科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着大规模风电并网,在电力市场中,风电所占比例越来越大。由于风的随机性和间歇性,风力发电并不稳定,这给风电并网带来了很大的挑战。风电功率预测成为当前解决该问题重要途径,在风电并网中发挥着重要作用,关系到风力发电的使用效率。本文梳理了常见的模型驱动的风电功率预测方法:第一类是概率统计模型,以ARIMA模型为代表。第二类是机器学习模型,如支持向量机,高斯过程,随机森林等。第三类是深度学习模型,以循环神经网络为代表。第四类是模型分解方法,将序列分解为线性部分和非线性部分,再分别建立线性模型和非线性模型,最后将两部分的预测结果相加。此外,还有组合预测方法,先使用小波分解、经验模态等方法将序列分解为多个信号,再用以上四类基本方法对每个信号建模,最后将各个信号的预测值重构回原序列的预测值。本文将详细介绍并比较以上四类基本预测方法和组合预测方法,并分析各类方法的优点和局限性。
- 单位
