风电功率短期预测及非参数区间估计

第31卷第25期中国电机工程学报V ol.31 No.25 Sep.5, 2011

10 2011年9月5日Proceedings of the CSEE ©2011 Chin.Soc.for Elec.Eng.

文章编号：0258-8013 (2011) 25-0010-07 中图分类号：TM 71 文献标志码：A 学科分类号：470⋅40 风电功率短期预测及非参数区间估计

周松林，茆美琴，苏建徽

(合肥工业大学教育部光伏系统工程中心，安徽省合肥市 230009)

Short-term Forecasting of Wind Power and Non-parametric Confidence Interval Estimation

ZHOU Songlin, MAO Meiqin, SU Jianhui

(Research Center for Photovoltaic System Engineering Ministry of Education, Hefei University of Technology,

Hefei 230009, Anhui Province, China)

ABSTRACT: To meet the requirements of network planning, the forecasting system of wind power should provide exact forecasted value and make a reasonable assessment of risk which implied in forecasted values. Artificial neural network was applied to forecasting wind speed and wind direction, and wind power forecasting results were achieved according to the measured power curve. The uncertainty factors of the wind power forecasting were analyzed, and a non-parametric confidence interval estimation method was proposed based on analyzing the statistical characteristics of forecast errors. By means of the method, a probability density function model for forecasting errors in each power section was established, and the probabilistic forecasting results of wind power were obtained on the base of deterministic forecasting. The practicality and effectiveness of the proposed approach are verified by simulation results.

KEY WORDS: wind power forecasting; measured power curves; forecast error distribution; confidence interval; non-parametric estimation

摘要：为满足电网规划的要求，风电功率预测系统不仅需要提供确切的预测值，还应该对预测值包含的风险做出合理的评估。利用人工神经网络预测风速、风向，并根据实测功率曲线获得风电功率预测值。分析了造成风电功率预测结果不确定的影响因素，提出一种基于预测误差分布特性统计分析的非参数置信区间估计方法，对各功率分区内的预测误差概率密度函数进行建模，并在确定性预测基础上求取概率性风电功率预测值。仿真结果验证了该方法的实用性与有效性。

关键词：风电功率预测；实测功率曲线；预测误差分布；置信区间；非参数估计0 引言

对风电场的功率进行短期预测，将使电力调度部门能够提前根据风电功率变化及时调整调度计划，保证电能质量，减少系统的备用容量，降低电力系统运行成本，这是减轻风电系统对电网造成不利影响、提高电网中风电装机比例的一种有效途径。目前，国内外对于风力发电各种课题的研究越来越深入，但其中关于风电场风速和功率预测的研究还达不到令人满意的程度。

对风电场输出功率的短期预测方法主要包括2种，即物理方法和统计方法[1]，其中物理方法需要很多风机周围的物理信息，应用起来较为复杂。统计方法只需风速和功率时间序列即可进行预测，较为方便。常见的统计预测方法有时间序列法[2-3]、神经网络法[4-5]、小波分析法[6]，支持向量机法[7]，组合预测法[8]等，这些方法可以根据风电场的特点和位置，随时修改预测模型，其准确度比较高，所以应用更加广泛。

常规的风电功率预测结果一般都是确定性的点预测，只是给出一个确切的数值，但无法估计该数值可能出现的概率，同时也无法确定预测结果可能的波动范围。概率性预测结果有助于决策者在电网规划、风险分析、可靠性评估等方面更好地把握数据的变化情况[9]。为此，从概率的角度实现不确定性的预测和分析具有重要意义。

一些学者在负荷预测中引入了概率性预测方法，能够向决策者提供更多的信息[10-12]。相关学者对风电功率不确定性预测已经开展了研究，也取得

基金项目：国家重点基础研究发展计划项目(973项目) (2009CB219708)；国家自然科学基金项目(51077033)。

The National Basic Research Program (973 Program)(2009CB 219708); Project Supported by National Natural Science Foundation of China (51077033).