風(fēng)電功率預(yù)測綜述

王奎 三峽大學(xué)電氣與新能源學(xué)院本科 趙明 三峽大學(xué)電氣與新能源學(xué)院本科 何成君 三峽大學(xué)電氣與新能源學(xué)院本科

隨著我國越來越鼓勵新能源發(fā)電，發(fā)電的風(fēng)電并網(wǎng)規(guī)模愈來愈大，而另一方面，風(fēng)電負荷的不確定性對電力系統(tǒng)的穩(wěn)定性和安全性的影響也日益彰顯。那么對風(fēng)電功率的預(yù)測就顯得尤為重要了，風(fēng)電功率的預(yù)測可以加強電力系統(tǒng)的穩(wěn)定性、安全性以及提高風(fēng)電功率的消納能力，同時還可以降低風(fēng)電場的成本，提高風(fēng)電場的經(jīng)濟效益和用戶對風(fēng)電的利用率。本文對風(fēng)電功率的預(yù)測方法進行了介紹和總結(jié)，以及介紹了提高其預(yù)測精度的方法和重要性，為以后的進一步發(fā)展和研究提供了參考。

1 風(fēng)電功率預(yù)測的方法

由歷史數(shù)據(jù)通過主成分分析可以找出影響風(fēng)電場出力的主要因素，然后由實際測量的數(shù)據(jù)和數(shù)值天氣預(yù)報的數(shù)據(jù)（NWP）對風(fēng)電場出力進行短期，中長期，長期的預(yù)測，比較常用的預(yù)測方法：人工神經(jīng)網(wǎng)絡(luò)方法、混合專家經(jīng)驗法、時間序列分析方法、蟻群優(yōu)化，支持向量機法等。另外，這些年來國內(nèi)外在數(shù)據(jù)挖掘算法上發(fā)展迅猛，也使得數(shù)據(jù)挖掘算法在風(fēng)電功率預(yù)測上取得了重大的突破，結(jié)合國內(nèi)外多種預(yù)測模型的優(yōu)點，建立風(fēng)電功率組合模型也成為時代的研究趨勢。而有效地結(jié)合物理數(shù)值天氣預(yù)報的預(yù)測數(shù)據(jù)(NWP) 與風(fēng)電場功率輸出的關(guān)系可以使得預(yù)測的精度得到顯著性的提高。

2 確定性預(yù)測方法

2.1 持續(xù)法

視緊接著的下一時刻的風(fēng)電功率預(yù)測值為當(dāng)前時刻的風(fēng)電功率值，

2.2 時間序列分析法

step1：將歷史風(fēng)電數(shù)據(jù)首先進行兩步預(yù)先的處理：理想化處理，小波濾波分析。

step2：將經(jīng)過小波濾波分析后得到的風(fēng)電出力時間序列劃分為兩部分：風(fēng)過程和片段。

step3：將風(fēng)過程可以近似看作馬爾科夫隨機過程，對分離出來的片段進行分析，得出片段滿足隨機分布，并將片段概率分布記錄下來。

Step4：通過隨機抽樣技術(shù)抽取風(fēng)過程和片段的部分片段，用樣本來推斷總體的情況，最終得到模擬風(fēng)電出力時間序列。

2.3 人工神經(jīng)網(wǎng)絡(luò)法

人工神經(jīng)網(wǎng)絡(luò)法適用于短期的風(fēng)電預(yù)測，首先通過主成份分析法篩選出同預(yù)測目標（風(fēng)電出力）相關(guān)性較大的影響因素，并收集這些因素的歷史數(shù)據(jù)，然后對訓(xùn)練樣本進行模糊聚類，將具有一定相同特征的樣本分為一類，分類后可以提高風(fēng)電功率預(yù)測的精度；然后針對每一類樣本建立 BP 神經(jīng)網(wǎng)絡(luò)模型。首先收集數(shù)值天氣預(yù)報系統(tǒng)的相關(guān)氣象信息，將氣溫、氣壓、風(fēng)速、風(fēng)向、濕度作為輸入層，風(fēng)電場出力作為神經(jīng)網(wǎng)絡(luò)的輸出層進行預(yù)測。

3 基于小波包和 CSO-ENN 的預(yù)測模型

基于小波包變換和縱橫交叉算法的優(yōu)化神經(jīng)網(wǎng)絡(luò)（CSO-ENN）的預(yù)測模型：

（1）利用小波分解的方法，將風(fēng)電功率的時間序列進行一系列分解，可以得到多個頻率的子序列。

（2）構(gòu)建縱橫交叉算法優(yōu)化后的神經(jīng)網(wǎng)絡(luò) (CSO-ENN)預(yù)測模型，對具有不同特征的子序列進行分析和預(yù)測，記錄下各子序列的預(yù)測值。

（3）篩選出符合實際的子序列預(yù)測值，將篩選后的子序列預(yù)測值進行累加，進而得出所求的最終風(fēng)電功率預(yù)測結(jié)果。

優(yōu)勢：

（1）CSO 算法具有收斂精度高，全局搜索能力強的特點，彌補了神經(jīng)網(wǎng)絡(luò)在預(yù)測中，收斂速度較慢，預(yù)測精度相對較低的弊端（如BP神經(jīng)網(wǎng)絡(luò)），CSO算法明顯優(yōu)于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，預(yù)測結(jié)果更可靠。

（2）小波包分解可以極大的改善預(yù)測的精度，提高預(yù)測的準確性，優(yōu)勢更加明顯。

4 結(jié)束語

風(fēng)電預(yù)測是風(fēng)力發(fā)電領(lǐng)域的一個熱點研究方向，而我國的風(fēng)電場地形，當(dāng)?shù)貧庀笮畔⒏鞑灰恢拢枰谝虻刂埔说亻_展風(fēng)電功率預(yù)測工作的同時，還需要不斷結(jié)合國內(nèi)外的先進預(yù)測方法的優(yōu)點，建立組合風(fēng)電功率組合模型來提高預(yù)測精度，這兩個舉措都對風(fēng)力發(fā)電的未來發(fā)展起到推動作用。預(yù)測出來的風(fēng)電曲線可以提高電力系統(tǒng)的安全性和可控性，還有利于合理的安排機組的出力，降低其發(fā)電的成本。

[1]薛禹勝,郁琛,趙俊華,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG.關(guān)于短期及超短期風(fēng)電功率預(yù)測的評述[J].電力系統(tǒng)自動化,2015,39(06):141-151.

[2]劉純,呂振華,黃越輝,馬爍,王偉勝.長時間尺度風(fēng)電出力時間序列建模新方法研究[J].電力系統(tǒng)保護與控制,2013,41(01):7-13.

[3]孟安波,盧海明,胡函武,郭壯志.混合小波包與縱橫交叉算法的風(fēng)電預(yù)測神經(jīng)網(wǎng)絡(luò)模型[J].太陽能學(xué)報,2015,36(07):1645-1651.