摘要
本发明公开了一种基于风电储能系统的协同调峰方法,涉及风电储能的技术领域。首先,获取若干个子风电场的电场运行数据,然后设置网络模型学习每一个子风电场的电场运行数据中的功率变化,能够得到掌握特定风电场功率变化的功率预测神经网络模型,从而学习风电功率在宏观上的可预测性以及在微观上的随机性,利用功率预测神经网络模型根据气象数据预测每一个子风电场的发电功率,然后根据预测结果制定风电储能系统中风电场的协同调峰策略,子储能系统根据所述协同调峰策略实时调整对应子风电场的基准功率,能够减少了对复杂预测模型的依赖,降低了预测的复杂性和成本,同时仍能保持宏观层面的准确性,为电网提供稳定的电力。
技术关键词
风电储能系统
调峰方法
调峰策略
神经网络模型
历史气象数据
表达式
线性回归模型
数值天气预报数据
风电场发电功率
电力
基准
功率值
冗余
风力
系统为您推荐了相关专利信息
非侵入式负荷识别
数字孪生模型
负荷特征
神经网络模型
分析方法
焊接工艺参数
学习方法
缩放方法
带钢焊接工艺
计算机可读取存储介质
电力系统
状态估计系统
卷积神经网络模型
可读存储介质
处理器
神经网络模型
拉格朗日插值
多项式
神经网络训练技术
梯度下降算法