功率預測的案例
考慮多因素影響的光伏發電功率智能預測研究
摘 要：為了提高光伏發電功率預測精度，減少光伏發電功率預測誤差，提出考慮多因素影響的光伏發電功率智能預測方法。首先分析光伏發電功率預測研究進展，選擇光伏發電功率影響因素，并采用相關性分析法確定影響因素權重值，然后根據權重值對光伏發電功率樣本數據進行處理，采用最小二乘支持向量機對樣本進行學習，建立光伏發電功率預測模型，最后采用Matlab工具箱進行光伏發電功率預測的仿真對照測試，結果表明，所提方法可以科學、準確描述光伏發電功率變化趨勢，光伏發電功率預測精度高于當前經典方法，是一種性能優異的光伏發電功率預測建模技術。
關鍵詞：光伏發電;影響因素;功率預測;仿真測試;預測精度;
1 引言
當前能源消耗速度加快，世界各國均面臨能源不足問題，同時化石能源給環境帶來嚴重負面影響，嚴重干擾了人們的正常生活[1,2]。太陽能是一種通過光伏發電的潔凈能源，光伏發電要準確并入電網，必須對光伏發電功率進行準確預測，并根據預測結果進行合理調度，如光伏發電功率預測不準確，對電力系統造成很大的損害，因此光伏發電功率預測與建模具有重要的研究意義與價值[3,4,5]。
光伏發電功率與多種因素相關，如：氣象條件、太陽輻照強度等，變化十分復雜，這給光伏發電功率準確預測帶來了困難[6]。最初人們采用灰色模型建立光伏發電功率預測模型，該方法將光伏發電功率當作一個灰色系統，利用光伏發電功率歷史數據分析將來變化特點[7]，該方法局限性比較明顯，因為其假設將光伏發電功率是一種增長或者下降固定變化規律，這與光伏發電功率的實際變化規律不相符，導致光伏發電功率預測偏差比較大，預測結果沒有太多的實際應用價值[8]。
展開 25針對西班牙風場數據進行風場風速預測和功率預測，也可根據自己的數據帶入模型進行結果分析。 ￥100
針對西班牙風場數據進行風場風速預測和功率預測，也可根據自己的數據帶入模型進行結果分析。程序所用算法包括花授粉優化算法（FPA）優化BP，優化ELM,進行預測，先對數據進行VMD或EEMD,CEEMDAN等方法分解，然后進行輸入模型預測。模型以調通，可直接運行。基于matlab平臺。標價為程序價格，不包含售后。
25針對西班牙風場數據進行風場風速預測和功率預測，也可根據自己的數據帶入模型進行結果分析。 ￥100
針對西班牙風場數據進行風場風速預測和功率預測，也可根據自己的數據帶入模型進行結果分析。程序所用算法包括花授粉優化算法（FPA）優化BP，優化ELM,進行預測，先對數據進行VMD或EEMD,CEEMDAN等方法分解，然后進行輸入模型預測。模型以調通，可直接運行。基于matlab平臺。標價為程序價格，不包含售后。
25針對西班牙風場數據進行風場風速預測和功率預測，也可根據自己的數據帶入模型進行結果分析。 ￥150
針對西班牙風場數據進行風場風速預測和功率預測，也可根據自己的數據帶入模型進行結果分析。程序所用算法包括花授粉優化算法（FPA）優化BP，優化ELM,進行預測，先對數據進行VMD或EEMD,CEEMDAN等方法分解，然后進行輸入模型預測。
聚焦 | 功率半導體預測，氧化鎵前景可期
Fuji Keizai將SiC 功率半導體、GaN 功率半導體和 Ga 2 O 3功率半導體列為未來功率半導體市場感興趣的產品。
SiC 功率半導體用于 SiC-SBD（肖特基勢壘二極管）、SiC-FET 和 SiC 功率模塊。盡管 2020 年受到新型冠狀病毒感染的影響，但由于對信息和通信設備和太陽能發電的強勁需求，市場規模同比增長 9.6% 至 493 億日元。未來，汽車、鐵路車輛、能源設備、工業設備等的采用將增加，預計到2030年將達到1859億日元。
GaN 功率半導體市場預計到 2030 年為 166 億日元，而 2020 年為 22 億日元。數據中心和5G基站投資將繼續增加，信息通信設備領域有望保持堅挺。預計在2022年后安裝在xEV等汽車上。
Ga 2 O 3功率半導體的市場仍然很小，但預計到2021年開始量產時市場將達到2億日元。與SiC功率半導體和GaN功率半導體相比，具有高耐壓、低損耗等特點，可以降低成本。首先，它將用于消費設備和其他耐壓為600V的應用，預計2025年后將安裝在汽車上。2030年市場規模預計為465億日元。
此外，預計到 2030 年功率半導體相關組件市場為 3752 億日元，而 2020 年為 2068 億日元。2030年制造設備市場預計為3144億日元，2020年為1449億日元。
展開 用機器學習破解新能源領域的“棄風”難題
因為電網“實發實用”且風機發電功率不穩定。風來了，電量供過于求，電網面臨沖擊。風走了，電不夠用，顯然也不行。
緩解棄風，關鍵在于精準預測未來一段時間的風電功率。我們不怕風電不穩定，只怕它產生預期外的不穩定。換句話說，要將風電的“不確定性”轉化為“可預見性”。
風機功率影響因素復雜，怎么預測？
下面展示一個案例，用數據預測風電功率。來自清華大學孫逸凡團隊，主題《面向復雜風電數據的核密度清洗與功率預測分區模型》。
該案例榮獲第三屆“天洑杯”數據建模大賽的特等獎。
數據采集自陜西某風電場，規模相當龐大，有442809 條，59個維度。
這59個維度，其中一個是輸出功率，即因變量。另外58個是自變量，包括風速、溫度、風向、葉片槳距角等等，它們或多或少都會影響輸出功率。
工具采用DTEmpower，一款門檻超低上手簡單的智能數據建模軟件。
建模過程包括數據讀取、數據清理、敏感性分析、模型訓練、模型對比等步驟，下面為完整工程界面。
其中：
數據清理部分，項目團隊基于軟件的數據處理模塊，開發自編程清洗程序，實現數據高效批量化處理。同時考慮風機工作特征和數據異常原因，將建模過程結合業務背景。
敏感性分析部分篩選掉“不重要”的自變量，提高建模精度。
模型訓練部分，先根據風電特征將數據分區，然后分別用不同的訓練算法做模型訓練。
模型對比階段，用測試集對基于不同算法訓練得到的模型進行精度對比。
最后一步模型聚合，將優選出的分區模型合并為一個。
最終經測試集數據測試，合并后的模型精度非常高，R2值達到0.99。
這說明基于風速、溫度以及槳距角這些容易測量或容易預測的數據，就能實時預測未來一段時間的風機功率。
如果預測到功率偏低，那就讓火電機組做好準備，甚至讓風電停機檢修。
展開 BWR全尺度棒束基準試驗簡介
穩態的臨界功率試驗涵蓋了不同的流量、入口過冷度、壓力、組件類型等，可分析空泡份額的分布、液滴夾帶、格架行為等對臨界功率的影響，改進臨界功率預測模型。瞬態工況包括了汽機脫扣和跳泵工況。
來源：多相流在線
保變電氣助力國內首臺10千伏SEN結構調壓調相變壓器在河北保定阜平縣投入運行
在分布式光伏運行狀態實時感知、功率預測、末端電壓控制等方面取得了多項技術突破。首臺10千伏SEN結構調壓調相變壓器的投運，是取得的又一技術成果，對進一步提高有源配電網試點建設水平具有重要意義。
注：文章主體源自保定晚報公眾號
Cadence Fidelity：舊拖車坦克的新花樣
早在 1870 年，威廉·弗勞德 (William Froude) 就感到需要拖曳水箱來研究和預測船舶阻力；這為先進的拖曳水箱打開了大門，目前船舶工業中的造船工程師廣泛使用這種拖曳水箱。
為了獲得準確的測量結果，牽引水箱必須建在氣候控制的建筑物內，因為輕微的溫度變化可能會影響結果。用于拖曳船舶的拖車是一個大型可移動平臺，橫跨坦克，上面裝有傳感器，可以容納一些密切研究船舶設計結果的科學家。被拖曳的模型通常放置在車廂的中間。用于研究船舶流體動力學的拖曳水池就像用于車輛空氣動力學測試的風洞。
船舶功率預測需要進行三項測試， 分別是：
靜水阻力測試：該測試有助于確定船舶設計速度所需的阻力。在該測試中，船舶以不同的速度（至少五種不同的速度）被拖入水箱中，并記錄船舶上各自的力的測量結果。通常需要放大全尺寸模型的測量。該測試是船舶建造合同的核心，如果承包商不滿足規定的速度要求，他們將受到處罰。
開放水域螺旋槳分析：該測試用于測試螺旋槳性能。在這里，螺旋槳以 20 RPS 的速度進行測試，測功機以不同的速度運行。牽引水箱對于螺旋槳測試不是必需的。也可以在較小的水盆中進行測試。對于用測功機設置在不同速度下拖入水箱的螺旋槳，記錄扭矩和轉速的精確測量值。在不同的螺旋槳速度下，可以繪制測功機相應的速度圖表，以研究螺旋槳的性能。
自推進測試：與開放水域螺旋槳分析不同，這里螺旋槳的效率取決于船的速度。當螺旋槳放置在船后時，螺旋槳的行為會略有變化（與開放水域螺旋槳測試獲得的結果相比）。測試時，模型船內部安裝測功機和電機，并以固定速度拖入水箱。經過一個點后，拖車就不再有阻力，這個無阻力中性點有助于計算螺旋槳效率。
展開 Shipflow 7.0 版本重磅發布
支持分別設置船體不同位置的表面粗糙度，并改善了默認的船體表面的粗度模型和AHR/ks設置，從而可以更準確地計算出船舶全尺度收到功率Pd；
下圖為Shipflow 7得出的模型粗糙度和水池試驗的結果的對比。
3. 支持全尺寸功率預測，有效的直接全尺寸模擬；Shipflow 7計算得到的收到功率和海試的結果比較，誤差不超過1%。
4. 支持快速讀取內置的B系列螺旋槳模型進行仿真計算；
prop (id="ID1",xsh=1.5,zsh=1.5, dprop=2.0, dhub=0.5,Wageningen, nbla=4,ear=0.4,wpd=1.0).
5. 自動后處理更新，支持paraview5.10和Python3.9。
Motions7 模塊
Motions 模塊是針對自由表面流動的一個完全非線性非穩態的勢流求解器，可以很好地解決船體耐波性以及各種水上漂浮物的6DOF運動問題。
Motions 7的主要更新有：
1. 全新一代的耐波性仿真計算求解器代碼；
2. 在高級海況下具有更好的準確性和魯棒性；
3. 新增多體相互作用分析；
4. 新增系泊纜繩和護舷的仿真計算；
5. 可以更容易得到指定點的速度和加速度；
6. 支持自由液面和剛體表面的非結構網格自動局部優化；
7. 支持復雜幾何的導入。
展開 【風能模型】風能模型的發展及 CFD 在風資源開發利用中的應用
風功率預測模型
2002—2006 年，歐洲 7 個國家 20 多個組織開展 ANEMOS 項目，應用中尺度氣象模式、CFD 模型和各種風速預報模型，進行復雜地形極端天氣的風功率預報研究。近年來人們用神經網絡、小波分析和模糊邏輯等新方法顯著地提高了預報精度，并且預報長度達到了24～36 h。風功率預報模型現在已經在風電場風力發電過程中得到廣泛應用。
CFD在風能發展中的應用
尾流模擬
隨著計算能力的發展，CFD 越來越多地用于風力發電機建模。這里必須區分轉子、近尾流和遠尾流區域：近尾流通常指風力發電機下風處一個轉子直徑內的區域，在此之外是遠尾流區域，風力發電機引起的渦旋結構開始分解，對葉片的空氣動力學的研究被歸為轉子模型。基于 N-S 方程，轉子和近尾流計算大約在 10 m/s 風速閾值下可以得到較好的結果。與非定常 RANS 相比，LES 可模擬更高分辨率的湍流尺度，對分析非定常葉片載荷和風力發電機尾流演化具有重要意義。
復雜地形風電場模擬
近年來 ，復雜地形風場 CFD 模擬得到快速發展。Murakami 等基于 CWE 發展了局地風場預報系統進行風電場選址，用新的線性 k-ε 湍流模型和冠層模型精確預測局地風能分布，對二維山脊、山地以及草地下墊面的起伏地形的預測結果比 WAsP 好。
使用 CFD 模擬復雜地形大氣流動通常非常耗時。對于目前的處理器，只有使用并行計算才足以使用 CFD 進行風場預測，即代碼運行速度比真實天氣演變更快。Castro 等用并行版本的 VENTOS CFD，成功進行了風電場風功率預報，并與中尺度模式結合，形成短期預測工具，對位于葡萄牙北部門多羅/布斯塔維德風電場進行模擬，顯示了并行效率對預測的影響。
參考文獻：程雪玲. 風能模型的發展及CFD在風資源開發利用中的應用[J].
展開 
新型電力系統發展藍皮書發布，氫能發展安全不容忽視！
依托儲能技術、虛擬同步機技術、長時間尺度新能源資源評估和功率預測技術、智慧集控技術等創新突破，新能源普遍具備電力支撐、電力安全保障、系統調節等重要功能，逐漸成為發電量結構主體電源和基礎保障型電源。煤電、氣電、常規水電等傳統電源轉型成為系統調節性電源，服務高比例新能源消納，支撐電網安全穩定運行，提供應急保障和備用容量。
電力在能源系統中的核心紐帶作用充分發揮，通過電轉氫、電制燃料等方式與氫能等二次能源融合利用，助力構建多種能源與電能互聯互通的能源體系。增強型干熱巖發電等顛覆性技術有望實現突破，新一代先進核電技術實現規模化應用，形成熱堆—快堆匹配發展局面，核聚變有望進入商業化應用并提供長期穩定安全的清潔能源輸出，助力碳中和目標實現。
氫氣作為一種新能源，氫氣在化工、電子、醫療、冶金等很多領域得到廣泛應用。但由于氫氣分子很小，在生產、儲存、運輸和使用過程中易泄漏，所以在使用氫氣時需要利用氫氣傳感器對環境中氫氣的含量進行檢測。
常用的氫氣傳感器主要有以下幾種類型。
1 、半導體氫氣傳感器
金屬氧化物半導體（MOS）氫氣傳感器由一個加熱電阻器和一個由沉積在加熱器上的金屬氧化物層制成的敏感電阻器組成，加熱電阻器將傳感器加熱至其工作溫度（200–500°C）。金屬氧化物層的電阻隨溫度和周圍空氣中的氫含量而變化。
例如:費加羅半導體氫氣傳感器的敏感素子由二氧化錫 （SnO2）半導體構成，其在清潔的空氣中電導率很低，當空氣中被檢測氣體存在時，該氣體的濃度越高傳感器的電導率也會越高。使用簡單的電路，就可以將電導率的變化轉換成與該氣體濃度相對應的信號輸出。外殼采用標準TO-5金屬封裝。
展開 雙螺桿壓縮機流固共軛傳熱CFD分析 附基于SCORG和Simerics MP 的CFD雙螺桿泵數值模
圖9 考慮流固共軛傳熱壓力分布:
(a) 24° (b) 48° (c) 72° (d) 96° (e) 120°
下表比較了有和沒有考慮共軛傳熱情況下氣體質量流量和轉子功率的差異：
可以看出，考慮和不考慮共軛傳熱相比，質量流量和轉子功率的預測誤差小于1%。與實驗結果相比較，兩種結果對流量的預測都高出約4-5%。這種誤差可能是由間隙尺寸的不準確性引起的。功率預測與實驗相差約1%。可以看出，對于該給定模型，流固耦合共軛傳熱對壓縮機性能的影響很小，因此不考慮耦合傳熱的模擬結果是可以接受的。
基于固體溫度模擬結果，利用Simerics-MP+ CFD軟件包中的應變-應力求解器對固體熱應力/膨脹進行了預測。上圖描繪了由于徑向熱膨脹引起的轉子固體位移。該彩色圖例范圍從0到50微米，洋紅色代表高位移，藍色代表低位移。徑向最大位移約為50微米。需要注意的是，本文中的熱膨脹是單向耦合預測。熱膨脹的結果沒有反饋到流體模型中。
展開 Simerics | 雙螺桿壓縮機流固共軛傳熱CFD分析
與實驗結果相比較，兩種結果對流量的預測都高出約4-5%。這種誤差可能是由間隙尺寸的不準確性引起的。功率預測與實驗相差約1%。可以看出，對于該給定模型，流固耦合共軛傳熱對壓縮機性能的影響很小，因此不考慮耦合傳熱的模擬結果是可以接受的。
基于固體溫度模擬結果，利用Simerics-MP+ CFD軟件包中的應變-應力求解器對固體熱應力/膨脹進行了預測。上圖描繪了由于徑向熱膨脹引起的轉子固體位移。該彩色圖例范圍從0到50微米，洋紅色代表高位移，藍色代表低位移。徑向最大位移約為50微米。需要注意的是，本文中的熱膨脹是單向耦合預測。熱膨脹的結果沒有反饋到流體模型中。
圖
10 徑向的熱膨脹
小 結
基于Simerics-MP+軟件，提出了一種求解共軛傳熱的混合時間尺度耦合方法，并成功地應用于雙螺桿壓縮機的建模計算；
將模擬結果與試驗結果進行了對比，誤差在5%以內，驗證了該方法的可行性和準確性；
對有無共軛傳熱的模擬結果進行了對比，對于該給定模型，耦合傳熱對壓縮機性能的影響很小；
基于溫度結果的單相耦合，對固體熱膨脹程度進行了預測。
文章來源：合工仿真
展開 新型電力系統中，特高壓該如何定位？
特高壓仍要補齊靈活調度短板
當前，適應新能源消納需要的電度運行機制尚未完全建立，現有信息化手段還不能充分滿足新能源功率預測與控制、可控負荷與新能源互動等需要。多能協調控制技術、新能源實時調度技術、送電功率靈活調節技術等新能源消納平衡技術亟待加強。
吳川告訴記者，當前，特高壓已是我國電網核心組成部分之一，承擔了電力區域間調動的重要職責。未來，新能源并網量大幅提升后，區域電網的自穩定性將有所下降，特高壓作為電力的骨干傳輸通道，將是區域電力互保的核心設施。
“但是，在新型電力系統建設目標下，特高壓不僅要發揮電力的長距離傳輸作用，對其的靈活調度也提出了更高要求。短距離、高效率、靈活性將同樣是特高壓技術的發展趨勢。”吳川表示。
林鈺翔表示，大規模集中式可再生能源并網，可導致輸電網阻塞，造成棄風棄光率抬高，加劇可再生能源和電網間矛盾。而大規模分布式可再生能源電站及電動車接入電網后，則會對電網帶來不可預測性和沖擊性，本質上都需要在配網側進行風險對沖。
“大規模集中式可再生能源的間歇性與波動性，對電網安全穩定壓力較大，客觀上要求配置大量調頻調峰和備用資源，即現貨價格條件下的輔助服務。此外，火電機組未來將從基荷電源變成一種‘類儲能資源’，同樣因為缺乏價格回收機制，需要克服儲能和電網間的矛盾。”林鈺翔認為。
提升經濟性才能在新型電力系統中擔重任
雖然特高壓在新型電力系統中的定位仍有待明晰，但部分線路卻因輸電能力未達預期而飽受爭議，這也使得其在未來新型電力系統中的角色更加不明朗。
展開 