风电场风速短期多步预测改进算法

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。

风电场风速及风电功率预测方法研究综述

—————————————————— —基金项目：福建省教育厅科技项目（JA08024）；福建省自然科学基金计划资助项目（2008J0018）。 第27卷第1期2011年1月 电网与清洁能源 Power System and Clean Energy Vol.27No.1 Jan.2011文章编号：1674-3814（2011）01-0060-07 中图分类号：TM614 文献标志码：A 风电场风速及风电功率预测方法研究综述 洪翠，林维明，温步瀛 （福州大学电气工程与自动化学院，福建福州350108） Overview on Prediction Methods of Wind Speed and Wind Power HONG Cui,LIN Wei-ming,WEN Bu-ying （College of Electrical Engineering and Automation ，Fuzhou University ，Fuzhou 350108，Fujian Province,China ） ABSTRACT ：Due to the intermittency of wind energy and the non -linearity of power system,there exist many uncertain variables which should be considered in the wind power prediction.The current prediction methods include the physical method, statistical method, learning method and the comprehensive one combining all the other methods.Based on accurate numerical weather prediction （NWP ）,the physical method is seldom used in the short term prediction,as its model is complicated and deals with large quantities of calculations.The model of the statistical method is simple and requires a small amount of data.It can be applied in those situations where data acquisition is difficult.The AI method is suitable in the random or non —linear system as it does not rely on the accurate mode of the objective.The comprehensive method maximizes favorable factors and minimizes unfavorable ones as contained in above-mentioned methods.This paper presents a brief overview on prediction methods of wind speed and wind power,and raises further issues worth further research on the basis of summarizing the previous studies.KEY WORDS:wind power prediction;statistical methods; learning methods;combinatorial prediction 摘要：由于风能的随机性以及电力系统的非线性等原因，预测风电功率时需要考虑众多的不确定因素影响。 现有预测方法主要包括物理预测方法、统计预测方法以及学习预测方法、综合预测法等。基于数字天气预报（NWP-numerical weather prediction ） 的物理预测方法模型复杂、计算量大，较少用于短期预测；统计预测方法模型简单，数据需求量少， 较适合于数据获取有一定困难的情况；人工智能预测方法不依赖于对象的精确模型，适合于随机非线性系统；综合预测方法可一定程度地扬长避短。本文主要就风电场风速及风电功率预测方法研究进行了综合阐述，并在总结前人研究的基础上提出了一些可进一步研究的问题。 关键词：风电预测；统计方法；学习方法；综合预测 随着全球石化资源储量的日渐匮乏以及低碳、 环保概念的逐步深化，风能等可再生能源的开发与利用日益受到国际社会的重视。2007年初欧盟曾提出，2020年其可再生能源消费将占到全部能源消费的20%，可再生能源发电量将占到全部发电量的30%[1]。风力发电是风能的主要利用方式之一。2009年，全球风电装机总量已达157.9GW ，较上年增加了37.5GW [2]。中国风能资源仅次于美国和俄罗斯，可利用风能资源共计约10亿kW 。近些年来风电在中国获得了飞速发展，2000年至2009年十年时间，中国风电装机容量从0.34GW 增至25.8GW [3]；2020年，预计全国风电总装机容量将达到30GW [1]。除部分采用离网运行方式外[4]，大容量风电机组多数采用并入电网的运行方式。随着规模越来越 大、数量越来越多的风力发电功率注入电网， 风能具有的随机性对电力系统的影响越来越不可忽视。 1风电预测的意义 准确有效地预测出风电场的输出功率不但可 帮助电力系统调度运行人员做出最有效决策， 还

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（WPMS）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预测系统Zephyr，

风速风量计算方法

风量（Q）：所谓风量（又称体积流率）指的是风管之截面积所通过气流之流速，一般在使用上以下式来表示： Q=60VA Q（风量）=m3/min V（风速）=m/sec A（截面积）=m2 压力常用换算公式 1Pa=0.102mmAq 1mbar=10.197mmAq 1mmHg=13.6mmAq 1psi=703mmAq 1Torr=133.3pa 1Torr=1.333mbar 常用单位换算表-风量 1m3/min（CMM）=1000 l/min = 35.31 ft3/min（CFM） 常用名词说明（1）标准状态：为20℃，绝对压力760mmHg，相对湿度 65％。此状态简称为STP，一般在此状态下1m3之空气重量为1.2kg。 （2）空气之绝对压力：为当地大气压计所显示的大气压力再加上表压力之和，一般用kgf/m2或mmaq来表示。 （3）基准状态：为0℃，绝对压力760mmHg，相对湿度0％。此状态简称为NTP，一般在此状态下1m3之空气重量为1.293kg。 压力（1）静压（Ps）：所谓静压就是流体施加於器具表面且与表面垂直的力，在风机中一般是由於重力与风扇之推动所造成，在使用上常以kgf/m2或mmaq来表示，且可以直接经过量测取得。而在风机之风管中，任何方向之静压值皆为定值且也有正负之分，若静压值为正则表示风管目前正被胀大，若静压值为负则表示风管目前正受挤压。 （2）动压（Pv）：所谓动压就是流体在风管内流动之速度所形成之压力，在使用上常以kgf/m2或mmaq来表示. （3）全压（PT）：所谓全压就是静压与动压之和，在使用上常以kgf/m2或mmaq来表示。在风机中全压值是属固定，并不会因风管缩管而产

关于短期及超短期风电功率预测的分析

关于短期及超短期风电功率预测的分析 发表时间：2020-03-14T14:01:00.437Z 来源：《福光技术》2019年32期作者：张俊林徐元中[导读] 风电的不确定性对电力系统与电力市场的稳定性、充裕性及经济性的影响日益彰显，及时、精确地预测风电功率（WP）动态的意义大。 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室湖北省武汉市 430068 摘要：风电的不确定性对电力系统与电力市场的稳定性、充裕性及经济性的影响日益彰显，及时、精确地预测风电功率（WP）动态的意义大。风电功率预测（WPP）根据风速及相关因素的历史数据和当前状态，定性或定量地推测其此后的演化过程。本文就对短期及超短期风电功率预测相关内容展开分析。 关键词：短期；超短期；风电功率；预测 引言 WP 的整体不确定性由其随机性及模糊性构成。有效的 WPP 虽然不会减少 WP 的随机性，但是可以降低其模糊性，从而使 WP 的整体不确定范围降低到WPP 的最大误差区间，减小了WP 对电力系统及电力市场的扰动。 分析影响 WPP 精度的因素第一，气象的历史数据与实时数据的缺失，风电场数据采集、传输与处理设施的缺陷，都会影响WPP 的精度。数据预处理技术包括数据同步、异常数据的识别与处理、缺失数据的替代等。第二，预测策略。例如，直接预测 WP 或通过风速预测；直接预测整个风电场的WP 或根据部分风机的预测值及空间相关性推算；采用逐一累加方式或统计升尺度方式推算区域风电场群功率。一般来说，能反映更多具体数据的预测策略可以得到更高的精度，但需要更多的数据与计算量。第三，数值天气预报（NWP）在大气实际的初值和边值条件下，数值求解天气演变过程的流体力学和热力学模型，根据空间网格中的平均值推算实际风电场地表风速的非均匀分布，并预测其动态变化。由于计及了等高线与等地形信息，以及地表粗糙度等地貌信息，通过微观气象学方法可以得到各风机轮毂高度的风速、风向等信息。然后将风速的推算值转换为风能，其精度与 NWP 的精度、网格大小、刷新周期等密切相关。第四，预测方法。物理计算法、时序外推法、人工智能（AI）法分别从空间、时间与样本分类的观点推算。它们依据的数据源、预测模型、误差特性都有所不同。若能巧妙地互补不同方法的优点，可更好地反映风速的时空演变特性。 分析 WPP 方法的研究现状基于 NWP 的物理模型计算 NWP 将天气的物理过程概括成一组物理定律，并表达成数学方程组。然后在已知的初始值及边界条件下，逐个时间段地往前联立求解描述天气演变过程的热力学和流体力学方程组，预测未来的气象数据，再结合风电场周围的地形地貌，计算风电机组轮毂高度处的风速与风向等，最后通过该机的功率 TC 得到 WPP。其技术要点包括：采用高性能计算机求解偏微分方程组的数值解；采用网格嵌套的方法减少计算量；为目标区域定制预报模型；通过观测数据的同化提高预报质量。基于 NWP 的物理模型预测方法除了能够充分考虑风电场的物理和环境因素以外，其最大的优势在于不需要积累大量的历史数据，因此特别适合新建风电场的 WPP。但由于 NWP 的更新频率较低，难以满足超短期预测的要求，仅适合短期及中长期预测。 基于统计观点的外推模型时序外推法通过归纳风速（或 WP）历史数据的时间序列之间的统计规律，建立WPP 值与最近期WP 时间序列之间的线性或非线性映射。由于历史数据序列反映了流体、热力、地形地貌等因素的影响，故基于统计观点的外推模型可以回避对物理机理掌握不够的困难。但是外推法隐含下述假设：第一，连续性，即影响事物未来轨迹的那些因素及规律，与该时刻之前一段时间基本保持不变；第二，渐进性，即事物以缓慢而渐进的方式演化，短期内不会突变。这些假设不但会使外推法在系统结构或边界条件于预测时效内发生突变时失效，即使在系统缓慢变化期间，其预测误差也会随着预测时效的增加而迅速增加，影响外推法的适用性及强壮性。 时间序列预测法经典的时间序列预测法。时间序列预测法根据目标变量本身随时间变化的趋势外推，较适用于气象信息有限的风电场进行超短期预测。由于无需考虑更多的气象信息，故具有建模简单且计算量少的优点。但输入数据单一的特点也使其难以考虑其他信息的影响，无法按不同的边界条件来修正预测模型，故除了建模时需要大量历史数据外，其强壮性更差，难以应对突变状况；且预测精度也随着预测时效的增加而迅速降低。经典的时间序列预测法，包括持续法、移动平均法和自回归移动平均（ARMA）法。持续法将最近一点的实测值作为下一时刻的预测值，简单并常被用做新算法的比较基准。移动平均法随着时间序列移动一个宽度不变的窗口，将其中各项的动态平均值作为下一时刻的预测值，仅适用于系统平稳或小幅波动时。ARMA 法利用滞后的自身数值和随机误差项来解释当前值，并以此预测未来。对于非平稳的 WP 时间序列，通过差分来消除部分不平稳分量。自回归求和移动平均（ARIMA）模型扩展了 ARMA 模型，将时间序列视为随机过程，并被广泛应用于超短期WPP 和短期WPP。 与其他数学分析法的结合。一些学者引入了其他数学分析法来弥补时间序列预测法的不足。例如，分数—自回归求和移动平均（ARIMA）模型通过降低时间序列高阶模型参数估计的难度来提高模型精度。马尔可夫预测法将时间序列看做一个随机过程，通过系统在不同状态下的初始概率以及状态之间的转移概率建立随机型的时序模型。 AI 预测法 AI 算法借助自然界规律或生物智能的启发，设计求解问题的计算机程序。包括模仿人类思维中模糊性概念的模糊算法，主要用于图像处理及模式识别；模仿生物进化和群体智能的进化算法，主要用于决策支持及优化问题；模仿大脑结构及其对信息的处理过程的 ANN 算法，可实现仿真、图像识别等任务。由于 AI 算法不需要按机理建立预测对象的数学模型，而是通过大量实测数据或仿真算例来训练 AI 模型，在其输出与输入变量之间直接建立非线性映射关系，故可用于机理不清楚的场合。 2.2.3ANN

风速风量计算方法

风量（Q :所谓风量（又称体积流率）指的是风管之截面积所通过气流之流速，一般在使用上以下式来表示： Q=60VA Q （风量）=m3/min V （风速）二m/sec A （截面积）=m2 压力常用换算公式1Pa=0.102mmAq 1mbar=10.197mmAq 1mmHg=13.6mmAq 1psi=703mmAq 1T orr=133.3pa 仃 orr=1.333mbar 常用单位换算表-风量 1m3/min（ CMM =1000 l/min = 35.31 ft3/min （ CFM 常用名词说明（1）标准状态：为20C，绝对压力760mmHg相对湿度65 %。此状态简称为STP 一般在此状态下1m3之空气重量为 1.2kg。（2）空气之绝对压力：为当地大气压计所显示的大气压力再加上表压力之和，一般用kgf/m2或mmaq来表示。 （3）基准状态：为0C,绝对压力760mmHg相对湿度0%。此状态简称为NTP —般在此状态下1m3之空气重量为1.293kg。 压力（1）静压（Ps）：所谓静压就是流体施加於器具表面且与表面垂直的力，在风机中一般是由於重力与风扇之推动所造成，在使用上常以kgf/m2或mmac来表示，且可以直接经过量测取得。而在风机之风管中，任何方向之静压值皆为定值且也有正负之分，若静压值为正则表示风管目前正被胀大，若静压值为负则表示风管目前正受挤压。（2）动压（Pv）：所谓动压就是流体在风管内流动之速度所形成之压力，在使用上常以kgf/m2或mmaq来表示. （3）全压（PT）:所谓全压就是静压与动压之和，在使用上常以 kgf/m2 或mmaq来表示。在风机中全压值是属固定，并不会因风管缩管而产 生变化. 风压与温度温度变化会影响空气之密度。故在其他条件不变的情况下，温度变化时，其风压必须依下面之关系加以校正，以获得标准情况下之风压值：

基于卡尔曼滤波原理对风电功率短期预测

1 基于卡尔曼滤波原理的风电功率预报 林可薇 (西安交通大学电气工程学院，陕西省，西安市，710000) Prediction of wind power based on the principle of Calman filter LIN Ke-wei (School of Electrical Engineering, Xi'an Jiaotong University, Xi'an710000, Shanxi Province, China) ABSTRACT:focuses on the principle of Calman filter and Calman filter algorithm,Understanding both based applications in the wind power forecast.Wind power forecasting system based on digital weather forecast meteorological parameters related to output close to the ground can not accurately predict the output power,Departure from the principle of Kalman filtering,Kalman filter algorithm can take advantage of wind capacity to be corrected digital output weather forecast,Improve forecast accuracy. KEY WORD:Kalman filter;Power prediction;Accuracy 摘要：本文重点介绍卡尔曼滤波原理和卡尔曼滤波算法，了解基于两者在风电预测的应用。风电预测系统根据数字天气预报输出的贴近地面的相关气象参数不能精确预测输出功率，从卡尔曼滤波的原理出发，利用用卡尔曼滤波算法可以对数字天气预报输出的风速量进行修正，提高预测精确度。 关键词：卡尔曼滤波；功率预测；精确度 1 引言 由于常规能源的日益枯竭及人们对改善生存环境的迫切需求, 清洁、可再生的风能资源受到了世界各国的广泛关注.在众多绿色能源中，风能逐步成为新能源电力的主力军。世界风能协会统计，2012年中国新增风电机组装机容量13200MW(其中海上风电装机容量127MW)，累计风电机组装机容量75564MW，均位居世界第一，美国紧随其后[1]。风电已超过核电，成为继煤电和水电之后中国的第三大主力电源。按照 GWEA《世界风电展望》报告的分析预测，风电在 2030年将占到全球电力供应的5%。结果显示风电不但能够满足全球未来30年对于清洁电力的需求，而且对供电系统的渗透还将持续增长。然而风的间歇性会带来不稳定电参量，严重时，小故障就可引发电网电压较大波动造成大面积风电机组脱网。解决这一难题对风电事业的良好发展具有非常重要的意义。本文将着眼于关键技术问题之一的风电功率预测，对卡尔曼原理及其算法进行简单介绍。 2 卡尔曼滤波原理 卡尔曼于1960年发表了关于递归解决线性离散数据滤波器的论著, 自此卡尔曼滤波器得到了广泛的研究与应用. 卡尔曼滤波器是一个最优化自回归数据处理算法，主要用于于解决大部分随机量估计问题，所应用的方法属于统计学中的估计理论，最常用的是最小二乘法，最小方差估计等等。主要能根据一系列的对随机状态的观测值进行定量的推断，通过最小均方误差使估计值尽可能准确的接近真实值。 3 卡尔曼滤波算法 卡尔曼滤波算法是一种有效的以小均方误差来估计系统状态的计算方法, 即通过将前一时刻预报误差反馈到原来的预报方程中, 及时修正预报方程系数, 以提高下一时刻的预报精度.在卡尔曼滤波算法中, 描述系统的数学模型是状态方程和量测方程, 分别为 t t t t w x F x+ = -1 （1） t t t t v x H y+ =（2） 式中: t x为未知过程在t时刻的状态向量； t y 为t 时刻的观测向量； t F和 t H分别为系统矩阵 及观测矩阵, 且必须在滤波器应用之前确定； t w 和 t v分别为系统噪声和量测噪声, 均假定为高斯白噪声且相互独立, 与其相对应的协方差矩阵分别为t w和 t v卡尔曼滤波算法提供了一种在观测向量更 新为 t y基础上的递归来估计未知状态的算法。假定 现有系统状态为 t x, 则在上一状态 1-t x及其协方差 矩阵 1-t P的基础上, 可以得到t 时刻的预测状态及其协方差矩阵的预测方程, 即

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

风电场风速预测研究综述

风电场风速预测研究综述 【摘要】随着经济的发展，对清洁能源的需求越来越迫切。风能作为一种清洁、可再生能源具有很大的发展潜力。由于风力发电的间歇性和时变性，随着风电并网，精确的风速的预测尤为重要。本文就目前存在的风速的预测方法进行了归纳和总结，分析和比较了各类方法的特点，并进一步说明他它们的运用范围。 【关键词】风速预测；预测模型；综述 随着全球石化资源储量的日渐匮乏以及低碳、环保概念的逐步深化，风能等可再生能源的开发与利用日益受到国际社会的重视。风能作为一种清洁、可再生能源具有很大的发展潜力。它作为一个解决能源生产和生活的需要方法，特别是对沿海岛屿，难以到达的偏远地区，地广人稀的草原，农村和边疆传统电源难以发展，具有重要的意义。最近，不仅在发达国家，而且在中国这样的发展中国家也越来越关注风能资源的开发与利用。 风力发电最重要的因素之一是风速。功率曲线特征与风速风力发电生产的链接。风速是不可控的，不可调节的，导致间歇性风能。这影响电能质量，危害电力系统稳定和电力调度。出于这个原因，准确有效地预测出风电场的输出功率可帮助电力系统调度运行人员做出最有效决策。 目前，许多研究人员已经就风速预测问题进行了研究，并且提出了许多预测方法，大体可以分为3类：物理方法、时间序列方法和人工智能算法。当然，这种分类方法并不绝对，现在已经很少存在只用单一的物理方法或者统计方法来进行风速预测的模型，在许多高效的预测方法中这几种模型都同时得到应用。并且，近些年随着人工智能的不断发展，诸如人工神经网络（ANN）和模糊逻辑等方法都已广泛应用到风速预测的模型中。 本文论述的侧重点是风速预测的方法，按一下4类进行论述：物理模型、时间序列模型、智能算法以及新方法。 1.风速预测方法 1.1物理方法 数值天气预报（NWP）作为典型的物理模型，依据大气实际情况，如不同高度上的风向、风速、气压、湿度等气象要素值，在一定的初值和边界条件下.通过大型计算机做数值计算，求解描写天气演变过程的流体力学和热力学方程组，最后逐步计算出大气未来的气象要素分布状况，从而制作出天气预报。研究发现，在超短期中NWP方法预测效果比较理想。其次物理模型是预测风速的第一步，作为其他统计模型的辅助输入量。 1.2时间序列方法

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

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）

风电功率预测文献综述

风电功率预测方法的研究 摘要 由于风能具有间歇性和波动性性等特点，随着风力发电的不断发展风电并网对电力系统的调度和安全稳定运行带来了巨大的挑战。进行风电功率预测并且不断提高预测精确度变得越来越重要。通过对国内外研究现状的了解，根据已有的风电功率预测方法，按照预测时间、预测模型、预测方法等对现有的风电功率预测技术进行分类，着重分析几种短期风电功率预测方法的优缺点及其使用场合。根据实际某一风电场的数据，选取合适的风电预测模型进行预测，对结果予以分析和总结。 关键词：风电功率预测；电力系统；风力发电；预测方法； 引言 随着社会不断发展人们对能源需求越来越大而传统化石能源日益枯竭不可再生，以及化石能源带来了环境污染等问题影响人类生活，人们迫切需要新的清洁能源代替传统化石能源。风能是清洁的可再生能源之一，大力发展风力发电成为各国的选择。根据相关统计，截止至2015年，全球风电产业新增装机63013MW，，同比增长22%[1]。其中，中国风电新增装机容量达30500MW，占市场份额48.4%。全球累计装机容量为432419MW，其中中国累计装机容量为145104,占全球市场份额的33.6%。 目前风力发电主要利用的是近地风能，近地风能具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。当接入到电网的风电功率达到一定占比时，风电功率的大幅度波动将破坏电力系统平衡和影响电能质量，给电力系统的调度和安全平稳运行带来严峻挑战。根据风速波动对风力发电的影响按照时间长度可分为三类：一种是在几分钟之内的超短时波动，该时段内的波动影响风电机组的控制；另一种是几小时到几天内的短时波动，该时段内的波动影响风电并网和电网调度；最后一种是数周至数月的中长期波动，该时段内的波动影响风电场与电网的检修和维护计划。本文主要研究不同的风电功率短期预测方法的优缺点。 通过对短期风电功率预测，能够根据风电场预测的出力曲线优化常规机组出力，降低运行成本；增强电力系统的可靠性、稳定性；提升风电电力参与电力市场竞价能力。

风量风压风速的计算方法

离心式风机风量风压转速的关系和计算 n:转速 N:功率 P:压力 Q:流量 Q1/Q2=n1/n2 P1/P2=(n1/n2)平方 N1/N2=(n1/n2)立方 风机风量及全压计算方法风机 功率(W)=风量(L/S)*风压(Kpa)/效率(75%)/力率(75%) 全压=静压+动压。风机马达功率(W)=风机功率(W)*130%= 风量(L/S)*风压(Kpa)/效率(75%)/力率(75%)*130% 风机的，静压，动压，全压 所谓静压的定义是：气体对平行于气流的物体表面作用的压力。通俗的讲：静压是指克服管道阻力的压力。 动压的定义是：把气体流动中所需动能转化成压的的形式。通俗的讲：动压 是带动气体向前运动的压力。 全压=静压＋动压 全压是出口全压和入口全压的差值 静压是风机的全压减取风机出口处的动压（沿程阻力） 动压是空气流动时自身产生的阻力P动=0.5*密度*风速平方P=P动+P静 、两台型号相同且转速相等的风机并联后，风量最高时是两台风机风量的90%左右，风压等于单台风机的压力。 2、两台型号相同且转速相等的风机串联后，风压是单台风机风压的2倍，风量等于单台风机的风量。 3、两台型号不同且转速不等并联使用，风量等于较大的一台风机的风量，风压不叠加。 4、两台型号不同且转速不等，型号较大的一台置前串联使用，风压小于单台风机的风压，风量等于较大的一台风机的风量 风速与风压的关系 我们知道，风压就是垂直于气流方向的平面所受到的风的压力。根据伯努利方程得出的风－压关系，风的动压为 wp=0.5·ro·v2 (1)

其中wp为风压[kN/m2]，ro为空气密度[kg/m3]，v为风速[m/s]。 由于空气密度(ro)和重度(r)的关系为r=ro·g, 因此有 ro=r/g。在(1)中使用这一关系，得到 wp=0.5·r·v2/g (2) 此式为标准风压公式。在标准状态下(气压为1013 hPa, 温度为15°C), 空气重度r=0.01225 [kN/m3]。纬度为45°处的重力加速度g=9.8[m/s2], 我们得到 wp=v2/1600 (3) 此式为用风速估计风压的通用公式。应当指出的是，空气重度和重力加速度随纬度和海拔高度而变。一般来说，r/g 在高原上要比在平原地区小，也就是说同样的风速在相同的温度下，其产生的风压在高原上比在平原地区小。 引用Cyberspace的文章：风力风压风速风力级别 我们知道，风压就是垂直于气流方向的平面所受到的风的压力。根据伯努利方程得出的风－压关系，风的动压为 wp=0.5·ro·v2 (1) 其中wp为风压[kN/m2]，ro为空气密度[kg/m3]，v为风速[m/s]。 由于空气密度(ro)和重度(r)的关系为r=ro·g, 因此有 ro=r/g。在(1)中使用这一关系，得到 wp=0.5·r·v2/g (2) 此式为标准风压公式。在标准状态下(气压为1013 hPa, 温度为15°C), 空气重度r=0.01225 [kN/m3]。纬度为45°处的重力加速度g=9.8[m/s2], 我们得到 wp=v2/1600 (3) 此式为用风速估计风压的通用公式。应当指出的是，空气重度和重力加速度随纬度和海拔高度而变。一般来说，r/g 在高原上要比在平原地区小，也就是说同样的风速在相同的温度下，其产生的风压在高原上比在平原地区小。 风压 P = pV^2/2 = 1.2*9^2/2 = 48.6 (Pa) 假如说9[m/s]风速，风压应该怎么计算，请把公式也写下 要测风道中的风速但手边没有风速计，只有个测风压的，

风电场的风速以及风功率变化规律的研究

龙源期刊网 https://www.wendangku.net/doc/8716137040.html, 风电场的风速以及风功率变化规律的研究 作者：李东阳高阳 来源：《山东工业技术》2017年第08期 摘要：随着风电场的大规模建设，弃风电量的评估得到越来越多的关注。本文主要研究 风电场的风速以及风功率变化规律，旨为弃风电量评估模型建立打下坚实的基础。提前掌握风速和风功率变化规律的情况，可以减少旋转备用容量，减小风力发电系统成本，并且为电网运行调度提供可靠的依据。 关键词：风电场；风速；风功率；变化规律 DOI：10.16640/https://www.wendangku.net/doc/8716137040.html,ki.37-1222/t.2017.08.151 1 引言 风能作为一种可再生、洁净的能源，近年来在全世界范围内得到了突飞猛进的发展。由于风能具有波动性、间歇性、低能量密度、不可控性等特点，大规模风电的接入对电力系统的安全稳定运行带来了很大的挑战。因此在弃风电量评估模型建立以前，对风电场的风速以及风功率变化的统计规律的研究显得至关重要，提前掌握风速和风功率变化规律的情况，可以减少旋转备用容量，减小风力发电系统成本，并且为电网运行调度提供可靠的依据。 2 风速-风功率特点 通过大量文献的查阅和参考，总结出风速变化主要表现为以下两种特点：（1）由于风能的能量密度较低，气温、阴晴、降水等都会引起风速的变化，因此风速变化将存在很大的波动性，呈现为非平稳的随机信号。（2）由于风速的变化跟太阳的照射有密切关系，所以在一天中风的强弱在某种程度上又呈现周期性。 风功率变化主要表现为以下两种特点：（1）由于风的能量密度低，气温、多云的天气，降水会引起风速变化，所以风功率变化会有很大波动，呈现出非平稳随机信号。（2）影响风功率变化的因素很多，包括风速、风向、空气湿度、大气密度等气象信息和风电场的位置、风机布局、地表粗糙度、海拔高度等物理信息。 因此，为了更好研究弃风电量评估模型，本文重点研究风速与风功率的变化规律，为研究弃风电量评估模型建立打好坚实的基础。 3 风速及风电功率变化的统计规律的数据指标 根据风电场测风塔实测历史数据和风电场风力发电历史运行数据，研究该风电场的风速以及风功率变化的统计规律，确定各项数据指标的基本范围，为数据的预处理工作奠定基础。数

风量风速计算方法

一、室内风管风速选择表 1、低速风管系统的推荐和最大的流速m/s 2、低速风管系统的最大允许速m/s 二、室内风口风速选择表 1、送风口风速 2、以噪音标准控制的允许送风流速m/s

3、推荐的送风口流速m/s 4、送风口之最大允许流速m/s 5、回风口风速 6、回风格栅的推荐流速m/s 7、百叶窗的推荐流速m/s 8、逗留区流速与人体感觉的关系 三、通风系统设计

一般原则：（1）人不经常停留的地方；（2）房间的边和角；（3）有利于气流的组织 2、标准型号风盘所接散流器的尺寸表-办公室 风机盘管接风管的风速：通常为1.5～2.0 m/s，不能大于2.5 m/s，否则会将冷凝水带出来. 3、散流器布置 散流器平送时，宜按对称布置或者梅花形布置，散流器中心与侧墙的距离不宜小于1000mm；圆形或方形散流器布置时，其相应送风范围（面积）的长宽不宜大于1:1.5，送风水平射程与垂直射程（）平顶至工作区上边界的距离）的比值，宜保持在0.5～1.5之间.实际上这要看装饰要求而定，如250×250的散流器，间距一般在3.5米左右，320×320米在4.2米左右. 四、风管、风口分类 1、风管分类 1)按风管材料 A、镀锌钢板风管：常用在空调送、回风管道(优点：使用寿命较长，摩擦阻力小，制作快速方便，可工厂预制也可 现场临时制作；缺点：受加工设备限制，厚度不宜超过1.2mm) B、普通钢板风管：常用在厨房炉具排油烟以及防油烟风道上(要求2mm上只能采用普通钢板焊接而成，对焊接技 术有一定要求) C、无机玻璃钢风管：常用于消防防排烟系统(优点：具有耐腐蚀、使用寿命长，强度较高的优点，造价与钢板风管 基本相同；缺点：质量不稳定，某些厂商生产的材料质量比较差，强度和耐火性达不到要求，现场维修较困难) D、硅酸盐板风管：常用排烟管道(优点与无机玻璃钢板相类似，显著特点是防火性能较好；缺点：综合造价较高) E、复合保温板风管：常用有：上海万博(铝箔聚氨酯)、湖南中野(酚醛树脂)、北京百夏(BBS)、铝箔玻璃绵保温风 管等 F、软风管：常用有铝箔型软管、铝制波纹型半软管、波纤管(在工程上具有施工简单、灵活方便等特点，但其风管 阻力比较大，且对施工管理要求比较高) G、其他风管：土建、砖茄、布风管等 2)按风管作用分：送风、回风、排风、新风管等 3)按风管内风速分：低速、高速风 2、风口分类： 1)按风口材料分：铝合金风口、铸钢风口、塑料风口、木制风口等 2)按风口形状及功能分： A、百叶风口：门铰式百叶风口、单层百叶、双层百叶、防雨百叶等