杨茂
- 作品数：29 被引量：223H指数：8
- 供职机构：教育部更多>>
- 发文基金：国家重点实验室开放基金更多>>
- 相关领域：电气工程动力工程及工程热物理医药卫生自动化与计算机技术更多>>
- 计及预测误差时空-条件相依特性的日内光伏出力区间预测方法被引量：6
- 2023年
- 由于光伏出力预测误差无法避免,区间预测可以更准确地描述光伏的不确定性,从而对电力系统的决策提供指导,而现有研究方法不能够充分地挖掘光伏功率的物理变化过程,因此提出了一种考虑预测误差时空-条件相依特性的日内光伏出力区间预测框架。首先通过外观相似性更新(appearance similarity update,ASU)模型得到考虑时间相依性的预测误差,再通过长短期记忆(long short-term memory,LSTM)网络模型以及空间相关性的分析得到考虑空间相依性的预测误差,并对预测的出力进行修正,最后依据其误差的条件相依性得到不同置信度下的区间预测。整体框架的效果在新疆光伏电场被验证,其均方根误差能够降低3%以上,同时考虑更新后的预测误差时空-条件相依性的区间预测效果有所提升,验证了所提方法的有效性和可行性。
- 杨皓然杨茂苏欣
- 关键词：区间预测
- 考虑预测误差时空相依性的短期风电功率概率预测被引量：4
- 2023年
- 由于风电功率点预测误差无法避免,概率预测可以充分描述风电功率的不确定性,进而对调度部门的决策提供进一步指导。当前的风电功率概率预测方法对其物理变化过程挖掘仍不完整。通过挖掘历史风电功率数据和数值天气预报(numerical weather prediction,NWP)的时空特性,构建了一种考虑误差时空相依性的短期风电概率预测新框架。首先通过门控循环单元(gated recurrent unit,GRU)得到点预测结果;进而,引入多位置NWP,提出了一种考虑时空相依特性的多层次误差场景划分方法;最后,利用Bootstrap抽样法重构形成新的适应建模的误差样本集,进行了不同置信水平下的短期风电功率概率预测。由此得出,在考虑时空相依性的概率预测下,整体框架的效果在中国东北某风电场被验证,对比相同置信水平下,预测精度得到有效明显提高,且评价指标预测区间覆盖率提高0.53%、0.44%、0.32%,预测区间平均带宽缩小2.40%、2.14%,0.06%,证实了所提方法的有效性和可行性。
- 胡文慧苏欣姜林郭长星杨茂
- 关键词：层次聚类
- 风电功率超短期多步预测误差评估及分析被引量：2
- 2024年
- 超短期风电功率预测误差分析有助于改进预测精度,进而降低风电不确定性对电力系统带来的不利影响.以LSTM模型为例,对超短期多步预测的误差特性进行分析.首先,对超短期风电功率预测误差进行静态特性分析,研究了预测误差随预测步长的动态变化特性;然后,提出了数值天气预报在超短期风电功率预测中的误差占比定量评估模型;最后,提出了一种综合考虑形状和时间损失的神经网络损失函数,降低由于输入信息不足引起的时滞和幅值误差.结合吉林省20个风电场的实测数据,对风电功率多步预测误差特性进行全面分析,为风电功率多步预测模型的评估、修正提供了参考.
- 李凤名车润棋杨茂
- 关键词：误差分析损失函数
- 基于风速分频和权值匹配的RBF超短期风电功率预测方法被引量：5
- 2020年
- 为了提高风电功率超短期预测的准确率,文章提出了一种基于风速分频特征和权值匹配的RBF超短期风电功率预测方法。该方法的总体结构包括风速分频特征的提取、风速区间的划分、径向基神经网络的训练、分频最优权值决策、仿真计算和误差分析。与现有的仅考虑历史风电功率数据的方法相比,该方法能够跟踪未来的功率趋势,物理意义清晰,并考虑了风速不同频率特征对于功率的影响。算例结果表明,基于风速分频特征和权值分配的RBF超短期风电功率预测方法的预测精度较高,预测结果有效,具有较强的实用性。
- 杨茂董昊
- 基于集成聚类及改进马尔科夫链模型的光伏功率短期预测被引量：8
- 2023年
- 准确的光伏功率预测是保证新能源电力系统安全稳定运行的重要手段,根据光伏系统出力特点,提出一种基于集成聚类及改进马尔科夫链模型的组合预测方法。首先,通过集成聚类划分表征周期性的趋势序列与表征随机性的随机序列。其次,利用一阶差分处理改进的马尔科夫链模型预测趋势序列,随机序列由差分整合移动平均自回归模型预测。最后,通过对吉林省及青海省光伏电站历史运行数据建模,结果表明基于集成聚类及改进马尔科夫链的方法相较于传统马尔科夫链模型准确率平均提高了7.76%,验证了所提出的模型在不同出力类型、不同地理位置的情况下都具有适用性。
- 李一杨茂苏欣
- 基于光照过程特征分析的光伏功率异常数据识别算法被引量：24
- 2019年
- 高质量的光伏功率数据是进行光伏研究的基础,而从光伏电站采集到的数据含有较大比例的异常数据,因此须对光伏功率异常数据进行识别。将不同光照特性的光伏功率数据分别进行建模,对辐照度与功率的概率分布函数进行Copula联合分布函数构建。利用基于经验函数的BFGS参数估计方法对各类Copula函数进行参数估计。参照各Copula函数与经验联合分布函数的欧氏距离与K-S值进行Copula函数选取。结合估计区间最窄原则得出光伏功率条件概率分布90%置信度下的概率功率曲线。根据工程经验以及考虑异常数据时序特性,依照四类异常数据的判别准则,建立异常数据识别模型。利用光伏电站原始数据与人工合成异常数据进行仿真分析,结果表明所提方法能有效、准确地识别出各类异常数据。
- 杨茂黄鑫
- 关键词：COPULA函数
- 基于波动信息优选及切换输入机制的短期延长期风电集群功率预测
- 2025年
- 在风电功率预测领域,现有短期时间尺度研究和应用的预见期最长为7d,缺乏对8~15d短期延长期时间尺度下的预测研究。针对上述问题,提出基于天气过程挖掘和切换机制的8~15d短期延长期预测框架,着重对未来出力水平进行预测,将历史选择分为波动性优先历史选择和稳定性优先历史选择,在波动性优先历史选择效果较差时,利用稳定性优先历史选择进行误差平衡。所提框架在甘肃省某风电集群进行验证,结果表明,所提框架均方根误差在8~15d所有时间尺度下平均降低0.84%~1.45%,在未来数值天气预报(NWP)可用性匮乏的情况下实现了8~15d预测,有效提高短期延长期预测的可靠性。
- 杨茂鞠超毅张薇苏欣
- 关键词：风电功率切换机制
- 基于因果正则化极限学习机的风电功率短期预测方法被引量：4
- 2024年
- 随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal regularized extreme learning machine, CRELM)的风电功率短期预测方法。首先将极限学习机(extreme learning machine, ELM)建模为结构因果模型(structural causal model, SCM),在此基础上计算隐藏层神经元与输出层神经元之间的平均因果效应向量。然后将该平均因果效应向量与输出层权重相结合构成因果正则化项,在最小化训练误差的同时最大化网络的因果关系,以进一步提升模型的预测准确性和预测稳定性。最后,以国内蒙西某风电场数据为例,与采用特征选择或不采用特征选择的预测模型相对比,验证了所提方法的有效性和适用性。
- 杨茂张书天王勃
- 关键词：极限学习机
- 考虑动态平滑周期的多时间尺度综合能源系统双层滚动优化调度
- 2025年
- 为降低光伏功率波动对调度准确性的影响,提出一种考虑动态平滑周期的多时间尺度综合能源系统双层滚动优化调度策略,提升系统运行的经济性与环保性。首先,将指数移动平均用于光伏功率平滑,并基于该方法提出针对电-热-氢综合能源系统的改进平滑方法;其次,构建日内双层滚动优化调度策略,在日前调度的基础上,在日内上层优化模型中使用考虑动态平滑周期的改进平滑方法来确定绿氢系统中的控制器平滑次数与平滑周期,将光伏发电功率低波动成分输入综合能源系统,将光伏发电功率剧烈波动成分电解水制氢供燃料电池汽车使用,然后由下层调度确定具体日内调度计划;最后,算例分析针对上层平滑方法设置不同场景进对比,结果表明,所提出的考虑动态平滑周期的双层滚动优化调度策略与其他调度策略相比均有一定的经济性与环保性的提升,具有更强的适应性与灵活性。
- 杨茂王宇鑫苏欣朱一丹王金鑫
- 关键词：多时间尺度
- 利用电化学储能追踪风电预测曲线的风储联合调度经济性分析被引量：5
- 2023年
- 针对风电场上报给调度中心的超短期功率误差较为严重,给风电大规模并网带来了巨大阻碍,严重影响风电竞争力的问题,提出利用储能系统追踪风电功率预测曲线的风储联合出力模型。首先通过长短期神经网络进行风电功率超短期预测;然后通过风储联合出力,同时考虑储能系统全寿命周期建设成本以及引入储能系统后风电场上报预测曲线误差惩罚成本的经济性影响;最终确定风储联合调度计划。在吉林省某风电场实测数据的基础上,对比不同追踪模式下的风储电场经济成本和风电利用率。仿真结果表明,运用所提风储联合发电模型发电度电成本为0.2316元/kWh,相对于无储能模式降低22.67%,同时风电利用率提高17.48%,均方根误差降低0.07,平均绝对误差降低0.08,说明所提策略可以在保证风储电站的经济性的同时有效减少风电并网功率误差,提高风电利用率。
- 徐伟航杨茂孙莉
- 关键词：风电功率预测
