通过数值天气预报模型的偏差校正技术提升风力发电预测精度

Enhancing Wind Power Forecasts via Bias Correction Technologies for Numerical Weather Prediction Model

Cheng-Liang Huang · Yuan-Kang Wu · Quoc-Thang Phan · Chin-Cheng Tsai 等5人 · IEEE Transactions on Industry Applications · 2025年2月

摘要：随着能源转型的持续推进以及风力发电装机容量的不断增加，近期研究进展表明，准确的数值天气预报（NWP）能够提高风电功率预测的质量。虽然大多数研究主要关注经过偏差校正的数值天气预报对风速的影响，但很少有研究探讨经过偏差校正的数值天气预报与风电功率预测之间的关系。因此，本研究旨在通过对数值天气预报得出的风速应用偏差校正技术来改进风电功率预测。具体而言，本研究制定了一种合理的后处理策略来修正数值天气预报的输出结果。采用衰减平均法和概率匹配均值法，系统地对三种不同的数值天气预报模型——即雷达天气研究...

解读: 该研究对阳光电源的风电和储能产品线具有重要应用价值。通过数值天气预报偏差校正技术，可显著提升风电场发电功率预测精度，这对我司ST系列储能变流器和PowerTitan储能系统的调度策略优化至关重要。具体而言，精确的风功率预测可用于：1)优化储能系统的充放电调度，提高风储联合运行效率；2)完善iSola...

基于贝叶斯特征选择的区域风电功率预测

Regional Wind Power Forecasting Based on Bayesian Feature Selection

Theodoros Konstantinou · Nikos Hatziargyriou · IEEE Transactions on Power Systems · 2024年4月

近年来，可再生能源在电力系统中的整合程度不断提高。其固有的不可预测性和输出波动给电力系统的安全运行和能源市场定价的稳定性带来了挑战。因此，准确预测可再生能源发电量至关重要。目前已应用的几种有效预测方法均基于机器学习（ML）。应用机器学习方法的一个关键因素是输入特征的选择，在区域风电预测中，这一任务变得更为复杂，因为区域范围可能涵盖整个国家。所提出的方法旨在通过一种数据驱动的、与模型无关的预处理技术精简输入特征，从而提高预测性能。该技术包括将多维数值天气预报数据划分为多个子区域，并剔除无信息的子区...

解读: 该贝叶斯特征选择的预测方法对阳光电源的储能与风电产品线具有重要应用价值。特别是在ST系列储能变流器和风电变流器的智能调度优化方面,可将该预测算法集成到iSolarCloud平台,提升系统对风电功率波动的预判能力。通过筛选关键气象特征与历史数据,可优化储能系统的充放电策略,提高PowerTitan等大...