风电模型
一、风力发电模型
1风速数学模型
一年当中的大部分时间中风速都是比较平稳的，风速在0~25m/s 之间发生的概率较高。研究表明，绝大多数地区的年平均风速都可以采用威布尔分布函数来表示
])exp[()(1k k c
v c v c k v -=）（? 其中v 是平均风速，c 是尺度系数，它反映的是该地区平均风速的大小；另一个形状系数k,它能够反映风速分布的特点，对应威布尔分布密度函数的形状，取值范围一般在1.8到2.3之间。
在有些研究中为了考察暂态过程中风速的变化情况，也可以风速分解，采用四分量模型，即：基本风、阵风、渐变风和随机风。
2单个风电场模型
风力发电场输出功率的变化主要源于风速和风向的波动、风力发电机组的故障停运等，而坐落在同一风力发电场的不同风机具有几乎相同的风速、风向，因此可以假设同一风力发电场内所有风机的风速和风向相同，然后根据风力发电机组的功率特性曲线求出单个风机的输出功率，所有风机功率之和乘以一个表示尾流效应的系数即为该风力发电厂的输出功率。
其中，t SW 为风机轮毂高度处的风速，co r ci ,V V V ，以及r P 为别为风机启动风速、额定风速、切除风速以及风机额定功率。在此基础上，引入了风机停运模型来模拟风力发电机组的故障停运：风力发电机组具有一定的故障率。当风机处于检修状态时，输出为零；当风机处于运行状态时，输出功率由风力发电场风速决定
二、光伏发电模型
1，光伏发电系统是由光伏电池板、控制器、电能存储和变换等环节构成的发电与电能变换系统。
2，光伏发点输出功率模型
其中，P 为输出功率，mod η为该小时环境温度下的模块效率，A 为光照总面积，wr η为配线效率系数，pc η为功率调节系统的效率，tilt I 为倾斜面的光照，l horisconta I 为水平面的光照，R 为l horisconta I 到tilt I 的折算系数，sd η为模块的标准效率，m f 为匹配系数，β为效率改变的温度系数，cell T 为环境温度。
风电功率预测系统功能要求规范
风电功率预测系统功能规范 （试行） 国家电网公司调度通信中心
目次 前言...................................................................... III 1范围. (1) 2术语和定义 (1) 3数据准备 (2) 4数据采集与处理 (3) 5风电功率预测 (5) 6统计分析 (6) 7界面要求 (7) 8安全防护要求 (8) 9系统输出接口 (8) 10性能要求 (9) 附录A 误差计算方法 (10)
前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。 本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。 本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 本规范由国家电网公司国家电力调度通信中心提出并负责解释； 本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。 本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。
风电功率预测系统功能规范 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。 本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1 风电场 Wind Farm 由一批风电机组或风电机组群组成的发电站。 2.2 数值天气预报 Numerical Weather Prediction 根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3 风电功率预测 Wind Power Forecasting 以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4 短期风电功率预测 Short term Wind Power Forecasting 未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5 超短期风电功率预测 ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。
风电水电互补电力系统稳定性分析与计算
风电——水电互补电力系统稳定性分析与计算 摘要 本文介绍了含风力发电的风电一水电互补电力系统如何处理风力发电参数，进行稳定性分析与计算的方法，并结合新疆阿勒泰地区布尔津风电一水电互补电力系统计算实例验证其方法的正确性及可行性。 引言 近年来，由于当代科学技术的发展，加之能源短缺和环境保护等方面的影响，人类正在致力于寻找可再生的，取之不尽，用之不竭又是洁净的绿色能源，而水能与风能是绿色能源中最有发展潜力和前景的品种。同时水能与风能又都容易转化为能源的更高级形式一电能，其经济效益显著。 由于风力资源的随机性和季节性使风力发电的出力不平稳，风力发电不具备有功调节和无功调节的能力。风电的缺点也就是无风就无电，影响到风电的连续及稳定性。为了解决风电的连续性和稳定性问题就需要有一个互补系统。 在我国西北、华北、东北等内陆风区，风资源的季节分布特色大多为冬春季风大、夏秋季风小，与水能资源夏秋季丰水、冬春季枯水的季节分布正好形成互补特性，这是构建风能一水能互补系统的基础条件。如果在上述地区内，以带有蓄水调节水库的水电站为依托，在风资源丰富的地点建设适当容量的风电场，两者以电网连接实现季节性能量互补，以水库做为能源调剂手段，就能够实现风能与水能这两种最佳绿色能源的联姻，充分发挥绿色能源的优势，以风一水联手供电取代传统的水一火联合供电，这将是人类能源利用形式的历史性突破。由于阿勒泰地区的风资源和水资源具有极强的互补性，更由于阿勒泰地区具有较大的水电装机容量，而且其中有三个电站带有库容可观的调节水库，因此在该地区突破传统限制，在风电装机大大超出电网容量10％的条件下建设水电一风电互补系统，在技术上和经济上都是可行的。在我国类似阿勒泰那样资源条件的地区还有很多，都可以构建水电一风电互补系统解决供电问题，这将是对现有禁区的重要突破，有可能为阿勒泰及有类似条件地区的电源建设找到一条最为多快好省的途径。 1问题的提出 在电力系统中，传统的发电方式为水力发电和火力发电，一般均为同步电机。目前，风力发电这一新成员加入电网，一般都采用电容励磁感应异步发电机。使其分析计算复杂化。风电的加入使电网的稳定性受到影响。对风力发电机如何给定运行条件，如何建立数学模型、如何确定参数，是进行含风力发电的风电一水电互补电力系统静态和暂态及动态稳定性分析和计算的关键。本文介绍了含风力发电的风电一水电互补电力系统如何处理风力发电参数，进行稳定计算的方法。 2风力发电机的处理 电力系统是由发电厂、输电网络及电力负荷三大部分组成的能量生产、传输和使用系统。在过去的几十年间，同步发电机(水轮发电机或汽轮发电机)、输电网络及负荷的稳定计算已经成熟。只有风力发电技术在国内外都属于研究阶段，建立适合潮流计算、暂稳、动稳和静稳
双馈变速风电机组模型的仿真分析
双馈变速风电机组模型的仿真分析 在常用的变速恒频风力机种类中，双馈异步电机的风力机有比较大的技术优势和市场空间。文章对使用双馈异步风力发电机的风力机组的输出性能做出研究与分析，并使用MATLAB进行仿真模拟。文章的主要工作包含以下两个部分：第一部分是在风速波动条件下，分别通过电压模式控制和无功功率模式控制，研究分析风电机组的输出特性变化。第二部分是在电网故障条件下，分别通过电压模式控制和无功功率模式控制，研究风电机组输出特性变化。 标签：风力发电；双馈风电机组；动态模型；MATLAB 引言 能源的发展对国民的经济有着非常重要的作用。常规能源主要以化石能源为主，在全球工业飞速发展的时代，产生极具经济效益的同时，化石性燃料使用的程度也达到了空前。化石性燃料的使用对大气造成了严重的污染，对人类的生存环境造成了重大的破坏；此外，化石性燃料隶属一次性能源，总有消耗完结的时候。经济生活中的国策，能源对人类的经济与社会的发展的限制和对资源环境的影响也越来越明显[1]。 虽然各种类新能源中以太阳能的储量最为丰富[2]，但是利用太阳能直接进行光伏发电目前仍有一些不能解决的技术问题。所以风力对于我们来说是一个比较理想的替代能源。双馈变速恒频风力发电机目前作为风力发电系统中使用的主要机型，其中永磁直驱式变桨距和双馈异步式的变速恒频风电机组已经成为兆瓦级风电机组的主要技术形式[3]。对上述风力机组的入网运转调控措施的研究是风能发电系统能够广泛应用的基础。双馈风力发电机多采用双PWM变换器为转子提供励磁电流[4]。转子侧变换器控制策略主要有两大类，一类是基于矢量控制的间接功率控制[5-6]，另一类是直接功率控制[7-8]。我们国家从“十五”时期已经对双馈异步发电机风电机组理想电网条件下的运转控制进行了比较为深入剖析[9]。实际工程中电网展示出不稳定特点，电压剧降则是一种非常遇见情况，研究这种故障下DFIG的行为、特性，提高风电机组对这种故障的适应能力，已成为目前国内外研究的热点。 1 双馈变速风电机组 1.1 双反馈变速风电机的整体设计 风力发电的种类非常多，按照其结构，控制原理，运行方式可以有不同的分类。根据转速性质进行划分，则可以分为恒速机组和变速机组两类。变速的风电机组又可以分为连续变速的风电机组和不连续的风电机组两种类型。根据发电机类型可以分为以同步发电机（包括以电激磁的同步机和以永磁体激磁的同步机）和以感应发电机（包括普通感应机，双馈感应机）。
定速风电机组的仿真报告
定速风电机组的仿真 组员：江天天赵正严亚俊 一、简介 基于普通感应发电机的定速风电机组，一般由风轮、轴系（包括低速轴LS、高速轴HS和齿轮箱组成）、感应发电机组等组成，如图1所示。发电机转子通过轴系与风电机组风轮连接，而发电机定子回路与电网用交流线路连接。这种类型的风电机组一旦起动，其风轮转速是不变的（取决于电网的系统频率），与风速无关。在电力系统正常运行的情况下，风轮转速随感应发电机的滑差变化。风电机组在额定功率运行状态下，发电机滑差的变化范围为1%~2%，因此正常运行时风轮转速仅在很小范围内变化。 图 1：基于普通感应发电机的定速风电机组 二、工作原理： 风电机组通过三叶片风轮将风能转换成机械能，风能输出的机械功率为： 注释：：空气密度； ：通过风力机叶片的风速； ：叶尖速比； ：叶片浆距角； ：叶片旋转半径； ：叶片旋转角速度；
：叶片扫风面积； ：功率系数（与叶尖速比以及叶片浆距角有关）。 根据不同的、取值，可得到的曲线如图2所示，从图中可以看出，对应某一确定的浆距角，有一极大值存在，也就是说，当风力机运行时不能保证在所有的风速下都能够产生最大的功率输出。的理论最大值为0.593，这就是著名的Betz极限。 图2：关系曲线 图 3：风电机组功率特性 定速风电机组的风轮从风中获取机械能，然后通过齿轮轴系传递给感应发电机，感应发电机再把机械能转换成电能，输送到电网中。感应发电机向电网提供有功功率，同时从电网吸收无功功率用来励磁。因为这种类型的感应发电机无法控制无功功率，所以利用无功补偿器
来改善风电机组的功率因数，降低机组从电网中吸收的总的无功功率。现代定速风电机组的风轮转速为15~20r/min，发电机转子的同步转速与电网频率对应。 定速风电机组可以采用定浆距控制，也可以采用叶片角控制。其中，定浆距控制风电机组为被动失速控制，它将叶片以固定浆距角用螺栓固定在轮毂上，在给定风速下，风电机组风轮开始失速，失速条件始于叶片根部，并随着风速加大逐渐发展到全部叶片长度。这种失速控制方式成本低廉，但是低风速下风电机组发电效率较低。而叶片角控制定速风电机组为采用负浆距角的主动失速控制方式。主动失速设置为在风速低于额定风速时优化处理，在风速超过额定风速时限制出力为额定功率。这种主动失速控制方式能够提高风电机组的发电效率。 三、仿真模块： Three-Phase Source【三相电源模块】 Three-Phase Transformer(Two Windings)【三相双绕组变压器模块】 Three-Phase Fault【三相故障模块】 Three-Phase PI Section Line【三相π型等值电路模块】 Three-Phase V-I Measurement【三相电压电流测量元件模块---模拟母线】 Wind Turbine Induction Generator(Phasor Type)【风电机组模块】 Goto【跳转模块】 Constant【常数系数模块】 From Workspace【从工作空间中输入数据模块】 Bus Selector【总线选择器模块】 Abs【求取绝对值模块】 Scope【观测仪模块】 Powergui【电力图形用户分析界面模块】 四、模型仿真： 一台单机容量为 1.5MW的定速风电机组经过升压，通过长度为100km、电抗为的架空输电线路与外部系统相连。参考MATLAB中风电
直驱式风力发电系统
第一章双PWM型变流电路简介 本文讨论克驱式风电系统的一种电力变换装拓扑结构，选取背靠 背双PWM型变流电路为研究对彖. 直驱式风电系统结构原理如图1-1所示。 风轮电机 图1-1永磁同步电机直驱式风力发电系统并网结构图双脉宽调制(pulse-width modulation, PWM)变流器是由2个电压源型变流器(voltage source converter, VSC)背靠背连接构成，2 VSC直流侧通过直流母线并联，两极直流母线Z间并联滤波电容器以提高直流电压的电能品质。由于该电路结构是完全镜面对称的，文献中称这种结构为背靠背连接。背靠背双PWM变流器以其控制功能灵活、交流侧功率因数可调和直流电压可控等诸多优点，在轻型直流输电、统潮流控制器和柔性功率调节器等柔性交流输电技术领域 中获得了广泛的应用。 该电路拓扑结构如图1-2所示，整流和逆变部分都采用PWM三相桥实现，这种结构的优点：输入电流为正弦波，减少了发电机的铜耗和铁耗；发电机功率因数可调节为1,且能够与大阻抗的同步发电机相联接。凤轮
图1-2三相电压型PWM逆变器的拓扑结构 第二章双PWM变流器动态数学模型 三相桥式拓扑结构构中交流侧采用三相对称的无中线连接方式, 图中L代表交流侧滤波电感参数，R为电感中的寄生电阻，图中直流电压源1｝血代表并网变流器直流母线电压，同时也是与发电机转了绕组相连的变流器直流母线电压。为建立三相电压源型并网变流器的数学模型，根据其其拓扑结构，首先作以下假设： 1.电网电动势为平稳的纯正弦波电动势（e a,e b,e c）o 2?主电路开关元器件为理想开关，无损耗。 3?三相参数是对称的。 4?网侧滤波电感L是线性的，且不考虑饱和。 以A相为例，当VI导通V2关断时，直流电源Ude正极直接加到节点a处，由图可知，U M1 =U dc/2；当V2导通VI关断时，直流电源Ude负极接于节点a处，同理可知，=-U dc/2,同理易知节点b和c也是根据上下MOS管V5、V6 ）导通情况决定其电位的，由此可见，三相中任一相输出的相电压都有正负两个电平，因此这种结构的逆变器称为三相两电平逆变器。 图中1｝如是逆变器输入的直流电压，Ug,b,c）、i（a,b,c）分别为逆变器输出的电压和电流，e（a,b,cj是电网的正弦波电压。通过对VI至V6六个MOS管进行合适的PWM控制，就可以实现逆变器输出电流与电网电压相位相同这一目标。 在上述假设条件下，根据三相有源逆变器的拓扑结构和三相电压源型PWM并网变流器的开关工作原理，利用基尔霍夫电压、电流定律，建
风电功率预测系统功能规范
风电功率预测系统功能规范（试行） 前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。本规范由国家电网公司国家电力调度通信中心提出并负责解释；本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1风电场Wind Farm由一批风电机组或风电机组群组成的发电站。 2.2数值天气预报Numerical Weather Prediction根据大气实际情况，
在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3风电功率预测Wind Power Forecasting以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4短期风电功率预测Short term Wind Power Forecasting未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5超短期风电功率预测ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。 3数据准备 风电功率预测系统建模使用的数据应包括风电场历史功率数据、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌等数据。 3.1风电场历史功率数据风电场的历史功率数据应不少于1a，时间分辨率应不小于5min。 3.2历史测风塔数据a）测风塔位置应在风电场5km范围内；b）应至少包括10m、70m及以上高程的风速和风向以及气温、气压等信息；c）数据的时间分辨率应不小于10min。 3.3历史数值天气预报历史数值天气预报数据应与历史功率数据相
适用于电力系统全过程动态仿真的风电机组典型模型_刘涛
第39卷第3期电网技术V ol. 39 No. 3 2015年3月Power System Technology Mar. 2015 文章编号：1000-3673（2015）03-0609-06 中图分类号：TM 721 文献标志码：A 学科代码：470·4051 适用于电力系统全过程动态仿真的 风电机组典型模型 刘涛1，戴汉扬1，宋新立1，仲悟之1，侯俊贤1，叶小晖1，张爽2 （1．中国电力科学研究院，北京市海淀区 100192； 2．宁夏电力科学研究院，宁夏回族自治区银川市 750001） A Typical Wind Power Generation Set Model of Suitable for Full Dynamic Simulation of Power Grid LIU Tao1, DAI Hanyang1, SONG Xinli1, ZHONG Wuzhi1, HOU Junxian1, YE Xiaohui1, ZHANG Shuang2 (1. China Electric Power Research Institute, Haidian District, Beijing 100192, China; 2. Ningxia Electric Power Research Institute, Yinchuan 750001, Ningxia Hui Autonomous Region, China) ABSTRACT: The stochastic fluctuation of the output of wind power generation brings adverse impacts on both planning and operation of power grid. In allusion to the defects in the model used in domestic wind power generation simulation, including insufficient accuracy of electromechanical transient simulation results and lacking of the model for medium- and long-term dynamic simulation, a typical wind power generation set model suitable for full dynamic simulation of power grid is established. Since the generator model and converter control model that can reflect the electromechanical transient characteristic of wind power generator set and low-voltage ride-through (LVRT) control strategy and protection model as well as the wind speed fluctuation and active power control model that can reflect the medium- and long-term dynamic characteristics of wind power are included in the established model, so using the established model the electromechanical transient characteristics of wind power generation sets, especially the operating characteristic during the LVRT process can be accurately simulated; by means of presetting the input of wind speed fluctuation, both the output variation of wind power generation set in a long-term and its impact on power grid can be accurately simulated. Comparing simulation results of actual large-scale power grid by the proposed wind power generation set model with the measured data of the same large-scale power grid, the effectiveness of the proposed wind power generation set model in the electromechanical transient simulation and in the medium- and long-term dynamic simulation is validated. KEY WORDS: electromechanical transient characteristics; 基金项目：国家863高技术基金项目(2011AA05A103)；国家电网 公司科技项目资助(SGHB0000KXJS1400040)。 The National High Technology Research and Development of China (863 Program)(2011AA05A103).medium- and long-term dynamic simulation; converter control; low voltage ride-through control strategy; wind volatility fluctuation model; active power control model 摘要：风电的随机波动性给电网的规划运行带来了不利的影响。针对目前国内在风电仿真分析时使用的模型所存在的问题，包括机电暂态特性仿真不够准确且缺乏中长期动态仿真等，建立了适用于电力系统全过程动态仿真的典型风电机组模型。该模型包括反映风电机电暂态特性的发电机和换流器控制模型、低电压穿越控制策略和保护模型，以及反映风电中长期动态特性的风速波动和有功控制模型。该模型能够对风电机组机电暂态特性，特别是低电压穿越过程的运行特性进行准确地仿真；通过设置风速波动输入，能够较准确地模拟风电机组出力的长时间变化过程及其对电网造成的影响。通过与大电网实测数据的仿真对比，验证了风电机组模型在机电暂态和中长期动态仿真中的有效性。 关键词：机电暂态特性；中长期动态仿真；换流器控制；低电压穿越控制策略；风速波动模型；有功控制模型 DOI：10.13335/j.1000-3673.pst.2015.03.004 0 引言 随着风电装机容量的不断增加，大规模风电场并网将给电网的运行调度带来巨大压力，与其相关的局部电网稳定性、无功电压及低频振荡等问题不容忽视[1-4]；且由于风电的间歇性和不确定性，其大规模接入系统后，系统调频调峰及动态电压稳定性问题将变得突出[5-6]。 电力系统数字仿真技术是分析和掌握风电特性、提高源网协调性能的重要技术手段。风电机组中的换流器采用的电力电子器件具有快速的响应特性，而从分钟级以上的时间尺度看，风电的动力
风电功率预测系统简介
风电功率预测系统简介
目录 1目的和意义 (3) 2国内外技术现状 (3) 2.1国外现状 (3) 2.2国内现状 (4) 3风电功率预测系统技术特点 (5) 3.1 气象信息实时监测系统 (5) 3.2超短期风电功率预测 (5) 3.3短期风电功率预测 (6)
3.4风电功率预测系统软件平台 (8)
1目的和意义 风能是一种清洁的可再生能源，由于其资源丰富、转化效率高、产业化基础好、经济优势明显、环境影响小等优点，具备大规模开发的条件，在可以预见的将来，风能的开发利用将成为最重要的可再生能源发展方向。但由于风电等可再生能源发电具有间歇性、随机性、可调度性低的特点，大规模接入后对电网运行会产生较大的影响, 以至于有些地方不得不采取限制风电场发电功率的措施来保证电网的安全稳定运行。 对风电输出功率进行预测被认为是提高电网调峰能力、增强电网接纳风电的能力、改善电力系统运行安全性与经济性的最有效、经济的手段之一。首先，对风电场出力进行短期预报, 将使电力调度部门能够提前为风电出力变化及时调整调度计划，从而减少系统的备用容量、降低电力系统运行成本。这是减轻风电对电网造成不利影响、提高系统中风电装机比例的一种有效途径。其次，从发电企业（风电场）的角度来考虑,将来风电一旦参与市场竞争, 与其他可控的发电方式相比, 风电的间歇性将大大削弱风电的竞争力,而且还会由于供电的不可靠性受到经济惩罚。提前对风电场出力进行预报, 将在很大程度上提高风力发电的市场竞争力。 2国内外技术现状 2.1国外现状 在风电功率预测技术研究方面，经过近20 年的发展，风电功率预测已获得了广泛的应用，风电发达国家，如丹麦、德国、西班牙等均有运行中的风电功率预测系统。 德国太阳能技术研究所开发的风电管理系统（WPM）S是目前商业化运行最为成熟的系统。德国、意大利、奥地利以及埃及等多个国家的电网调度中心均安装了该系统，目前该系统对于单个风电场的日前预报精度约为85%左右。丹麦Ris? 国家可再生能源实验室与丹麦技术大学联合开发了风电功率
短期风电功率预测模型研究综述
短期风电功率预测模型研究综述 作者：崔垚王恺 来源：《电子世界》2012年第23期 【摘要】短期风电功率预测对于电力系统调度运行和电能质量具有重要的意义。而预测性能提高的关键在于预测模型选择和模型优化。本文对目前国内外几种主流风电场功率预测模型（物理预测模型、统计预测模型和组合预测模型）的建模原理和研究现状进行了综述性分析，对每种模型的优缺点和适用性进行了一些总结。并对风电功率预测模型的误差分析和预测的不确定性研究做了探讨，最后对短期风电功率预测领域的研究前景提出了一些可行性的展望。 【关键词】风电场；功率预测；物理；统计；组合；综述 1.引言 随着风力发电机组单机容量的提高和自动化技术的发展，风力发电系统也从原来的用户分布式能源向集中式大规模风电场发展。根据规划，我国将在内蒙、甘肃、河北、吉林、新疆、江苏沿海等地区建设7个千万千瓦级风电基地。预计2010-2020年，七大风电基地的开发规模将占全国风电开发总规模的68%至78%。这将使得风电在电网中比例不断增大，大量并网的风电对电力系统的调度运行和安全稳定带来了严峻挑战。有效的风电功率预测可以减少电力系统备用容量、降低系统运行成本、减轻风力发电对电网造成的不利影响、提高风电在电力系统中的比例[1]。 而风电功率预测的关键在于预测模型的合理选择和模型性能优化，本文对风电场功率预测模型的建模原理和模型适用情况做了一些综述性的分析。在此基础上对风电功率预测模型的误差分析和预测的不确定性研究做了一些探讨，最后对目前研究中面临的问题和未来的研究方向做了一些可行性展望。 2.国内外研究现状 国外（主要是欧洲）经过数十年的技术积累，目前已经拥有了多套较为成熟的风电功率预测模型和预测工具[2]，如基于物理学方法的Prediktor、LocalPred-RegioPred等，基于统计学方法的WPPS、GH-FORECASTER等。基于物理-统计学方法组合的Previento、ANEMOS等。这些预测系统已经成为欧美很多大型并网风电场系统管理和控制的基本组成部分。虽然如此，由于风能的间歇性和不确定性，国外相关科研工作者仍在不断探索。 我国对风电场功率预测的研究显得尤为紧迫。虽然国外已有一些相对成熟的预测模型，但是由于我国的风电场与欧洲风电发达国家的风电场风况、容量等情况不同。而风电场功率预测模型的优势往往与风况和容量等因素密切相关。虽然国内已有一些预测效果较好的风电场功率预测系统[3]问世，但是总体上来说，目前我国在风电功率预测领域尚处于探索和发展阶段。
风电模型
一、风力发电模型 1风速数学模型 一年当中的大部分时间中风速都是比较平稳的，风速在0~25m/s 之间发生的概率较高。研究表明，绝大多数地区的年平均风速都可以采用威布尔分布函数来表示 ])exp[()(1k k c v c v c k v -=）（? 其中v 是平均风速，c 是尺度系数，它反映的是该地区平均风速的大小；另一个形状系数k,它能够反映风速分布的特点，对应威布尔分布密度函数的形状，取值范围一般在1.8到2.3之间。 在有些研究中为了考察暂态过程中风速的变化情况，也可以风速分解，采用四分量模型，即：基本风、阵风、渐变风和随机风。 2单个风电场模型 风力发电场输出功率的变化主要源于风速和风向的波动、风力发电机组的故障停运等，而坐落在同一风力发电场的不同风机具有几乎相同的风速、风向，因此可以假设同一风力发电场内所有风机的风速和风向相同，然后根据风力发电机组的功率特性曲线求出单个风机的输出功率，所有风机功率之和乘以一个表示尾流效应的系数即为该风力发电厂的输出功率。
其中，t SW 为风机轮毂高度处的风速，co r ci ,V V V ，以及r P 为别为风机启动风速、额定风速、切除风速以及风机额定功率。在此基础上，引入了风机停运模型来模拟风力发电机组的故障停运：风力发电机组具有一定的故障率。当风机处于检修状态时，输出为零；当风机处于运行状态时，输出功率由风力发电场风速决定 二、光伏发电模型 1，光伏发电系统是由光伏电池板、控制器、电能存储和变换等环节构成的发电与电能变换系统。 2，光伏发点输出功率模型 其中，P 为输出功率，mod η为该小时环境温度下的模块效率，A 为光照总面积，wr η为配线效率系数，pc η为功率调节系统的效率，tilt I 为倾斜面的光照，l horisconta I 为水平面的光照，R 为l horisconta I 到tilt I 的折算系数，sd η为模块的标准效率，m f 为匹配系数，β为效率改变的温度系数，cell T 为环境温度。
风电功率预测的发展成就与展望
风电功率预测的发展现状与展望 范高锋，裴哲义，辛耀中 （国家电力调度通信中心，北京100031） 摘要：风电场输出功率预测对接入大量风电的电力系统运行有重要意义。本文从电力调度运行的角度，在风电功率预测技术的发展现状、系统建设情况、预测误差、预测评价指标和预测的主体等方面展开了论述，对目前存在的基础数据不完善、预测精度不高、预测的时间尺度较短和风电场普遍没有开展预测的问题进行了分析，提出了加强电网侧和风电场侧风电功率预测系统建设、加快超短期预测功能建设、继续深化预测技术研究、加强标准体系建设和开展跨行业合作等发展建议。 关键词:风电场；功率；预测；系统 中图分类号：TM614 文献标志码：A 文章编号： Wind power prediction achievement and prospect FAN Gao-feng , PEI Zhe-yi , XIN Yao-zhong (National Power Dispatching& Communication Center，Beijing 100031) Abstract: Wind power prediction is important to the operation of power system with comparatively large mount of wind power. This paper summarized the current situation of wind power prediction technology, wind power prediction system construction, prediction error, assessment index, and main market body of prediction from the power dispatch perspective. The main problems includes basic data incomplete, prediction precision relatively low, prediction time scale short and wind farm no wind power system are analyzed. Suggestions of enforcing grid side and wind farm side wind power prediction system construction, speeding up ultra-short term wind power prediction system construction, deepening wind power prediction technology study, strengthening prediction technical standard system and cooperation of different industry are proposed. Keywords: wind farm; power; prediction; system 0引言 电力系统是一个复杂的动态系统。维持发电、输电、用电之间的功率平衡是电网的责任。在没有风电的电力系统，电网调度机构根据日负荷曲线可以制定发电计划，以满足次日的电力需求。风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加，风电对电力系统的调度运行带来巨大挑战。 目前风电对全网的电力平衡已经带来很大的影响[1-3]。对风电场输出功率进行预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一。同时，风电功率预测还可以指导风电场的检修计划，提高风能利用率，提高风电场的经济效益。经过多年的科研攻关与技术创新，我国具有自主知识产权的风电功率预测系统已在电力调度机构获得了广泛应用，12个网省调建立了预测系统，覆盖容量超过12GW，在电网调度运行中发挥了一定作用。本文对近年来风电功率预测方面完成的工作进行了总结，对存在的问题进行了论述，并提出了下一步的发展建议。 1 风电功率预测发展现状 1.1 风电功率预测技术的发展情况 电网调度部门对风电功率预测的基本要求有2个：一是短期预测，即当天预测次日0时起72h的风电场输出功率，时间分辨率为15 min，用于系统发电计划安排；另一个是超短期预测，即实现提前量为0~4h的滚动预测，用于电力系统实时调度[4]。 风电功率预测方法主要分为统计方法、物理方法[5-6]。统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测，常用的预测模型有时间序列、神经网络、支持向量机等。物理方法是指风电功率预测的物理方法根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法，计算得到风电
风电功率预测模型
第一页 答卷编号： 论文题目：A 题风电功率预测问题 指导教师： 参赛学校： 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人）
第二页 答卷编号：
A 题风电功率预测问题 摘要 风能是一种可再生、清洁的能源，风力发电技术的进一步研究和开发对解决能源危机、缓解环境压力以及提升经济发展水平具有重大的意义。据此，本文通过建立一系列数学模型来研究和探索风电功率的预测以及提高预测精度问题。 针对第一问，本文提出指数平滑法、小波神经网络以及时间序列ARMA 三种预测模型对风电功率进行预测。指数平滑法采用平滑公式为：s t x t 1 (1 )S t 1,0 1,t 3，通过调整平滑参数来优化预测精度；小波 神经网络采用的小波基函数为Morlet 母小波基函数，小波神经修正采用梯度修正法；ARMA 模型通过确定自回归阶数和移动平均阶数来构造预测表达式。结 针对第二问，本文在第一问所求结果的基础上，使用熵值赋权法对三种模型 进行归一化处理，所得权值向量为w (0.3246,0.3344,0.341) ，得到一组基于以上 三种模型的预测数据。使用拟合与聚类分析得出单机系统对多机系统P4 的相关性高于对总机系统的相关性，据此，使用基于李雅普诺夫中心极限定理的通过假设相对误差小于题目要求的概率模型，求得单机组和多机组的通过检验概率为： 最后得出普遍性规律为：由于多机预测较精确，可以用多机系统的预测结果对单机进行预测。修正单机系统预测所带来的相对误差，提高精度。 针对问题三，本文建立基于遗传算法的ARMA 模型，对ARMA 模型的阶数进行优化。定义平均相对变动值( ARTD )，并令遗传算法的适应度函数为： f(x) ARTD。最后得到具有更高预测精度的模型。具体指标值如下表： 本文提出的模型对风电功率的预测具有重大的借鉴意义，并可将其模型推广应用至工程预测、股票分析、生产计划等问题上。 关键字：风电功率预测、时间序列、指数平滑法、小波神经网络、遗传算法
风电功率预测问题
第一页 答卷编号：论文题目： 指导教师： 参赛学校： 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人） 第二页 答卷编号：
风功率预测问题设计 摘要 未来风力发电可能成为和太阳能比肩的新能源行业。随着全球经济的发展和人口的增长，人类正面临着能源利用和环境保护两方面的压力。一方面煤炭、石油和天然气等化石燃料的储量由于大量开采而日益减少：另一方面是大量使用化石燃料对自然环境产生了严重的污染和破坏。这两方面的问题已经引起世界各国政府和人民的高度重视，并在积极寻求一条可持续发展的能源道路，以风能首当其冲。风速的随机性，给，和风电场的功率输Hj带来很大的困难。本文旨在研究分电功率在一段时间的变化规律，本文组建三个模型来解决风电功率的预测问题通过对历史数据的分析，挖掘5月31号到6月6日风电功率的变化趋势，以便直观的检验模型与实际数据是否相吻合。 在问题一中考虑天气变化的随机性，分析不同时间点的数据，将Pa,Pb,Pc,Pd,P58表中5月30日第81时间点到96时间点的数据提取出来运用灰色理论作为预测2006年5月31日开始前四个小时内的16个时间点的数据预。同理以表中已给出的5月31日1-16时间点的数据预测出17-32时间的数据，然后运用此模型得出时间范围a,b内各时间点的风电功率。然后可与题目中以给的数据相比较得出误差。第二种预测方法运用指数平滑模型得出时间范围a,b内各时间点的风电功率。第三种预测方法运用移动平均模型，预测出时间范围a,b内各时间点的风电功率。通过三种预测方法的误差分析我们推荐指数平滑预测法。 在问题二中，通过比较分析问题一的预测结果，比较单台风电机组功率（P A ，P B ，P C ， P D ）的相对预测误差与多机总功率（P 4 ，P 58 ）预测的相对误差，得出风电机组的汇聚程 度越高，对于预测风电功率结果误差影响越小。 在问题三中，选用了BP神经网络的预测方法，加入了更多的自变量，使得预测结果更精确。 （关键词：风速的随机性，风速的预测，风电功率数值，灰色理论，指数平滑模型，移动平均模）
国家能源局关于印发风电功率预报与电网协调运行实施细则
国家能源局关于印发风电功率预报与电网协调运行实施细则(试行)的 通知 国能新能[2012]-12文件 各省(区、市)发展改革委、能源局、中国气象局，国家电网公司、南方电网公司、华能集团公司、大唐集团公司、华电集团公司、国电集团公司、中电投集团公司、神华集团公司、中广核集团公司、三峡集团公司、中国节能环保集团公司、水电水利规划设计总院、各相关协会: 为促进风电功率预测预报与电网调度运行的协调，根据《风电场功率预测预报管理暂行办法》的有关要求，现将〈风电功率预报与电网协调运行实施细则~(试行)印发你们，请参照执行。 附:风电功率预报与电网协调运行实施细则(试行) 风电功率预报与电网协调运行实施细则(试行) 第-章总则 第一条根据《中华人民共和国可再生能源法》和《节能调度管理办法}，为贯彻落实国家能源局《风电场功率预测预报管理暂行办法}C国能新能(2011 ) 177号)，制定本实施细则。 第二条中国气象局负责建立风能数值天气预报服务平台和业务运行保障体系，为风电功率预测提供数值天气预报公共服务产品和相关技术支持系统。 第三条风电开发企业负责风电场发电功率预报工作，按照要求上报风电场发电功率预报曲线，并执行电网调度机构下发的发电功率计划曲线。 第四条电网调度机构负责电力系统风电发电功率预测工作，建立以风电功率预测预报为辅助手段的电力调度运行机制，保障风电优先调度，落实风电全额保障性收购措施。 风电功率预测预报和并网运行的有关考核办法另行制定。 第五条各有关单位应保证安全接收、传送、应用气象和电力运行等信息，确保涉密信息的获取和使用符合国家相关保密规定。 第二章气象数据服务及功率预测
风电功率预测问题数学建模全国一等奖0000
风电功率预测问题数学建模全国一等奖0000
答卷编号：论文题目：风电功率预测问题 指导教师：金海 参赛学校：北京理工大学 报名序号：1550 证书邮寄地址：北京理工大学中关村校区徐厚宝（学校统一组织的请填写负责人）
风电功率预测问题 摘要： 本文着力研究了风电功率的预测问题。根据相关要求，本文中我们分别利用ARMA模型、卡尔曼滤波预测模型和小波神经网络预测模型对该风电场的风电功率进行预测。通过对预测结果各项评价指标的综合分析，发现：小波神经网络预测模型的精确度最高；单台风电机组预测误差与总机组预测误差成正相关性；多个风电机组的汇聚会使得总体的预测误差减小。另外，从神经网络的训练过程中，我们发现突加扰动是阻碍风电功率实时预测精度进一步改善的主要因素，风电功率的预测精度不可能无限提高。 对于问题一，我们分别建立了ARMA、卡尔曼滤波、小波神经网络三种预测模型对指定的发电机组的输出功率进行了预测，取得了较为理想的结果。ARMA 模型的预测精确度为75.4%—79.3%，卡尔曼滤波模型的预测精确度为 81.3%-95%，小波神经网络模型的预测精确度为92.1%—94.7%，故小波神经网络的预测效果最好。 对于问题二，我们分析比较了三种模型下单台机组和多机组5月21日至6月6日的平均相对预测误差，得知风电机组的汇聚会使得总体的预测误差减小。 针对问题三，我们在问题一小波神经网络模型的基础上建立了遗传神经网络模型。经过仿真，我们发现该模型能显著减小峰值误差，有力地抑制时间延迟现象，有效地提高了预测的精确度。对仿真误差进行分析，我们指出突加的扰动是阻碍风电功率实时预测精度进一步改善的主要因素，预测的精度不可能无限提高。 关键词：ARMA，卡尔曼滤波，小波神经网络，遗传神经网络