ISSN: 1859-1531
BAN BIÊN TẬP

Tổng biên tập
GS.TSKH. Bùi Văn Ga

Phó Tổng biên tập
GS.TS. Trần Văn Nam

Trưởng ban biên tập
PGS.TS. Nguyễn Tấn Hưng

Cơ quan Đại học Đà Nẵng
41 Lê Duẩn, TP Đà Nẵng
Trường Đại học Bách khoa
54 Nguyễn Lương Bằng, Quận Liên Chiểu, TP Đà Nẵng
Trường Đại học Kinh tế
71 - Ngũ Hành Sơn - TP. Đà Nẵng
Trường Đại học Sư phạm
459 Tôn Đức Thắng - Liên Chiểu - Đà Nẵng
Trường Đại học Ngoại ngữ
131 Lương Nhữ Hộc, Đà Nẵng
Trường Đại học Sư phạm kỹ thuật
48 Cao Thắng - Đà Nẵng
Phân hiệu ĐHĐN tại KonTum
129 Phan Đình Phùng, Kon Tum
Khoa công nghệ thông tin và tuyền thông
Hòa Quý - Ngũ Hành Sơn - Đà Nẵng
Khoa Y Dược
Hòa Quý - Ngũ Hành Sơn - Đà Nẵng
Khoa Giáo dục Thể chất
62 Ngô Sỹ Liên, Liên Chiểu, Đà Nẵng
Khoa Quốc tế
41 Lê Duẩn, Đà Nẵng
Viện Nghiên cứu & Đào tạo Việt Anh
158A Lê Lợi
Trung tâm phát triển phần mềm
41 Lê Duẩn, Tp. Đà Nẵng
Trung tâm kiểm định chất lượng giáo dục
41 Lê Duẩn, Tp. Đà Nẵng
Trung tâm ngoại ngữ
131 Lương Nhữ Hộc, Tp Đà Nẵng
Trung tâm nghiên cứu phát triển quản trị và tư vấn doanh nghiệp
71 - Ngũ Hành Sơn - TP. Đà Nẵng
Tổng: 16,669,501
PHƯƠNG PHÁP DỰ BÁO VẬN TỐC GIÓ CHO CÁC NHÀ MÁY ĐIỆN GIÓ CÓ XÉT ĐẾN MỐI TƯƠNG QUAN VỀ KHÔNG GIAN VÀ THỜI GIAN
A METHODOLOGY FOR FORECASTING WIND SPEED OF WIND POWER PLANTS CONSIDERING SPATIAL AND TEMPORAL CORRELATIONS
 Tác giả: Lê Đình Dương*
Đăng tại: Vol. 17, No. 8, 2019; Trang: 6-10
Tóm tắt bằng tiếng Việt:
Ngày nay, nguồn năng lượng gió ngày càng thu hút được sự quan tâm của các nhà nghiên cứu cũng như các đơn vị khai thác và sử dụng năng lượng gió vì những lợi ích to lớn mang lại từ nguồn năng lượng này đặc biệt là vấn đề về môi trường. Tuy nhiên, để khai thác và sử dụng hiệu quả nguồn năng lượng gió thì một trong những lĩnh vực quan trọng đó là dự báo. Việc dự báo chính xác vận tốc và công suất phát cho các nhà máy điện gió là rất quan trọng. Thông tin mang lại từ dự báo không những phục vụ cho việc tính toán và phát điện của bản thân các nhà máy mà còn phục vụ cho các đơn vị quản lý vận hành lưới điện mà ở đó nhà máy điện gió được kết nối vào. Bài báo trình bày phương pháp dự báo có xét đến mối tương quan về không gian và thời gian. Phương pháp đề xuất phù hợp để dự báo vận tốc gió đồng thời cho các nhà máy điện gió có quan hệ tương quan.
Từ khóa: Dự báo; vận tốc gió; tự hồi quy vector; kỹ thuật tiền xử lý; tương quan
Abstract:
Today, wind energy sources are increasingly attracting researchers as well as companies that exploit and use wind energy because of great benefits from this energy source, especially for environmental benefits. However, in order to effectively exploit and use wind energy, one of the important areas is forecasting. It is essential to accurately forecast wind speed and power output of wind farms. The information provided by the forecast not only serves the calculating and generating power of the plant itself, but also serves the operator of the grid where the wind power plant is connected. This paper presents a forecasting methodology considering spatial and temporal correlations. The proposed approach is suitable for simultaneously forecasting correlated wind speed of multiple wind power plants.
Key words: Forecast; wind speed; Vector AutoRegressive; pre-processing technique; correlation.
Tài liệu tham khảo:
[1] Wen-Yeau Chang, “A Literature Review of Wind Forecasting Methods”, Journal of Power and Energy Engineering, 2, 161–168, 2014.
[2] Q. Chen, K. A. Folly, “Wind Power Forecasting”, IFAC, Volume 51, Issue 28, pp. 414-419, 2018.
[3] David Barbosa de Alencar, Carolina de Mattos Affonso, Roberto Célio Limão de Oliveira, Jorge Laureano Moya Rodríguez, Jandecy Cabral Leite, José Carlos Reston Filho, “Different Models for Forecasting Wind Power Generation: Case Study”, Energies, 10, 2017.
[4] Vladislavleva, E., Friedrich, T., Neumann, F., Wagner, M., “Predicting the energy output of wind farms based on weather data: Important variables and their correlation”, Renew. Energy, 2013, 50, 236–243.
[5] Sideratos, G., Hatziargyriou, N.D., “An advanced statistical method for wind power forecasting”, IEEE Trans. Power Syst., 2007, 22, 258–265.
[6] Brown, B. G., Katz, R. W., and Murphy, A. H., “Time Series Models to Simulate and Forecast Wind Speed and Wind Power”, Journal of Climate and Applied Meteorology, 23, 1184–1195, 1984.
[7] Huang, Z., and Chalabi, Z. S., “Use of Time-Series Analysis to Model and Forecast Wind Speed”, Journal of Wind Engineering and Industrial Aerodynamics, 56, 311–322, 1995.
[8] Kamal L. and Jafri Y.Z., “Time Series Models to Simulateand Forecast Hourly Averaged Wind Speed in Quetta, Pakistan”, Solar Energy, 61, 23–32, 1997.
[9] Katz, R. W., and Skaggs, R. H., “On the Use of Autoregressive-Moving Average Processes to Model Meteorological TimeSeries”, Monthly Weather Review, 109, 479–484, 1981.
[10] Runkle, D. E., “Vector Autoregressions and Reality”, Journal of Business and Economic Statistics, 5 (4), 437-442, 1987.
[11] Stock, J.H. and M.W. Watson, “Vector Autoregressions”, Journal of Economic Perspectives, 15, 101–115, 2001.
[12] Watson, M., Vector Autoregressions and Cointegration, in Handbook of Econometrics, Volume IV. R.F. Engle and D. McFadde, Elsevier Science Ltd., Amsterdam, 1994.
[13] De Giorgi, M.G., Ficarella, A., Russo, M.G., “Short-term wind forecasting using artificial neural networks (ANNs)”, WIT Trans. Ecol. Environ., 2009, 121, 197–208.
[14] Li, G., Shi, J., “On comparing three artificial neural networks for wind speed forecasting”, Appl. Energy, 2010, 87, 2313–2320.
[15] Hu, J., Wang, J., Zeng, G., “A hybrid forecasting approach applied to wind speed time series”, Renew. Energy, 2013, 60, 185–194.
[16] Shiyu Liu, Gengfeng Li, Haipeng Xie, Xifan Wang, “Correlation Characteristic Analysis for Wind Speed in Different Geographical Hierarchies”, Energies, 10, 2017.
[17] M. Kendall and A. Stuart, The Advanced Theory of Statistics. London, U.K.: C. Griffin, 4th edition, 1977.
[18] H. Cramer, Mathematical Methods of Statistics, Princeton University Press, 1945.
[19] G. E. P. Box and G. M. Jenkins, Time Series Analysis: Forecasting and Contro, San Francisco, CA: Holden Day, 1976.
[20] K. Aho, D. Derryberry, T. Peterson, "Model selection for ecologists: the worldviews of AIC and BIC", Ecology, 95: 631–636, 2014.
[21] Online: https://en.wikipedia.org/wiki/Ordinary_least_squares.
[22] F. E. Grubbs, "Procedures for Detecting Outlying Observations in Samples", Technometrics, Feb. 1969.
[23] P. J. Davis, Interpolation and approximation, Dover, New York, 1976.
[24] D. D. Le, G. Gross, and A. Berizzi, “Probabilistic Modeling of Multisite Wind Farm Production for Scenario-Based Applications”, IEEE Transactions on Sustainable Energy, vol. 6, no. 3, 748–758, 2015.
[25] Hamid Shaker, Hamidreza Zareipour, and David Wood, “On error measures in wind forecasting evaluations”, 26th IEEE Canadian Conference of Electrical and Computer Engineering (CCECE), 2013.
[26] A. Papavasiliou, S. S. Oren, “Stochastic modeling of multi-area wind power production”, in Proc. 12th Int. Conf. Probab. Methods Appl. Power Syst., Istanbul, Turkey, Jun. 10–14, 2012, pp. 1–6.

BAN BIÊN TẬP

Tổng biên tập
GS.TSKH. Bùi Văn Ga

Phó Tổng biên tập
GS.TS. Trần Văn Nam

Trưởng ban biên tập
PGS.TS. Nguyễn Tấn Hưng

Cơ quan Đại học Đà Nẵng
41 Lê Duẩn, TP Đà Nẵng
Trường Đại học Bách khoa
54 Nguyễn Lương Bằng, Quận Liên Chiểu, TP Đà Nẵng
Trường Đại học Kinh tế
71 - Ngũ Hành Sơn - TP. Đà Nẵng
Trường Đại học Sư phạm
459 Tôn Đức Thắng - Liên Chiểu - Đà Nẵng
Trường Đại học Ngoại ngữ
131 Lương Nhữ Hộc, Đà Nẵng
Trường Đại học Sư phạm kỹ thuật
48 Cao Thắng - Đà Nẵng
Phân hiệu ĐHĐN tại KonTum
129 Phan Đình Phùng, Kon Tum
Khoa công nghệ thông tin và tuyền thông
Hòa Quý - Ngũ Hành Sơn - Đà Nẵng
Khoa Y Dược
Hòa Quý - Ngũ Hành Sơn - Đà Nẵng
Khoa Giáo dục Thể chất
62 Ngô Sỹ Liên, Liên Chiểu, Đà Nẵng
Khoa Quốc tế
41 Lê Duẩn, Đà Nẵng
Viện Nghiên cứu & Đào tạo Việt Anh
158A Lê Lợi
Trung tâm phát triển phần mềm
41 Lê Duẩn, Tp. Đà Nẵng
Trung tâm kiểm định chất lượng giáo dục
41 Lê Duẩn, Tp. Đà Nẵng
Trung tâm ngoại ngữ
131 Lương Nhữ Hộc, Tp Đà Nẵng
Trung tâm nghiên cứu phát triển quản trị và tư vấn doanh nghiệp
71 - Ngũ Hành Sơn - TP. Đà Nẵng
Tổng: 16,669,501