深度神经网络在风电功率预测中的应用研究

风电功率预测对于电网建设具有重要意义。文中提出一种基于深度神经网络的风电功率预测方法,该方法充分考虑了影响风电功率的若干因素,如风速、风向、空气密度和季节,通过深度神经网络训练、学习给出最佳的功率预测值。通过深度神经网络学习的特征能够更为有效地反映实际情况,因此提高了风电功率预测的稳健性。基于内蒙古某风电厂的实测数据进行了验证实验,结果表明了提出方法的有效性。     

计及预测偏差的光伏消纳多时间尺度调度研究

考虑光伏发电预测具有不确定性的特点,从电力市场环境下的售电商角度出发,利用蓄电池、空调需求响应资源消纳和跟踪光伏发电,在保证经济性且光伏发电预测值的偏差有足够的需求侧资源消纳的条件下,建立了多时间尺度调度模型。在日前调度中采用机会约束考虑光伏预测偏差,转化为确定性等价条件求解,日内调度中以调整量最小和不平衡量最小为双目标对光伏发电进行跟踪。仿真结果表明,在日前调度中考虑光伏预测偏差可以有效改善新能源的消纳情况,提高售电商收益,置信水平越高,光伏跟踪情况越好,实际日收益与日内调度成本有关。