结合风电功率超短期预测值偏差的实时市场调度[J].电力自动化设备,2015,35(3):1217.[53]WU Yuankang,HONG Jingshan.A literature review of wind forecasting technology in the world[C].Power Tech,2007 IEEE Lausanne.[54]Zeng Jianwu,Qiao Wei. Short-Term Wind Power Prediction Using a Wavelet Support Vector Machine[J].IEEE Transactions on Sustainable Energy,2012,3(2):255264.[55]Hanieh Borhan Azad,Saad Mekhilef,Vellapa Gounder Ganapathy.Long-Term Wind Speed Forecasting and General Pattern Recognition Using Neural Networks[J].IEEE Transactions on Sustainable Energy, 2014,5(2):546553.[56]Lee Duehee,Baldick Ross. Short-Term Wind Power Ensemble Prediction Based on Gaussian Processes and Neural Networks[J].IEEE Transactions on Smart Grid,2014,5(1):501510.[57]CAMERON W P,NEGNEVITSKY P.Very short-term wind forecasting for tasmanian power generation[J].IEEE Transactions on Power Systems,2006,21(2):965972.[58]孔波利,崔丽艳,丁钊,等.基于风光混合模型的短期功率预测方法研究[J].电力系统保护与控制,2015,43(18):6266.[59]Rajananda Kishore G,Prema V,Dr.K. Uma Rao.Multivariate Wind Power Forecast using Artificial Neural Network [C].IEEE Global Humanitarian Technology Conference-SAS,2014.[60]George Sideratos,Nikos D. Hatziargyriou.Probabilistic Wind Power Forecasting Using Radial Basis Function Neural Networks [J].IEEE Transactions on Power Systems,2012,27(4):17881796.[61]DAMOUSIS I G,DOKOPOULOS.A fuzzy expert system for the forecasting of wind speed and power generation in wind farms[C].The 22nd IEEE Power Engineering Society International Conference on Power Industry Computer Applications,2001.[62]陈道君,龚庆武,金朝意,等.基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测[J].电网技术,2013,37(4):974980.[63]BATES J M,GRANGER C W J.The combination of forecasts[J].Operational Research Quarterly,1969,20(4):451468.[64]李玲玲,许亚惠,田晓越,等.基于组合模型的风电功率短期预测[J].电工技术学报,2014,29(S1):475480.[65]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):102108.[66]Ren Ye,Suganthan P N,Srikanth Narasimalu. A Comparative Study of Empirical Mode Decomposition-Based Short-Term Wind Speed Forecasting Methods [J].IEEE Transactions on Sustainable Energy,2015,6(1):236244.[67]张学清,梁军,张熙,等.基于样本熵和极端学习机的超短期风电功率组合预测模型[J].中国电机工程学报,2013,33(25):3340.[68]王焱,汪震,黄民翔,等.基于OS-ELM和BOOTSTRAP方法的超短期风电功率预测[J].电力系统自动化,2014,38(6):1420.[69]刘爱国,薛云涛,胡江鹭,等.基于GA优化SVM的风电功率的超短期预测[J].电力系统保护与控制,2015,43(2):9095.[70]杨茂,齐玥,穆钢,等.基于改进熵权法的风电功率组合预测方法[J].电测与仪表,2015,52(15):4650.[71]Abbas K,Saeid N and Doug C. Prediction intervals for short-time wind farm power generation forecasts [J].IEEE Transitions on Sustainable Energy,2013,4(3):602610.[72]Can W,Zhao X,Pierre P,et al. Optimal prediction intervals of wind power generation [J].IEEE Transitions on Power Systems,2014,29 (3):11661174.[73]Hao Q, Dipti S,and Abbas K.Short-time load and wind power forecasting using neural network-based prediction intervals[J].IEEE Transactions on Neural Networks and Learning Systems,2014,25 (2):303315.[74]Abdollah K F,Abbas K,and Saeid N.A novel fuzzy multi-objective framework to construct optimal prediction intervals for wind power forecast [C].2014 International Joint Conference on Neural Network (IJCNN),July 611,2014,Beijing,China.[75]Pierre P,George K.Conditional prediction intervals of wind power generation [J].IEEE Transactions on Power Systems,2010,25(4):18451856.[76]李智,韩学山,杨明,等.基于分位点回归的风电功率波动区间分析[J].电力系统自动化,2011,35(3): 8387.[77]刘兴杰,谢春雨.基于贝塔分布的风电功率波动区间估计[J].电力系统自动化,2014,34(12):2630,57.[78]Zhang Yao,Wang Jianxue,Wang Xifan. Review on probabilistic forecasting of wind power generation [J].Renewable and Sustainable Energy Reviews,2014,32:255270.[79]杨明,范澍,韩学山,等.基于分量稀疏贝叶斯学习的风电场输出功率概率预测方法[J].电力系统自动化,2012,36(14):125130,142.[80]He Miao,Yang Lei,Yang Junshan,et al.A Spatio-Temporal Analysis Approach for Short-Term Forecast of Wind Farm Generation[J].IEEE Transactions on Power Systems,2014,29(4):16111622.[81]林卫星,文劲宇,艾小猛,等.风电功率波动特性的概率分布研究[J].中国电机工程学报, 2012,32(1): 3846.[82]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):7882,91.[83]Hu Qinghua,Su Pengyu,Yu Daren,et al. Pattern-Based Wind Speed Prediction Based on Generalized Principal Component Analysis[J].IEEE Transactions on Sustainable Energy,2014,5(3):866874.[84]Li JingHua,Wen JinYu,Cheng ShiJie, et al.Minimum energy storage for power system with high wind power penetration using p-efficient point theory[J].Science China Information Sciences,2014,57(12):112.[85]Ricardo J. Bessa,Vladimiro Miranda,Audun Botterud,et al.Time Adaptive Conditional Kernel Density Estimation for Wind Power Forecasting [J].IEEE Transactions on Sustainable Energy,2012,3(4):660669.[86]Ashraf Ul Haque,M. Hashem Nehrir,ParasMandal.A Hybrid Intelligent Model for Deterministic and Quantile Regression Approach for Probabilistic Wind Power Forecasting [J].IEEE Transactions on Sustainable Energy,2014,29(4):16631672.[87]Wan Can,Xu Zhao,Pinson Pierre,et al. Probabilistic Forecasting of Wind Power Generation Using Extreme Learning Machine [J].IEEE Transactions on Sustainable Energy,2014,29(3):10331044.[88]黎静华,韦化,莫东.含风电场最优潮流的Wait-and-See模型与最优渐近场景分析[J].中国电机工程学报,2012,32(22):1523.[89]徐秋实,邓长虹,赵维兴,等.含风电电力系统的多场景鲁棒调度方法[J].电网技术,2014,38(3):653661.[90]Li Jinghua,Fang Jiakun,Wen Jinyu,et al. Optimal trade-off between regulation and wind curtailment in the economic dispatch problem[J].CSEE Journal of Power and Energy Systems.2015,1(4):3745.[91]高红均,刘俊勇,刘继春,等.基于坏场景集的含风电机组组合模型[J].电力系统保护与控制,2013,41(10):2732.[92]张晓辉,闫柯柯,卢志刚,等.基于场景概率的含风电系统多目标低碳经济调度[J].电网技术,2014,38(7):18351841.[93]Pinson P,Madsen H,Nielsen H A,et al.From probabilistic forecasts to statistical scenarios of short-term wind power production[J].Wind Energy,2009(12):5162.[94]Sumalili J,Keko H,Miranda V,et al.Clustering-based wind power scenario reduction technique[C].The 17th Power Systems Computation Conference 2011(PSCC 2011 Stockholm).Stockholm,Sweden:Curran Associates,2011:391398.[95]Growe-Kuska N,Heitsch H,Romisch W.Scenario reduction and scenario tree construction for power management problems[C].Power Tech Conference Proceedings,Bologna,Italy:IEEE Bologna,2003:713.[96]Pappala V S,Erlich I,Rohrig K,et al.A stochastic model for the optimal operation of a wind-thermal power system[J].IEEE Transactions on Power Systems,2009, 24(2):940950.[97]Sharma K C,Jain P,Bhakar R.Wind power scenario generation and reduction in stochastic programming framework[J]. Electric Power Components and Systems,2013,41(3):271285.[98]MARTP I. Wind forecasting activities[C] .The First IEA Joint Action Symposium on Wind Forecasting Techniques,December,2002,Norrkoping,Sweden.[99]袁铁江,晁勤,李义岩,等.大规模风电并网电力系统经济调度中风电场出力的短期预测模型[J].中国电机工程学报,2010,30(13):2327.[100]徐曼,乔颖,鲁宗相.短期风电功率预测误差综合评价方法[J].电力系统自动化,2011,35(12):2026.[101]中国电力科学研究院.GB/T 19963—2011 风电场接入电力系统技术规定[S].北京:中国标准出版社,2012.[102]郁琛,薛禹胜,文福拴,等.风电功率预测误差的风险评估[J].电力系统自动化,2015,39(7):5258.[103]刘燕华,李伟花,刘冲,等.短期风电功率预测误差的混合偏态分布模型[J].中国电机工程学报,2015,35(10):23752382.
  • 期刊类型引用(53)

    1. 梅晓辉,李国翊,李铁良,关猛. 基于二次分解因果分析和深度学习的短期风电功率预测. 河北电力技术. 2024(01): 77-83 . 百度学术
    2. 陈烨烨,李瑶,李捍东. 基于VMD-PE-MulitiBiLSTM的超短期风电功率预测. 分布式能源. 2024(02): 1-7 . 百度学术
    3. 朱梓彬,孟安波,欧祖宏,王陈恩,张铮,陈黍,梁濡铎. 基于多元模态分解与多目标算法优化的深度集成学习模型的超短期风电功率预测. 现代电力. 2024(03): 458-469 . 本站查看
    4. 赵卿,高文华,石慧,董增寿. 基于邻近传播聚类算法的LSTM短期风功率预测. 信息技术. 2024(07): 46-52+59 . 百度学术
    5. 崔明勇,董文韬,卢志刚. 基于密度聚类模态分解的卷积神经网络和长短期记忆网络短期风电功率预测. 现代电力. 2024(04): 631-641 . 本站查看
    6. 马志远,王勃,杨茂,王钊. 基于二维风速修正和多重集成的两阶段迁移学习短期风电功率预测. 高电压技术. 2024(09): 3934-3943 . 百度学术
    7. 张渊博,杨毅强,蒲维,宋弘. 源–荷不确定场景下分布式电源与储能联合规划策略. 现代电力. 2024(05): 945-954 . 本站查看
    8. 邓韦斯,孟子超,王皓怀,郭烨,刘显茁,田伟达,谢平平,戴仲覆. 新能源功率预测特性分析及精度提升措施. 南方电网技术. 2023(02): 11-23 . 百度学术
    9. 路宽,曲建璋,高嵩,刘恩仁,杨子江. 基于变分推断的超短期风电功率预测. 山东电力技术. 2023(04): 13-21 . 百度学术
    10. 刘勇,杨熙卉,燕林滋,欧云. CEEMD双层分解和Granger因果变量选择风电功率预测. 中国测试. 2023(04): 98-105 . 百度学术
    11. 李娟,王玲,孙康杰,张彦. 考虑风电不确定性和有功无功联合调整的两阶段优化调度. 东北电力大学学报. 2023(03): 72-81 . 百度学术
    12. 袁振华,刘晓明,曹永吉,张恒旭,杨金叶,田鑫. 风–光可再生能源场站群分层分区并网规划方法. 现代电力. 2023(05): 660-668 . 本站查看
    13. 李乾鑫,张胜杰,于天暝. 基于模糊认知图和粒计算的长期风速区间预测研究. 吉林化工学院学报. 2023(07): 71-76 . 百度学术
    14. 谷凯文,魏霞,黄德启,叶家豪,王赛. 基于CEEMDAN-MFO-RBF的风电功率短期预测. 新疆大学学报(自然科学版)(中英文). 2022(01): 111-118 . 百度学术
    15. Han Wang,Ning Zhang,Ershun Du,Jie Yan,Shuang Han,Yongqian Liu. A comprehensive review for wind, solar, and electrical load forecasting methods. Global Energy Interconnection. 2022(01): 9-30 . 必应学术
    16. 李国全,高建宇,白天宇,李华. 基于SVM与改进型乌鸦搜索算法的风电功率预测方法. 国外电子测量技术. 2022(02): 40-45 . 百度学术
    17. 陈甜甜,高亚静,卢占会. 基于双尺度度量的改进模糊均值曲线聚类方法研究. 综合智慧能源. 2022(04): 1-11 . 百度学术
    18. 乔妍,韩丽,李梦洁. 基于爬坡特征和云模型的风电功率预测误差区间评估. 电力系统自动化. 2022(11): 75-84 . 百度学术
    19. 姚岱伟,崔双喜,戚元星. 基于近邻成分分析的短期风电功率集成预测. 科学技术与工程. 2022(14): 5636-5642 . 百度学术
    20. 康田雨,覃智君. 基于超参数优化和双重注意力机制的超短期风电功率预测. 南方电网技术. 2022(05): 44-53 . 百度学术
    21. 张璐,杨培宏,刘景霞. 基于GA-LSSVM与ARIMA组合的短期风电功率预测. 电子技术. 2022(10): 115-117 . 百度学术
    22. 李静茹,姚方. 引入注意力机制的CNN和LSTM复合风电预测模型. 电气自动化. 2022(06): 4-6 . 百度学术
    23. 冯惠丽. 基于贝叶斯LSTM的风电功率概率性预测研究. 科技与创新. 2022(22): 96-99 . 百度学术
    24. 江润叶. 风光接入下电力系统不确定性研究综述. 海峡科学. 2022(09): 32-36 . 百度学术
    25. 杨茂,董昊. 基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测. 电力系统自动化. 2021(05): 79-85 . 百度学术
    26. 黎静华,骆怡辰,杨舒惠,韦善阳,黄乾. 可再生能源电力不确定性预测方法综述. 高电压技术. 2021(04): 1144-1157 . 百度学术
    27. 邱革非,何超,骆钊,沈鑫,娄阳,张鹏坤. 考虑新能源消纳及需求响应不确定性的配电网主从博弈经济调度. 电力自动化设备. 2021(06): 66-74 . 百度学术
    28. 赵阳,文传博. 基于预测误差校正的宽度学习短期风电功率预测. 上海电机学院学报. 2021(04): 204-210 . 百度学术
    29. 黄柯昊,吴水军,赵伟,董俊,朱博. 云南风电场一次调频的有功功率分配策略研究. 电力科学与工程. 2021(08): 18-26 . 百度学术
    30. 陈中慧,王海云,王维庆,武家辉. 基于数据挖掘与小波去噪的短期风电功率预测. 计算机仿真. 2021(09): 90-94+133 . 百度学术
    31. 王东风,李嘉宇,黄宇,侯伟珍,张妍. 风电场风速预测的密度峰值聚类方法研究. 太阳能学报. 2021(12): 110-118 . 百度学术
    32. 郭茜,匡洪海,王建辉,周宇健,高闰国. 单机风电功率人工智能预测模型综述. 电气技术. 2020(02): 1-6 . 百度学术
    33. 王小娟,刘俊霞,胡兵,郑连清. 基于CS-SVR模型的短期风电功率预测. 计算机测量与控制. 2020(01): 152-155 . 百度学术
    34. 赵滨滨,王莹,徐晓萌,王彬,宣文博,雷峥,葛磊蛟. 计及电动汽车充电与可再生能源协同调度的负荷特性分析. 河南理工大学学报(自然科学版). 2020(01): 107-115 . 百度学术
    35. 曹权,李岩,李双明. 一种短期风电功率组合预测方法. 电气自动化. 2020(03): 28-30+67 . 百度学术
    36. 赵征,南宏钢,乔锦涛. 基于二次分解的改进时间序列超短期风速预测研究. 华北电力大学学报(自然科学版). 2020(04): 53-60 . 百度学术
    37. 薛阳,张宁,俞志程,吴海东,李蕊. 基于BiLSTM和Bootstrap方法的风电功率区间预测. 可再生能源. 2020(08): 1059-1064 . 百度学术
    38. 李福东,曾旭华,魏梅芳,丁敏. 基于聚类分析和混合自适应进化算法的短期风电功率预测. 电力系统保护与控制. 2020(22): 151-158 . 百度学术
    39. 沈岳峰,都洪基. 基于VMD-IGWO-SVM的风电功率超短期预测研究. 电工电气. 2019(01): 20-25 . 百度学术
    40. 陈好杰,程浩忠,徐国栋,马则良,傅业盛. 基于云理论的风电场群长期出力区间预测. 电力系统保护与控制. 2019(03): 110-117 . 百度学术
    41. 赖昌伟,黎静华,陈博,黄玉金,韦善阳. 光伏发电出力预测技术研究综述. 电工技术学报. 2019(06): 1201-1217 . 百度学术
    42. 赵坤,张挺,杜奕. 基于FILTERSIM算法的风力发电功率预测. 上海电力学院学报. 2019(02): 149-152 . 百度学术
    43. 黎静华,黄玉金,黄乾. 基于改进混沌时间序列的风电功率区间预测方法. 电力自动化设备. 2019(05): 53-60+68 . 百度学术
    44. 耿鸿冲,张越师. 基于GA-SVM的风机发电功率预测. 电子测试. 2019(12): 38-40 . 百度学术
    45. 唐志军,周刚,林国栋,李超,晁武杰. 多端柔直系统功率预测信息误差自动诊断技术. 自动化与仪器仪表. 2019(07): 144-147 . 百度学术
    46. 曹庆兰,匡洪海,王建辉,荣浩博. 基于DBN-Kalman-EC算法的短期风电功率组合预测. 湖南工业大学学报. 2019(05): 19-24 . 百度学术
    47. 韩自奋,景乾明,张彦凯,拜润卿,郭空明,章云. 风电预测方法与新趋势综述. 电力系统保护与控制. 2019(24): 178-187 . 百度学术
    48. 王冰冰,赵天乐. 基于遗传算法改进BP神经网络的风电功率预测研究. 电工电气. 2019(12): 16-21 . 百度学术
    49. 丁家乐,陈国初,原阔. 基于改进萤火虫算法的短期风功率预测. 系统仿真学报. 2019(11): 2509-2516 . 百度学术
    50. 黎静华,赖昌伟. 考虑气象因素的短期光伏出力预测的奇异谱分析方法. 电力自动化设备. 2018(05): 50-57+76 . 百度学术
    51. 张彦恒,郑玉玉. 运用不同聚类算法对风电场功率预测研究. 南方农机. 2018(09): 168-169 . 百度学术
    52. 王浩,王艳,纪志成. 基于改进极限学习机的风电功率预测仿真研究. 系统仿真学报. 2018(11): 4437-4447 . 百度学术
    53. 袁桂丽,王宝源,韦杰,刘培德. 消纳大规模新能源电力的措施. 新能源进展. 2017(04): 305-314 . 百度学术

    其他类型引用(77)

计量
  • 文章访问数:  1868
  • HTML全文浏览量:  80
  • PDF下载量:  879
  • 被引次数: 130
出版历程
  • 收稿日期:  2016-04-18
  • 修回日期:  2017-06-25
  • 发布日期:  2017-06-08

目录

    /

    返回文章
    返回