复杂地形风电机组建设时易形成高边坡地形,可能严重影响机组的发电量和疲劳寿命。以重庆市某复杂山地风电场为例,基于CDRFG(Consistent Discretizing Random Flow Generation)方法生成大气边界层湍流入口,采用大涡模拟技术重现高边坡复...复杂地形风电机组建设时易形成高边坡地形,可能严重影响机组的发电量和疲劳寿命。以重庆市某复杂山地风电场为例,基于CDRFG(Consistent Discretizing Random Flow Generation)方法生成大气边界层湍流入口,采用大涡模拟技术重现高边坡复杂地形的湍流风场分布,并根据激光测风雷达和测风塔实测数据验证大涡模拟结果的准确性;对比分析了风机平台开挖导致的3种不同高边坡地形下,风机机位湍流风场的差异性,提出了风机平台开挖影响评估指标,深入分析了高边坡地形对风电机组发电效益和安全运行的影响。研究为复杂地形风机平台建设提供了科学保障。展开更多
功率预测是实现电能供需平衡、维持电网稳定运行的一项重要任务.随着分布式海上光伏系统的发展,光伏利用率不断提升,同时对光伏功率预测提出了更高的要求.针对机器学习方法在光伏功率时间序列预测中存在的样本数量不足、预测精度低以及...功率预测是实现电能供需平衡、维持电网稳定运行的一项重要任务.随着分布式海上光伏系统的发展,光伏利用率不断提升,同时对光伏功率预测提出了更高的要求.针对机器学习方法在光伏功率时间序列预测中存在的样本数量不足、预测精度低以及隐私泄露等问题,提出一种基于联邦学习和变分模态分解的长短期记忆神经网络功率预测模型(long short-term memory neural network power forecasting model based on federated learning and variational mode decomposition,FL-VMD-LSTM).利用主成分分析法和三次样条插值对气象数据进行预处理,同时利用VMD将光伏功率时间序列分解为多个分量进行分步预测,降低光伏功率时间序列的非平稳性和复杂度.通过横向联邦学习的本地训练和参数聚合方法,实现在保证数据隐私安全情况下的光伏功率预测.通过4个算例进行仿真实验,验证结果表明FL-VMD-LSTM模型在光伏功率预测方面具有较高精度,与传统算法相比,RMSE和MAE分别降低了55.7%和55.5%.展开更多
文摘复杂地形风电机组建设时易形成高边坡地形,可能严重影响机组的发电量和疲劳寿命。以重庆市某复杂山地风电场为例,基于CDRFG(Consistent Discretizing Random Flow Generation)方法生成大气边界层湍流入口,采用大涡模拟技术重现高边坡复杂地形的湍流风场分布,并根据激光测风雷达和测风塔实测数据验证大涡模拟结果的准确性;对比分析了风机平台开挖导致的3种不同高边坡地形下,风机机位湍流风场的差异性,提出了风机平台开挖影响评估指标,深入分析了高边坡地形对风电机组发电效益和安全运行的影响。研究为复杂地形风机平台建设提供了科学保障。
文摘功率预测是实现电能供需平衡、维持电网稳定运行的一项重要任务.随着分布式海上光伏系统的发展,光伏利用率不断提升,同时对光伏功率预测提出了更高的要求.针对机器学习方法在光伏功率时间序列预测中存在的样本数量不足、预测精度低以及隐私泄露等问题,提出一种基于联邦学习和变分模态分解的长短期记忆神经网络功率预测模型(long short-term memory neural network power forecasting model based on federated learning and variational mode decomposition,FL-VMD-LSTM).利用主成分分析法和三次样条插值对气象数据进行预处理,同时利用VMD将光伏功率时间序列分解为多个分量进行分步预测,降低光伏功率时间序列的非平稳性和复杂度.通过横向联邦学习的本地训练和参数聚合方法,实现在保证数据隐私安全情况下的光伏功率预测.通过4个算例进行仿真实验,验证结果表明FL-VMD-LSTM模型在光伏功率预测方面具有较高精度,与传统算法相比,RMSE和MAE分别降低了55.7%和55.5%.
