找到 2 条结果 · IEEE Transactions on Sustainable Energy
基于“动态匹配与在线建模”策略的超短期风功率预测
Ultra-Short-Term Wind Power Forecasting Based on the Strategy of “Dynamic Matching and Online Modeling”
Yuhao Li · Han Wang · Jie Yan · Chang Ge 等6人 · IEEE Transactions on Sustainable Energy · 2024年8月
超短期风功率预测对电力系统实时调度、频率调节和日内市场交易具有重要意义。由于天气系统复杂性、机组老化及风电场控制策略等因素，风功率序列的时间依赖关系时变（即概念漂移），导致常用离线建模方法预测精度偏低。在线建模可利用流式数据最新信息捕捉动态变化规律，但现有方法难以满足电网对预测时效性的要求。为此，本文提出“动态匹配与在线建模”策略，通过幅值与波动特征相似性动态筛选训练样本，提升样本代表性并缩短训练时间；同时在匹配过程中引入数值天气预报风速信息以提高预测精度。基于中国三个风电场运行数据的实验结果表...
解读: 该风功率预测技术对阳光电源储能产品线具有重要应用价值。可直接应用于ST系列储能变流器和PowerTitan大型储能系统的调度控制,通过准确预测风电出力波动,优化储能系统的充放电策略,提升调峰调频性能。'动态匹配'方法可集成到iSolarCloud平台,为储能系统提供更精准的调度指令。该技术的在线建模...
考虑隐变量相互辅助的电力系统高斯混合模型不确定性建模
Gaussian Mixture Model Uncertainty Modeling for Power Systems Considering Mutual Assistance of Latent Variables
Xiao Yang · Yuanzheng Li · Yong Zhao · Yang Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年1月
高斯混合模型（GMM）与狄利克雷过程混合模型（DPMM）常用于刻画电力系统中的不确定性，通常采用期望最大化（EM）算法求解。然而，在处理大规模不确定变量数据时，传统方法难以在较低时间消耗下准确获取模型参数。为此，本文提出一种考虑隐变量相互辅助的GMM不确定性建模方法。首先构建不确定变量的GMM，利用条件概率描述隐变量间的相互辅助关系；进而改进EM算法，在E步和M步中引入条件概率，并重新推导GMM参数的闭式解。基于澳大利亚实际风电与负荷数据的实验结果表明，所提方法在建模效率与精度方面均优于传统GM...
解读: 该研究提出的GMM不确定性建模方法对阳光电源储能和风电产品具有重要应用价值。该方法可应用于ST系列储能变流器和PowerTitan系统的功率预测与调度优化,提升系统对风电、负荷等不确定性的建模精度。特别是在大规模储能电站中,该方法可提高计算效率,为iSolarCloud平台提供更准确的发电/用电预测...