针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现...针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现数据信息的高效利用;在长短期记忆神经网络的预测模型基础上,研究了一种基于k-shape聚类结果的预测结果修正算法,对预测结果距离聚类中心超过阈值的数值判定为预测误差偏大的数据并向簇中心进行修正。最后,基于江苏某海上风电场的真实数据进行测试,结果表明,基于Word2vec-LSTM与聚类修正的海上风电出力预测方法的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)达到5.04和5.42,相比传统LSTM预测模型的误差平均降低了11.10%和12.25%,为海上风电并网与电网调控提供了技术支持。展开更多
海上具有极为丰富的风资源,研究海上风电制氢技术和荷侧需求响应对风电消纳及平抑海上风电波动性具有重要意义。为此,提出了一种含海上风电制氢(offshore wind power hydrogen production,OWHP)和多重需求响应的含氢综合能源系统(integr...海上具有极为丰富的风资源,研究海上风电制氢技术和荷侧需求响应对风电消纳及平抑海上风电波动性具有重要意义。为此,提出了一种含海上风电制氢(offshore wind power hydrogen production,OWHP)和多重需求响应的含氢综合能源系统(integrated energy system,IES)源-荷多时间尺度优化调度策略。首先,探究了海上风电制氢系统运行机理,构建了含风电制氢、氢气压缩、海水淡化、输氢管道以及气体储氢的海上风电制氢模型,并构建了含燃气掺氢、氢气甲烷化和氢燃料电池的氢能多重利用模型。其次,分析了荷侧资源在各时间尺度的调节特性,提出了多重需求响应模型。最后,为降低海上风电的预测误差对IES运行影响,提出了日前-日内-实时三阶段的多时间尺度优化模型,平抑系统功率波动。算例仿真结果表明,所提模型可有效消纳海上风电资源,提升IES经济、低碳性,并缓解源、荷不确定性对系统运行的影响。展开更多
文摘针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现数据信息的高效利用;在长短期记忆神经网络的预测模型基础上,研究了一种基于k-shape聚类结果的预测结果修正算法,对预测结果距离聚类中心超过阈值的数值判定为预测误差偏大的数据并向簇中心进行修正。最后,基于江苏某海上风电场的真实数据进行测试,结果表明,基于Word2vec-LSTM与聚类修正的海上风电出力预测方法的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)达到5.04和5.42,相比传统LSTM预测模型的误差平均降低了11.10%和12.25%,为海上风电并网与电网调控提供了技术支持。
文摘海上具有极为丰富的风资源,研究海上风电制氢技术和荷侧需求响应对风电消纳及平抑海上风电波动性具有重要意义。为此,提出了一种含海上风电制氢(offshore wind power hydrogen production,OWHP)和多重需求响应的含氢综合能源系统(integrated energy system,IES)源-荷多时间尺度优化调度策略。首先,探究了海上风电制氢系统运行机理,构建了含风电制氢、氢气压缩、海水淡化、输氢管道以及气体储氢的海上风电制氢模型,并构建了含燃气掺氢、氢气甲烷化和氢燃料电池的氢能多重利用模型。其次,分析了荷侧资源在各时间尺度的调节特性,提出了多重需求响应模型。最后,为降低海上风电的预测误差对IES运行影响,提出了日前-日内-实时三阶段的多时间尺度优化模型,平抑系统功率波动。算例仿真结果表明,所提模型可有效消纳海上风电资源,提升IES经济、低碳性,并缓解源、荷不确定性对系统运行的影响。
