1 | 陈国初, 公维祥, 冯兆红. 熵判别人工蜂群算法优化的风电功率[J]. 电力系统及其自动化学报, 2017, 29 (7): 41- 45, 67. | 2 | 国家能源局.2018年风电并网运行情况[EB/OL].[2019-01-28].http://www.nea.gov.cn/2019-01/28/c_137780779.htm. | 3 | 周云, 严正, 李乃湖, 等. BESS平抑风功率波动算法中多重SOC反馈策略设计[J]. 太阳能学报, 2017, 38 (6): 1459- 1467. | 4 | 薛禹胜, 郁琛, 赵俊华, 等. 关于短期及超短期风电功率预测的评述[J]. 电力系统自动化, 2015, 39 (6): 141- 151. | 5 | 闫鹤鸣, 李相俊, 麻秀范, 等. 基于超短期风电预测功率的储能系统跟踪风电计划出力控制方法[J]. 电网技术, 2015, 39 (2): 433- 439. | 6 | Liu C Y , Chao Q , Wei L L . Wind-storage coupling based on actual data and fuzzy control in multiple time scales for real-time rolling smoothing of fluctuation[J].Electric Power Automation Equipment, 2015, 35 (2): 35- 41. | 7 | Fang S , Chiang H D . A high-accuracy wind power forecasting model[J].IEEE Transactions on Power Systems, 2017, 32 (2): 1589- 1590. | 8 | Qian Z , Pei Y , Cao L X , et al. Review of wind power forecasting method[J].High Voltage Engineering, 2016, 42 (4): 1047- 1060. | 9 | Hu M Y , Hu Z J , Zhang M L , et al. Research on wind power forecasting method based on improved AdaBoost.RT and KELM algorithm[J].Power System Technology, 2017, 37 (2): 536- 542. | 10 | 张俊, 贺旭, 陆春良, 等. 基于数值天气预报的光伏功率短期预测分类组合算法[J]. 广东电力, 2019, 32 (6): 55- 60. | 11 | 杨正瓴, 刘仍祥, 李真真. 基于季风和大气压分布的我国风电功率预测研究[J]. 分布式能源, 2018, 3 (2): 29- 38. | 12 | 吴宇杭, 温步瀛, 江岳文, 等. 基于变分模式分解和深度门控循环网络的风速短期预测模型[J]. 电网与清洁能源, 2018, 34 (12): 59- 64. | 13 | 雷爽, 王鹏卉, 张亚刚. 基于集合经验模态分解的组合风速预测方法[J]. 电力科学与工程, 2018, 34 (1): 18- 23. | 14 | 杨明莉, 刘三明, 王致杰, 等. 卡尔曼小波神经网络风速预测[J]. 电力系统及其自动化学报, 2015, (12): 42- 46. | 15 | 方必武, 刘涤尘, 王波, 等. 基于小波变换和改进萤火虫算法优化LSSVM的短期风速预测[J]. 电力系统保护与控制, 2016, (8): 37- 43. | 16 | 李国庆, 张钰, 张明江, 等. 基于MRMR的集合经验模态分解和支持向量机的风电功率实时预测[J]. 东北电力大学学报, 2017, 37 (2): 39- 44. | 17 | 曹俊波, 周任军, 邓学华, 等. 考虑优化ARIMA模型差分次数的风功率预测[J]. 电力系统及其自动化学报, 2019, 31 (1): 105- 111. | 18 | 李彬, 彭曙蓉, 彭君哲, 等. 基于深度学习分位数回归模型的风电功率概率密度预测[J]. 电力自动化设备, 2018, 38 (9): 15- 20. | 19 | 江岳春, 张丙江, 邢方方, 等. 基于混沌时间序列GA-VNN模型的超短期风功率多步预测[J]. 电网技术, 2015, 39 (8): 2160- 2166. | 20 | 陈宁, 薛禹胜, 丁杰, 等. 利用空间相关性的超短期风速预测[J]. 电力系统自动化, 2017, (12): 124- 130. | 21 | 陈杰, 沈艳霞, 陆欣, 等. 一种风电功率概率区间多目标智能优化预测方法[J]. 电网技术, 2016, 40 (8): 2281- 2287. | 22 | 吴晓刚, 孙荣富, 乔颖, 等. 基于风电场功率特性的风电预测误差分布估计[J]. 电网技术, 2017, 41 (6): 1802- 1807. | 23 | Li D , Ren Z Y , Yan W , et al. Month-ahead wind power curve probabilistic prediction based on factor analysis and quantile regression neural network[J].Proceedings of the CSEE, 2017, 37 (18): 5238- 5248. | 24 | 董伟, 杨强, 葛磊蛟, 等. 基于混合智能模型的分布式风力发电预测方法[J]. 供用电, 2019, (1): 34- 39. | 25 | Li Y, Li X J, Jia X C, et al.Monitoring and control for hundreds megawatt scale battery energy storage station based on multi-agent: methodology and system design[C]//2018 IEEE International Conference of Safety Produce Informatization.Chongqing, China: IEEE, 2018. | 26 | Li X J , Wang S X . A review on energy management, operation control and application methods for grid battery energy storage systems[J].CSEE Journal of Power and Energy Systems, | 27 | 冯泽磊, 吴美凤. 基于大数据平台的火电机组实时运行状态监测[J]. 华电技术, 2019, 41 (4): 29- 32, 37. | 28 | 李冰, 张妍, 刘石. 基于LSTM的短期风速预测研究[J]. 计算机仿真, 2018, 35 (11): 456- 461. | 29 | 梁荣, 王洪涛, 吴奎华, 等. 基于神经网络和ARIMA模型的冷热电短期负荷预测[J]. 电力系统及其自动化学报, | 30 | 赫卫国, 郝向军, 郭雅娟, 等. 基于ARIMA和SVR的光伏电站超短期功率预测[J]. 广东电力, 2017, 30 (8): 32- 37. | 31 | 王旭, 陈潇一. 基于AHP、ARIMA算法的电力信息系统负载预测研究与应用[J]. 电网与清洁能源, 2017, 33 (8): 20- 25. |
|