找到 5 条结果 · 风电变流技术
考虑尾流时空耦合的风电场功率预测
Wind Farm Power Prediction with Wake Spatiotemporal Coupling
Yueteng Xie · Fangming Deng · Wenxiang Luo · Bo Gao 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
在动态气象条件下，风电机组群的功率预测面临尾流效应时空耦合的挑战。本文提出一种考虑尾流效应时空动态耦合的风电场功率预测方法。通过融合风机空间分布与实时气象数据构建动态图网络，实现尾流传播路径的自适应表征。设计双驱协同框架，在时空维度嵌入物理规律约束，缓解数据驱动模型在极端工况下的物理失真问题。构建时空解耦特征增强架构，捕捉风机间空间关联及多时间尺度气象特征。实验结果表明，该方法显著提升预测精度。
解读: 该风电场功率预测技术对阳光电源储能和智能运维产品线具有重要应用价值。其时空耦合建模方法可优化ST系列储能变流器的调度策略，提升PowerTitan大型储能系统在风光储多能互补场景下的运行效率。尾流效应动态预测技术可集成到iSolarCloud平台，增强新能源电站群的功率预测精度，为储能调度和电网调峰...
基于过渡天气识别与气象预测误差传播的两阶段超短期风电功率预测方法
A Two-Stage Ultra-Short-Term Wind Power Forecasting Method Based on Transitional Weather Identification and Meteorological Prediction Error Propagation
Wei Zhang · Hang Sun · Jiyuan Gao · Gangui Yan 等5人 · IEEE Transactions on Sustainable Energy · 2025年7月
精确的风电功率预测对电力系统安全经济运行至关重要。然而，在过渡天气条件下，风速等气象变量的预测误差增大，导致输入噪声增加，降低预测模型可靠性。本文分析气象输入变量的误差传播机制，提出一种提升过渡天气下短期风电预测精度的策略。首先通过多维气象变量波动特征识别过渡天气时段，进而构建稀疏变分高斯过程（SVGP）与含噪输入高斯过程（NIGP）相结合的两阶段模型，将含噪输入分解为真实数据与噪声并独立建模。通过考虑输入噪声在风电预测中的传播过程并进行修正，SVGP-NIGP模型显著提高了确定性预测精度与区间...
解读: 该风电预测方法对阳光电源储能与风电产品线具有重要应用价值。特别是在ST系列储能变流器和风电变流器中,可将SVGP-NIGP预测模型集成到控制算法中,提升系统在过渡天气下的调度精度。通过对气象预测误差的量化与修正,可优化PowerTitan储能系统的充放电策略,提高新能源-储能联合运行效率。该技术还可...
将季内振荡与数值天气预报结合用于15天风电功率预测
Integrating Intra-Seasonal Oscillations With Numerical Weather Prediction for 15-Day Wind Power Forecasting
Shuang Han · Weiye Song · Jie Yan · Ning Zhang 等6人 · IEEE Transactions on Power Systems · 2025年2月
延长风电功率预测（WPF）的时间尺度对于以可再生能源为主的电力系统的电网管理和市场运营至关重要。然而，风电功率预测对数值天气预报（NWP）的高度依赖带来了巨大挑战。基于短期数据的数值天气预报迭代运算会放大其固有的不确定性，导致其超过10天的预报精度降低。为解决这一问题，引入季节内振荡（ISO）来捕捉更长期、更大尺度的气象模式，进而提出了用于15天风电功率预测的ISO - NWP集成框架。首先，开发了一个遥相关（TC）的历史时空定位模型，该模型在季节内振荡的影响下关联远距离的天气变化和风电功率波动...
解读: 该研究对阳光电源的风电变流器和储能系统具有重要应用价值。通过融合季内振荡预测与数值天气预报的混合建模方法，可显著提升风电功率预测精度，这对我司ST系列储能变流器的调度策略优化和PowerTitan储能系统的容量配置具有直接指导意义。具体而言，可将该预测算法集成到iSolarCloud平台，优化储能调...
基于两阶段分解与综合相对重要性分析的可解释风速预测
Interpretable wind speed forecasting through two-stage decomposition with comprehensive relative importance analysis
Huanze Zeng · Binrong Wu · Haoyu Fang · Jiacheng Lin · Applied Energy · 2025年1月 · Vol.392
摘要 准确的风速预测为风电场的高效调度与运行提供了关键的决策支持，从而保障智能电网的稳定运行。然而，风速序列固有的波动性和非平稳性给提升预测精度带来了挑战。现有研究表明，风速与多种气象因素之间存在密切的相关性；有效利用这些气象数据可显著提高风速预测的准确性。本研究提出了一种新颖的短期多变量可解释风速预测方法，旨在同时提升预测的准确性和可解释性。所提出的模型融合了两阶段分解过程、综合相对重要性分析（CRIA）、基于牛顿-拉夫森的优化器（NRBO）以及可解释的深度学习模型——时间融合变换器（TFT）...
解读: 该风速预测技术对阳光电源风电变流器及储能系统具有重要应用价值。通过MVMD-CEEMDAN二级分解和CRIA特征选择,可显著提升风电场功率预测精度,优化ST系列储能变流器的充放电策略制定。TFT深度学习模型的可解释性为iSolarCloud平台的预测性维护提供决策支持,结合气象多变量分析可改进GFM...
一种用于风力涡轮机应用中精确预测三维时空风场的新型频域物理信息神经网络
A novel frequency-domain physics-informed neural network for accurate prediction of 3D spatio-temporal wind fields in wind turbine applications
Shaopeng Li · Xin Li · Yan Jiang · Qingshan Yang 等7人 · Applied Energy · 2025年1月 · Vol.386
摘要 风能是全球关键的清洁能源之一。风力涡轮机的结构安全性和动力响应分析在很大程度上受到其所在位置风速数据可获得性与精度的影响。然而，气象观测站分布稀疏，通常难以获取高分辨率的空间风速数据，因此需要采用条件模拟方法来补充低分辨率的观测数据。本研究针对这一挑战，提出了一种频域物理信息神经网络（FD-PINN），该方法利用频域信息，旨在实现对风力涡轮机三维（3D）时空风场的精准预测。该方法构建了一个深度神经网络，并将其与关键物理模型相结合，包括风谱、风场相干函数以及风速廓线。通过融合这些物理先验知识...
解读: 该频域物理信息神经网络技术对阳光电源风电变流器及新能源场站具有重要价值。通过高精度3D时空风场预测,可优化SG系列风电变流器的功率预测算法和主动抗扰控制策略,提升MPPT效率。结合iSolarCloud平台,该深度学习方法可增强风光储混合电站的预测性维护能力,优化储能系统ST系列PCS的充放电策略。...