短期风电功率预测误差综合评价方法

短期风电功率预测误差综合评价方法

徐　曼，乔　颖，鲁宗相

（电力系统国家重点实验室，清华大学电机系，北京市１０００８４

）摘要：对短期风电功率预测误差进行综合评价是改进预测精度、指导预测结果合理应用的前提。当前风电功率预测误差评价主要采用均值类指标，无法全面、准确反映预测系统的运行情况。文中总结了风电功率预测误差的主要存在形式，提出了一套包含纵向误差、横向误差、相关因子与极端误差等在内的综合评价方法。基于内蒙古某风电场实际数据，采用该方法对不同预测方法、预测系统的不同误差环节进行了较为全面的评价，验证了评价指标的指导价值。关键词：短期风电功率预测；误差评价；误差指标；数值天气预报

收稿日期：２０１１－０１－０８；修回日期：２０１１－０３－２５。国家自然科学基金资助项目（５１０７７０７８

）。０　引言

有效利用短期风电功率预测技术可以减轻风能

波动对电力系统调度的不利影响，

是实现风电常规化、规模化并网的关键。对短期风电功率预测误差进行综合评价是风电功率预测理论研究的一项重要

内容。根据评价指标，可以从各方面了解预测系统的运行情况，深入挖掘有价值的信息，对不同预测方

法、

预测系统进行对比评价，从而提高预测精度和算法效率，更好地利用预测结果服务生产实际。目前各类短期风电功率预测方法，如时间序列

法［１］、神经网络法［２］、小波分析法［３］等，所使用的误差评价指标多直接采用常规统计学指标，结合预测

曲线的图像对比，便构成了预测结果的分析评价依据。已有研究中常用的误差评价指标主要有绝对误差均值（ｍｅａｎ　

ｅｒｒｏｒ，ＭＥ）、绝对值平均误差（ｍｅａｎａｂｓｏｌｕｔｅ　ｅｒｒｏｒ，ＭＡＥ）、均方根误差（ｒｏｏｔ　ｍｅａｎｓｑ

ｕａｒｅｄ　ｅｒｒｏｒ，ＲＭＳＥ）、平均相对误差（ｍｅａｎｒｅｌａｔｉｖｅ　

ｅｒｒｏｒ，ＭＲＥ）、误差频率分布指标等，其中ＲＭＳＥ，ＭＡＥ，ＭＲＥ是现行企业标准［４］

和推荐的行

业标准［５］，也为多数文献采用［３，６－

７］。文献［８－

９］兼用多个上述指标来对比预测结果，每种指标数值排序

相同，得出的最优方案结论也一致。文献［１０］除了采用指标ＭＡＥ和ＲＭＳＥ外，还利用误差频率分布指标给出了误差小于２０％装机容量的概率。ＡＮＥＭＯＳ预测系统的一项分析报告肯定了制定预

测误差综合评价方法的重要性［１１］

，但所给指标也是预测领域的通用指标，没有体现风电功率预测自身

特点。总的来讲，目前全面评价风电功率预测误差

的研究还很少，缺乏长期大量的数据分析，难以用来

研究风电功率预测系统的误差产生机理。

在欧美商业化风电功率预测应用中，电网使用

综合预测或多个预测产品已经成为一种趋势［１２－

１３］。上述指标虽然统计方法有所不同，但都是对预测结

果偏差的平均化，

指标所隐含的信息是类似且单一的，指标相近的风电功率预测模型之间个体差异可

能很大，对工程应用或者算法改进的指导意义也较小。此外，与负荷预测相比，风电功率预测结果波动性更强、误差带更宽，与实际结果具有时间相关性，很多在负荷预测中广泛应用的指标并不能充分体现风电功率预测的特性。

本文的目的在于结合风速波动性特点及相应的

输出风电功率变化特点，

提出一套针对短期风电功率预测系统的误差综合评价指标。该指标由横向误

差、纵向误差与极端误差３类评价指标构成，可以对预测误差的平均化水平、分布情况、相关因子和极端案例作出较为全面的评判，有利于预测系统用户和预测算法研究人员合理判别和使用预测结果。为了

贴近实际工程应用，

本文选取内蒙古某风电场２０１０年上半年的实测数据和数值天气预报

（ｎｕｍｅｒｉｃａｌ　ｗｅａｔｈｅｒ　ｐｒｅｄｉｃｔｉｏｎ，ＮＷＰ）数据进行详细误差分析，并在此基础上给出了若干借助误差评价指标提高预测水平的案例。

１　预测误差的综合评价体系

１．１　预测误差的存在形式

风电功率预测的误差可以划分为纵向误差和横向误差［

１４］

，如图１所示，其中纵向误差主要描述了某一时段的预测结果在竖直方向与实际结果的差

别，往往可以用偏大或偏小概括；而横向误差则主要描述预测结果在水平的时间轴上与实际结果的差

—

０２—第３５卷　第１２期２０１１年６月２５日

别，概括地说就是预测序列峰值的超前或滞后。单纯的纵向误差可以通过系统误差修正或误差时间序列统计等手段得到明显改善。从概念上讲，纵向误差的单位是预测量本身的单位，横向误差的单位是时间，但在很多误差指标中，如ＭＥ，ＭＡＥ，ＲＭＳＥ，ＭＲＥ等，横向误差往往被归算至纵向误差中

。

ｎＰ（２）

式中：Ｐ为风电场额定容量；ｎ为样本数量。

需要说明的是，文献［４］中Ｐ采用平均开机容量，由于该数值难以准确计算，本文采用额定容量来

替代。

一般来讲，如果某一段预测结果中同时存在较大的正误差和负误差，由于正负相抵，反映在ＭＥ

上，将是一个较小的数值。这种情况的存在，有可能

导致对预测效果的错误判断，因此ＭＥ一般不会作

为单独的误差指标，需要与其他误差评价指标配合

使用［１５］。

２）ＭＲＥ，指标定义如下式所示，该指标将误差除以相应的真值进行规范化，以便相互比较。

ｅ

ＭＡＥ

＝

∑ｅｉｙ

ｉ

ｎ

（３） ＭＲＥ指标需要将绝对误差逐点与实测值相比，

这种处理方法一直应用于电力系统负荷预测的误差

评价，也曾为一些标准意见稿［５］所沿用，但该指标在

风电功率预测中的实用性有待商榷。这种评价方式

在负荷预测中是可行的，因为作为基值的负荷实测

值最低至负荷谷值；而在风电功率预测中，由于风的

间歇性，实际出力可能低至０，即使较小的绝对误差

也会得出很大的相对误差，将导致ＭＲＥ太大而丧

失指导意义。

３）ＭＡＥ，指标定义如下式所示，该指标是对预测误差平均幅值的评价。

ｅ

ＭＡＥ

＝

∑｜ｅｉ｜

ｎＰ

（４） ４）ＲＭＳＥ，指标定义如下式所示，可以用来衡量

误差的分散程度。

ｅ

ＲＭＳＥ

＝

１

Ｐ

∑ｅ２ｉ

槡ｎ（５） 指标ＭＡＥ和ＲＭＳＥ不存在正负抵消的问题，

易于计算，对于预测系统的整体性能评价十分重要，

它们可以用来监视预测系统的长期运行状态，对系

统误差特性进行“宏观”评价。

以上误差指标构成了经典的基于逐点求和再平均思想的误差测量方式，目前几乎所有的短期风电

功率预测研究都用到了其中的某一种或某几种的组

合来评价预测结果。但是，这类指标都仅仅给出了

针对某一段数据序列笼统的指标结果，丢失了许多

有利用价值的信息。图２给出了２个时段（２４ｈ）预

测序列与实测序列比较结果，表１给出了上述４个

误差指标数据。从图２来看，虽然时段１和时段２

的ｅ

ＭＡＥ

和ｅ

ＲＭＳＥ

几乎一致，但二者的误差类型显然不同，时段１以纵向误差为主，时段２则存在明显的错

—

１

２

—

·绿色电力自动化·　徐　曼，等　短期风电功率预测误差综合评价方法