基于不確定度評定的風電功率預測誤差研究

陳 艷，陳 超，劉顯旭，史坤鵬

（國網(wǎng)吉林省電力有限公司，長春 130021）

風能是目前最具備大規(guī)模商業(yè)化開發(fā)的可再生能源，發(fā)展風力發(fā)電是我國能源和電力可持續(xù)發(fā)展的最現(xiàn)實選擇。截至2013年底，我國風電總裝機容量突破77GW，風電規(guī)模居世界首位。隨著風電集中接入電網(wǎng)容量的快速增長，其隨機性、不可控性及反調(diào)峰特性等給電力系統(tǒng)安全可靠運行帶來的困擾越發(fā)凸顯，使得風速和風電功率預測變得更為重要。由于風能具有的強隨機性，以及對它的變化目前所能達到的預測技術水平不高的限制，風電功率預測結(jié)果具有一定的不確定性。與確定性預測相比，考慮誤差分布特性的風電功率概率預測，可以給出未來時刻不同預測值出現(xiàn)的概率，對在合理風險水平下安排電力系統(tǒng)運行與調(diào)控計劃等更具價值［1］。

1 風電功率預測技術應用現(xiàn)狀

國外開展風電功率預測工作起步較早，經(jīng)過了近20年的發(fā)展和改進，丹麥、德國、西班牙、英國、美國等發(fā)達國家在風電功率預測上采取的技術手段已基本成熟，風電調(diào)度運行模式運轉(zhuǎn)良好［2］。目前，國內(nèi)投入使用的風電功率預測系統(tǒng)，主要來自國網(wǎng)中國電力科學研究院、南網(wǎng)電力科學研究院以及北京清軟公司等科研單位，但這些國產(chǎn)風電功率預測系統(tǒng)的預測精度還有待提高。

風電功率預測主要分為2類：一是基于統(tǒng)計模型的預測方法，所用數(shù)據(jù)成分單一，不需要考慮大氣運動特性，但需要大量歷史數(shù)據(jù)的支持，不適用于新建風電場。但對于長時間尺度的風功率預測，基于統(tǒng)計模型法的預測精度往往不高。另外，對于突變信息及罕見天氣狀況等，基于統(tǒng)計模型的預測算法難以保證預測精度；二是基于物理模型的風電功率預測方法，不需要風電場大量歷史數(shù)據(jù)的支持，適用于新建風電場，但需要準確的數(shù)值天氣預報（NWP）數(shù)據(jù)和風電場微地形、微氣候詳細信息，數(shù)據(jù)的采集和處理較為繁瑣，計算過程復雜，技術實現(xiàn)門檻較高。風電功率預測的基本原理如圖1所示。

圖1 風電功率預測的基本原理

目前提升風電預測精度的措施如下：基于物理模型的預測算法，需依賴高清遙感技術和高性能計算機，提高NWP模型的分辨率；基于歷史數(shù)據(jù)的統(tǒng)計預測模型，應滾動加入風電實測數(shù)據(jù)，使歷史數(shù)據(jù)庫日益完備，并且對棄風數(shù)據(jù)的修復要求較高；把兩類預測模型加以優(yōu)化組合，以及對預測結(jié)果的滾動修正和預測模型的在線校核，成為提升風電功率預測準確度的發(fā)展趨勢。

2 軟測量技術和不確定度理論

為全面揭示風電功率預測技術的理論基礎，解決預測誤差不確定性難題，研究了計量領域的軟測量技術和測量不確定度理論，并與風電功率預測技術進行參照對比。

2.1 軟測量技術與預測技術的類比

作為一門新型工業(yè)技術，軟測量技術經(jīng)歷了從線性到非線性、靜態(tài)到動態(tài)、無校正功能到有校正功能的發(fā)展，其理論根源是基于軟儀表的推斷估計器，即根據(jù)最優(yōu)化準則，借助一種與主導變量強相關且容易測量的輔助變量，通過構(gòu)造某種數(shù)學關系或模型，從而實現(xiàn)對主導變量的在線估計［3-5］。軟測量技術的原理結(jié)構(gòu)圖如圖2所示。

圖2 軟測量技術原理結(jié)構(gòu)圖

有關軟測量技術及理論與風電功率預測之間的關聯(lián)性，在表1中進行歸納與描述。相對于軟測量技術和理論，風電功率預測技術在輔助變量選擇、數(shù)據(jù)預處理和數(shù)學模型研究方面已比較完備，但在模型校正與誤差修正方面還有待深入研究，進而滿足風電計劃安排、風電自動控制等定量要求。

表1 軟測量技術與風電功率預測技術的類比

2.2 測量不確定度及其在預測領域的延伸

由于各國對測量誤差的評定方法不同，使不同測量結(jié)果之間缺乏可比性，因此“測量不確定度”概念應運而生。它是說明測量水平的一個重要指標，用以表征被測量結(jié)果的分散性、可信度。近年來，隨著研究的深入與發(fā)展，現(xiàn)代不確定度理論已形成集靜態(tài)測量不確定度與動態(tài)測量不確定度、隨機誤差與系統(tǒng)誤差、測量數(shù)據(jù)與測量方法、多種不同誤差分布于一體的誤差評估理論體系。

按其數(shù)值評估方法的不同，測量不確定度可分為統(tǒng)計不確定度（A類不確定度）和非統(tǒng)計不確定度（B類不確定度）。其中，基于統(tǒng)計理論的不確定度評定方法，往往隱含著測量數(shù)據(jù)樣本較多且服從某一典型分布的條件；而非統(tǒng)計評定方法，測量數(shù)據(jù)通常較少，且分布規(guī)律可能不明確，目前非統(tǒng)計評定方法主要是基于灰色系統(tǒng)、模糊集、信息熵、神經(jīng)網(wǎng)絡和貝葉斯推理等理論［6-7］。測量與預測不確定度理論模型如圖3所示。

圖3 測量與預測不確定度理論模型

相對測量不確定度，預測問題是基于歷史測量數(shù)據(jù)和近期影響因素的一種對未來事件的推斷估計，不僅要考慮測量數(shù)據(jù)的準確度，還涉及預測模型的可信性、影響因素的隨機性和時間尺度上的動態(tài)特性，因此，預測結(jié)果具有更強的不確定性，由測量不確定度理論可延伸出預測不確定度概念。

3 基于不確定度評定的風電功率預測誤差

由于風能具有很強的隨機性和不可預知性，風電功率預測誤差是客觀存在的（目前風電功率預測誤差遠高于負荷預測誤差：負荷預測誤差1%～3%，風電功率預測誤差大于15%），其誤差來源包括：天氣條件的快速變化、測量數(shù)據(jù)的損壞、風電機組的停運、數(shù)值天氣預報誤差大、預測模型不精確、預測時間尺度長等。

風電功率預測誤差常用指標包括：均方根誤差RMSE、平均絕對誤差MAE、相關性系數(shù)r等。文獻［9］構(gòu)建了一套包含橫向誤差、縱向誤差、相關因子、極端誤差的預測誤差綜合評價指標，對預測誤差的平均化水平、分布情況、相關因子和極端案例等做出較為全面的評判。隨著風電預測不確定性問題日益受到關注，考慮置信區(qū)間的風電功率概率預測方法將成為主流的研究思路［10-11］。

因此，在深入開展風電功率預測精度研究的基礎上，結(jié)合動態(tài)測量不確定度相關理論，提出一種基于不確定度評定的風電功率預測誤差評估機制。為具體闡述預測不確定度與測量不確定度概念上的異同，在表2中分別列出了相關參數(shù)的對比結(jié)果。由表2可見，預測不確定度概念具有更大的分散性，且置信區(qū)間隨預測時間尺度變化而變化。

目前，不少專家以某地區(qū)風速、風向的預測不確定性為基礎，利用統(tǒng)計不確定度（即A類不確定度）來評估整個區(qū)域的風電功率預測精度。通常情況下，風速和風電功率預測誤差具備一定的正態(tài)分布特性。而大量的實測數(shù)據(jù)表明，風電功率預測誤差并不完全滿足正態(tài)分布，例如文獻［12-14］以正態(tài)分布描述基于神經(jīng)網(wǎng)絡的風電預測系統(tǒng)的預測誤差，但所得概率密度曲線與頻率分布直方圖的區(qū)別較大。

為了進一步研究風電功率預測的分布特性，不少學者對風速概率和風電功率預測概率進行了深入研究，文獻［15-16］表明 Weibull分布比正態(tài)分布能更好地表示出風速概率分布特性。文獻［17］指出，采用貝塔（Beta）分布能更好地擬合風電功率的預測誤差（見圖4）。對預測誤差分布特性的研究，將為風電功率預測誤差的統(tǒng)計不確定度評定提供有益指導［18-19］。然而，事實上并非所有的不確定度都能夠用統(tǒng)計的方法進行評估，在動態(tài)量測中經(jīng)常出現(xiàn)一些更加復雜的、不符合統(tǒng)計規(guī)律的情況，因此基于非統(tǒng)計不確定度評定（B類不確定度）的風電預測誤差評估成為研究的難點［20-21］。

表2 測量誤差、測量不確定度、預測不確定度的對比分析

圖4 貝塔分布的擬合效果

4 結(jié)論

在分析概括風電功率預測研究現(xiàn)狀的基礎上，本文將預測技術與軟測量理論、測量不確定度概念進行了對比研究，結(jié)合國內(nèi)外預測誤差估算方法及概率分布特性，試提出了一種基于不確定度評定的風電功率預測誤差評估機制，為預測誤差修正補償研究開辟了新思路。

針對風電強波動特性和分布規(guī)律不明確的情況，今后著力開展基于非統(tǒng)計不確定度評定的風電預測誤差精度研究，進而為考慮大規(guī)模風電接入的電力系統(tǒng)不確定度建模及其動力學特性研究奠定一定的理論基礎。

［1］ 王松巖，于繼來.風速與風電功率的聯(lián)合條件概率預測方法［J］.中國電機工程學報，2011，31（7）：7-15.WANG Song-yan，YU Ji-lai.Joint conditions probability forecast method for wind speed and wind power［J］.Proceedings of the CSEE，2011，31（7）：7-15.

［2］ 劉 樂，范國英，傅吉悅.國外風電功率預測的經(jīng)驗與啟示［C］.吉林省電機工程學會2012年學術年會論文集，2012.

［3］ 王 健，嚴干貴，宋 薇，等.風電功率預測技術綜述［J］.大功率變流技術，2011，31（3）：20-24.WANG Jian，YAN Shi-gui，SONG Wei.Et al.Review of wind power prediction［J］.High Power Converter Technology，2011，31（3）：20-24.

［4］ 胡書舉，許洪華.基于時間序列分析和神經(jīng)網(wǎng)絡的風電功率預測方法研究［J］.大功率變流技術，2013（3）：35-39.MA Rui，HU Shu-ju，XU Hong-hua.Wind power prediction based on time series method and neural network method［J］.High Power Converter Technology，2013（3）：35-39.

［5］ 李海青，黃志堯.軟測量技術原理及應用［M］.北京：化學工業(yè)出版社，2007.

［6］ 宋明順.測量不確定度評定與數(shù)據(jù)處理［M］.北京：中國計量出版社，2000.

［7］ 趙志剛，趙 偉.測量不確定度理論研究和應用中的若干熱點問題［J］.電測與儀表，2007，44（495）：1-4，8.ZHAO Zhi-gang，ZHAO Wei.Several hotspots on researches and applications of uncertainty theory［J］.Electrical Measurement ＆Instrumentation，2007，44（3）：1-4，8.

［8］ 趙志剛，趙 偉.基于動態(tài)測量不確定度理論的最佳線性數(shù)據(jù)融合算法［J］.儀器儀表學報，2007，28（5）：928-932.ZHAO Zhigang，ZHAO Wei.Optimal linear multi-sensor data fusion algorithm based on dynamic uncertainty theory［J］.Chinese Journal of Scientific Instrument，2007，28（5）：928-932.

［9］ 徐 曼，喬 穎，魯宗相.短期風電功率預測誤差綜合評價方法［J］.電力系統(tǒng)自動化，2011，35（12）：20-26.XU Man，QIAO Ying，LU Zong-xiang.A comprehensive error evaluation method for short-term wind power prediction［J］.Automation of Electric Power Systems，2011，35（12）：20-26.

［10］ 楊 明，朱思萌，韓學山，等.風電場輸出功率的多時段聯(lián)合概率密度預測［J］.電力系統(tǒng)自動化，2013，37（10）：23-28.YANG Ming，ZHU Si-meng，HAN Xue-shan，et al.Joint Probability density forecast for wind farm output in multi-time-interval［J］.Automation of Electric Power Systems，2013，37（10）：23-28.

［11］ 周松林，茆美琴，蘇建徽.風電功率短期預測及非參數(shù)區(qū)間估計［J］.電力科學與技術學報，2011，31（25）：10-16.ZHOU Song-lin，MAO Mei-qin，SU Jian-hui.Short-term forecasting of wind power and non-parametric confidence interval estimation［J］.Proceedings of the CSEE，2011，31（25）：10-16.

［12］ 湯 奕，王 琦，陳 寧，等.考慮預測誤差分布特性的風電場集群調(diào)度方法［J］.中國電機工程學報，2013，33（25）：27-32.TANG Yi，WANG Qi，CHEN Ning，et al.A dispatching method of active power in wind farm clusters considering probability distribution of forecasting errors［J］.Proceedings of the CSEE，2013（25）：27-32.

［13］ 林衛(wèi)星，文勁宇，艾小猛，等.風電功率波動特性的概率分布研究［J］.中國電機工程學報，2012，32（1）：38-46.LIN Wei-xing，WEN Jin-yu，AI Xiao-meng，et al.Probability density function of wind power variations［J］.Proceedings of the CSEE，2012，32（1）：38-46.

［14］ 范高鋒，王偉勝，劉 純，等.基于人工神經(jīng)網(wǎng)絡的風電功率預測［J］.中國電機工程學報，2008，28（34）：118-123.FAN Gao-feng，WANG Wei-sheng，LIU Chun，et al.Wind power prediction based on artificial neural network［J］.Proceedings of the CSEE，2008，28（34）：118-123.

［15］ 陳 練，李棟梁，吳洪寶.中國風速概率分布及在風能評估中的應用［J］.太陽能學報，2010，31（9）：1209-1214.CHEN Lian，LI Dong-liang，WU Hong-bao.The probability distrubution of wind speed and its application in estimation of wind energy in China［J］.Acta Energiae Solaris Sinica，2010，31（9）：1209-1214.

［16］ 丁 明，吳 偉，吳紅斌，等.風速概率分布參數(shù)預測及應用［J］.電網(wǎng)技術，2008，32（14）：10-14.DING Ming，WU Wei，WU Hong-bin，et al.Research on forecasting of probabilistic distribution parameters of wind speed and its application［J］.Power System Technology，2008，32（14）：10-14.

［17］ BLUDSZUWEIT H，DOMìNGUEZ-NAVARRO J，LLOMBART A.Statistical analysis of wind power forecast error［J］.IEEE Trans on Power Systems，2008，23（3）：983-991.

［18］ 劉玉敏.基于預測誤差加權校正的動態(tài)矩陣控制［J］.自動化技術與應用，2006，25（9）：7-8，33.LIU Yu-min.Dynamic matrix control based on weighted correction of the predicted error［J］.Techniques of Automation and Applications，2006，25（9）：7-8，33.

［19］ 楊紅英，馮雙磊，王 勃，等.基于線性回歸的風電功率預測誤差修正方法［J］.電力系統(tǒng)及其自動化學報，2013，25（4）：14-17.YANG Hong-ying，F(xiàn)ENG Shuang-lei，WANG Bo，et al.Study of the MOS method based on linear regression for wind power prediction［J］.Proceedings of the CSU-EPSA，2013，25（4）：14-17.

［20］ 王中宇，夏新濤，朱堅民.量測不確定度的非統(tǒng)計理論［M］.北京：國防工業(yè)出版社，2001.

［21］ 倪育才.實用測量不確定度評定［M］.北京：中國計量出版社，2009.