论文部分内容阅读
摘要：依据《风电场功率预测预报管理暂行办法》，精确的风电场功率预测是解决风电并网问题的有效途径之一。本文从预测预报要求、影响风功率预测准确率因素、风电场输出功率预测模型等方面做了阐述。
关键词：风电功率预测;预测精度;组合优化
随着风电场的单机容量和总装机容量的不断增大，风电并网给系统带来诸如系统稳定性、电力系统调度、穿越功率和电网规划等一系列难题。这一切问题都源于风电场输出功率的不可控性，解决风电并网所带来问题的一系列问题关键在于能够对风电场输出功率进行精确的预测。
一、风功率预测预报要求
电网调度部门对风电功率预测的基本要求有两个：一是日预报，即次日零时至二十四时的预测预报，时间分辨为十五分钟。二是实时预报，即自上报时刻起未来十五分钟至四小时的预测预报，时间分辨不小于十五分钟。
日预报要求并网风电场每日在规定时间前按规定要求向电网调度机构提交次日零时到二十四时每十五分钟共九十六个时间节点风电有功功率预测数据和开机容量。预报要求并网风电场按规定要求每十五分钟滚动上报未来十五分钟至四小时风电功率预测数据和实时的风速等气象数据。
二、影响风功率预测准确率因素
风电机组的输出功率取决于风速及空气密度。空气密度与湿度、温度、压强密切相关，因此在风电功率预测中要考虑温度、湿度和压强。根据以上分析，风电功率预测模型的输入数据应包括风速、风向、温度、湿度和压强。
（一）数值天气预报预测的是风速、风向、气温、气压等气象数据，是风电场开展风电功率预测的基础和输入，能否得到准确的数值天气预报对风电功率预测准确率有很大影响。
（二）由于风的随机性、不确定性，再加上我国很多风电场都建在边远地区，地形差异较大，短时间会有风的快速变化，导致近地面的风速数值预报难度很大。我们都知道风功率与风速的三次方成正比，所以风速数值预报的准确性会直接影响风功率预测的准确率。
（三）风电功率预测方法也是影响预测的准确率的关键因素。目前国内风功率预测方法主要有基于统计的方法和基于物理建模的方法。因统计方法和物理方法都对数据都有很高要求，如果数据本身不是很完整，或者经过人为影响，或者得到的数据是错误的，都会影响到风电功率预测结果的准确度。
三、风电场输出功率预测模型
（一）预测方法的选择
功率预测方法没有统一的分类标准，按照不同的标准有不同的分类。根据预测物理量的不同可分为2类：第1类是对风速进行预测，然后根据风电机组或风电场的功率曲线得到风电场的输出功率;第2类是直接预测风电场的输出功率。根据所采用数学模型的不同可分为持续预测法、自回归滑动平均模型法、卡尔曼滤波法和智能方法等。实践证明，采用以综合功能预测模型在有些预测点可能出现较大的误差，因此在建立风电场预测的BP模型、RBF模型、SVM模型的基础上，采取三种模型的组合预测的方法，可以有效减少较大误差的出现，提高预测精度。
（二）风电场输出功率预测模型
（1）组合模型I---等权重平均法
（P总为总的预测输出功率，PBP、PRBF、PSVM分别为BP神经网络、RBF神经网络、SVM预测的输出功率）
（2）组合模型II—协方差优选组合预测法
（λ1、λ2、λ3分别为BP神经网络、RBF神经网络和SVM预测的权重，λ1+λ2+λ3=1）
BP模型、RBF模型、SVM模型及组合预测模型的误差分别为e1、e2、e3、ec，三种预测误差的方差分别为σ11、σ22、σ33，组合预测误差的方差为，可以证明：var（ec）min ≤min（σ11，σ22，σ33），表明组合预测方法优于单一预测方法。
（三）组合模型III--时变权值组合优化法
协方差优选组合预测法计算得到的权系数是固定不变的。实际上在不同情况下各预测方法的预测精度可能不同，采用变系数的方法有可能进一步提高预测精度。权系数的确定可取最近的m个样本历史值来计算：
计算中采用移动样本，每次都使用s个样本计算。每过15分钟，就把刚得到的实际值加入样本中，剔除原样本的第一个实际值，保证每次样本个数均为s。所以每隔15分钟，样本均会发生一次移动，权值每15分钟更新一次。
综上，时变权系数组合优化预测模型为：
依据风电功率预测考核指标将三种单独预测模型与组合预测模型的合格率、准确率进行对比， 采用组合预测的合格率、准确率较独立预测模型均有所提高，所以组合预测能够较好的提升预测的准确性，使最终的预测值更可信。
比较上述各种预测方法的平均实时预测误差，得知BP的误差均大于0.2 kW，RBF模型和SVM模型的误差接近0.3kW，而优化组合模型的误差均小于0.2 kW。
综上所述：优化组合模型的预测精度较之独立预测模型有显著的提高。综上所述：优化组合模型的预测精度较之独立预测模型有显著的提高。
四、风电场输出功率预测研究趋势
（一）通过对风速预测模型的研究与分析可以确定风电场输出功率预测领域的研究趋势：
（二）人工智能模型由于预测精度相对较高通过算法的进一步优化成为较可行的研究思路。
（三）进一步将各种预测模型应用于实际风电场，在实际应用过程中对预测模型加以改善。
（四）组合预测成为降低预测误差的主流研究趋势，但组合预测的结果也仅是一个预测值，若能给出预测值的置信区间，则预测结果将更具有实用价值，考虑置信区间的风速概率预测方法将成为主流的研究思路。
在进行预测的时候，应充分考虑影响风电的各种因素，依据风电场实际情况以及结合各种预测方式的特点，建立相关的预测形式，从而得到更好的预测效果，促进电力系统的发展。
关键词：风电功率预测;预测精度;组合优化
随着风电场的单机容量和总装机容量的不断增大，风电并网给系统带来诸如系统稳定性、电力系统调度、穿越功率和电网规划等一系列难题。这一切问题都源于风电场输出功率的不可控性，解决风电并网所带来问题的一系列问题关键在于能够对风电场输出功率进行精确的预测。
一、风功率预测预报要求
电网调度部门对风电功率预测的基本要求有两个：一是日预报，即次日零时至二十四时的预测预报，时间分辨为十五分钟。二是实时预报，即自上报时刻起未来十五分钟至四小时的预测预报，时间分辨不小于十五分钟。
日预报要求并网风电场每日在规定时间前按规定要求向电网调度机构提交次日零时到二十四时每十五分钟共九十六个时间节点风电有功功率预测数据和开机容量。预报要求并网风电场按规定要求每十五分钟滚动上报未来十五分钟至四小时风电功率预测数据和实时的风速等气象数据。
二、影响风功率预测准确率因素
风电机组的输出功率取决于风速及空气密度。空气密度与湿度、温度、压强密切相关，因此在风电功率预测中要考虑温度、湿度和压强。根据以上分析，风电功率预测模型的输入数据应包括风速、风向、温度、湿度和压强。
（一）数值天气预报预测的是风速、风向、气温、气压等气象数据，是风电场开展风电功率预测的基础和输入，能否得到准确的数值天气预报对风电功率预测准确率有很大影响。
（二）由于风的随机性、不确定性，再加上我国很多风电场都建在边远地区，地形差异较大，短时间会有风的快速变化，导致近地面的风速数值预报难度很大。我们都知道风功率与风速的三次方成正比，所以风速数值预报的准确性会直接影响风功率预测的准确率。
（三）风电功率预测方法也是影响预测的准确率的关键因素。目前国内风功率预测方法主要有基于统计的方法和基于物理建模的方法。因统计方法和物理方法都对数据都有很高要求，如果数据本身不是很完整，或者经过人为影响，或者得到的数据是错误的，都会影响到风电功率预测结果的准确度。
三、风电场输出功率预测模型
（一）预测方法的选择
功率预测方法没有统一的分类标准，按照不同的标准有不同的分类。根据预测物理量的不同可分为2类：第1类是对风速进行预测，然后根据风电机组或风电场的功率曲线得到风电场的输出功率;第2类是直接预测风电场的输出功率。根据所采用数学模型的不同可分为持续预测法、自回归滑动平均模型法、卡尔曼滤波法和智能方法等。实践证明，采用以综合功能预测模型在有些预测点可能出现较大的误差，因此在建立风电场预测的BP模型、RBF模型、SVM模型的基础上，采取三种模型的组合预测的方法，可以有效减少较大误差的出现，提高预测精度。
（二）风电场输出功率预测模型
（1）组合模型I---等权重平均法
（P总为总的预测输出功率，PBP、PRBF、PSVM分别为BP神经网络、RBF神经网络、SVM预测的输出功率）
（2）组合模型II—协方差优选组合预测法
（λ1、λ2、λ3分别为BP神经网络、RBF神经网络和SVM预测的权重，λ1+λ2+λ3=1）
BP模型、RBF模型、SVM模型及组合预测模型的误差分别为e1、e2、e3、ec，三种预测误差的方差分别为σ11、σ22、σ33，组合预测误差的方差为，可以证明：var（ec）min ≤min（σ11，σ22，σ33），表明组合预测方法优于单一预测方法。
（三）组合模型III--时变权值组合优化法
协方差优选组合预测法计算得到的权系数是固定不变的。实际上在不同情况下各预测方法的预测精度可能不同，采用变系数的方法有可能进一步提高预测精度。权系数的确定可取最近的m个样本历史值来计算：
计算中采用移动样本，每次都使用s个样本计算。每过15分钟，就把刚得到的实际值加入样本中，剔除原样本的第一个实际值，保证每次样本个数均为s。所以每隔15分钟，样本均会发生一次移动，权值每15分钟更新一次。
综上，时变权系数组合优化预测模型为：
依据风电功率预测考核指标将三种单独预测模型与组合预测模型的合格率、准确率进行对比， 采用组合预测的合格率、准确率较独立预测模型均有所提高，所以组合预测能够较好的提升预测的准确性，使最终的预测值更可信。
比较上述各种预测方法的平均实时预测误差，得知BP的误差均大于0.2 kW，RBF模型和SVM模型的误差接近0.3kW，而优化组合模型的误差均小于0.2 kW。
综上所述：优化组合模型的预测精度较之独立预测模型有显著的提高。综上所述：优化组合模型的预测精度较之独立预测模型有显著的提高。
四、风电场输出功率预测研究趋势
（一）通过对风速预测模型的研究与分析可以确定风电场输出功率预测领域的研究趋势：
（二）人工智能模型由于预测精度相对较高通过算法的进一步优化成为较可行的研究思路。
（三）进一步将各种预测模型应用于实际风电场，在实际应用过程中对预测模型加以改善。
（四）组合预测成为降低预测误差的主流研究趋势，但组合预测的结果也仅是一个预测值，若能给出预测值的置信区间，则预测结果将更具有实用价值，考虑置信区间的风速概率预测方法将成为主流的研究思路。
在进行预测的时候，应充分考虑影响风电的各种因素，依据风电场实际情况以及结合各种预测方式的特点，建立相关的预测形式，从而得到更好的预测效果，促进电力系统的发展。