基于SVM支撐向量機的風電風速預測模型構建與市場模式研究

黃昌威

摘 要：在今后的幾年里，風電并網成本將會得到大幅度的增加，文章總結了歐洲主流國家的風力發電補貼政策，分析了大規模風電并入市場后導致的市場成本的變化，提出了幾種風電參與電力市場的市場設計模式。

關鍵詞：風電；電力市場；風速預測；支撐向量機

中圖分類號：TM61 文獻標識碼：A

概述

伴隨歐盟的可再生能源指導和發布的2020年能源目標，風力發電將會勢不可擋的大范圍的進入電力市場，伴隨風力發電能力在整體的發電比例大量提升，國家電網和電能市場的方面，風力發電有著很嚴重的影響。

1 分析西歐風力發電補貼系統

我們在本文里面總述了三種被西歐各個國家大范圍實施鼓勵措施：補助上網費用措施、綠色證書貿易措施和溢價用網電價措施。

在丹麥是把市場的標價作為根基的，而且采取的上調用網電費溢價的措施也是以此為基礎的。根據市場電價為基礎，進行了上浮溢價政策。

在西班牙國家，大多數的風能發電商一般會選擇在二十年以內享用管制補助的電費，也有其他的發電商決定在二十年中進行市場電費的條件下享用變動溢價的貼補。西班牙風力發電企業能夠進行一次在20年內有一次二選一的機會，選項分別是，補助電價以及市場中電價與浮動價格補助進行疊加。

在頭五年中，德國著手實施上非變式的補助上網電費在以后的十五年之內會將電價慢慢的減少。

法國在開始的十年之內采用非變動式的補助上網電費，對于電費的補助在之后的五年中每年都會逐步的下降。

在荷蘭，從2008年開始，只要是風力發電的商家，都能夠使用市場上電的價格，同樣能夠把電費的補貼和上調的溢價的補貼作為參照。二零零八年，依據當前電價或者指導價格和浮動補貼疊加，荷蘭風力發電商，從中二選一。

英國在進行市場電費的條件下，可以配合著可再生能源的分配的權證價錢。英國在這個問題是，提出了不同的政策辦法，使電價再配合一個可再生能源配額權證的價格。

從以上的幾種策略中可以得出，廣泛使用的政策就是電價補助，這樣以來，能夠給所有的風能發電商的電量價格保證，全部都依據一個確定的價格結算，通常來看會高于市場的價格，能夠涵蓋風能發電成本和環境補助。上網電價溢價政策是一種獎勵性的補助，以市場價格為基礎，多給予一個補助其提供可再生能源。

2 包括大范圍風力發電接入的電力市場規劃

綠色可再生的能源有很多，風能是主要的一種，在地里上具有分布相對廣泛，功率波動相對大的特點。在風力發電大范圍的進入電網之后，它工作的不確定性和風力短期預測的不穩定性讓風能發電很難在電力市場交易。

2.1 大范圍風力發電進入市場之后造成市場成本的變化

因為風力發電的不確定性，所以在電力市場里面，造成了系統必須根據風力發電的變化和負荷變化的不匹配性留有一部分來應對這樣的特點，而只有燃氣機組或者抽水蓄能機組才能提供此部分的備用，交易的代價是十分巨大的，想要降低交易的費用，就需要風力的測量在短時間內要盡可能的精準。

2.2 大規模風電參與日前電力市場的市場模式規劃

從不同國家實踐的情況來看，荷蘭針對風力發電商的政策，如果發電商發電大于預測值，會有16歐元/MWh的獎勵，與之相對的，假設發電商達不到預定的電量，就會有120歐元/MWh的罰款，所以，發電商如果預測精度很低的話，收益的損失會巨大，達到50%以上。在丹麥，風能發電的廠商要依據測量的風電功率的誤差，另外花費約1.3-2.7歐元/MWh。

但是根據風力發電參與相對活躍的市場，這樣的懲罰手段還是可以確定的風能發電測量誤差的減小。

進行市場策劃時，會出現兩種狀況一，在風力發電功率比實際風力發電效率少時，所有風力預測發電功率按照實際現貨價格結算，在風力測量發點效率大于實踐中的功率時，處罰超出的部分是必須的，風能發電廠商最終的收益是：二，在風力發電測量發點效率小于實踐中的功率時獎賞超出的部分也是比不可少的風能發電商的總收入是，，當風電預測功率比實際功率大時，和前一種情況相同。

3 大范圍風力發電參與日前電力市場的幾種市場規劃的對比分析發電商，是目前歐洲電力市場的市場參與者，需要在日前的11點時分提交它第二日0點到24點各個時段的報價和容量申報，距離正式交易的時間延期有13小時至37小時的，同通常的傳統發電商相對來看，這影響不會特別巨大，但是對風力發電商來說，風力發電的功率預測對報價就顯示更加重要了。

4 基于支持向量回歸的風速預測

風速是影響風電功率的主要影響因素，兩者間有固定的映射關系，能夠先預測風速，再依據關系算出風力發電功率的多少。不難看出風速預測是進行風力發電功率預測的基礎和前提，利用風速預測和兩者的關系就可以開始風力發電功率預測。因此，提高風速預測精度，對于風電發展，特別是大規模風電并入電力市場至關重要。

4.1 算法模型

20世紀90年代，萬普尼克等專家指出，支持向量機，建立在統計里面和結構風險最小化之中的一種學習方法，能夠把分類、回歸類的問題改變為最優化問題，成功的處理了“維數災”和“過學習”等傳統困難[6-7]。用支持向量機的方法來進行功率預測的的數學模型如下式[8-11]：

（1）

式中，為x步后風速測量的數字，v （t）是實際測量的數值，τ是停滯后的時間數，m是輸入維數，是以前的數據和以后的數據的函數相互映射的聯系。與神經網絡法是比較相似的，用向量回歸解開上述的模型也是依據許多以往的數據實施的訓練，表示出以往數據的持續性與反復性。

規避偶然情況的影響，進而讓訓練出的模型可以應對各種情況，只要未預測數據是里面的某一種情況，既可以獲得滿意的預測結果。

4.2 算例分析endprint

這里我們以達坂城2006年5月連續28天風電場30米處，每10分鐘采集一次得到的風速數據[12-13]，繼續第二天5月29號的全日的風速開始短期預測，該數據為每十分鐘采樣一點，一天共有144個風速的采樣點。得到的結果我們以圖形顯示，圖1（a）給出了對于達坂城電廠前一天，前6-12小時和前，一個小時的市場策劃，風速測量的狀況，和事實上風速的關聯的比較圖。因此，依據五月份持續28抬得風速的測量數值，聯動的測量以后一個星期24小時的風速，一樣根據前一天，前6-12小時和前一小時的市場規劃。

圖1（a）5月29日達坂城電廠提前24h、提前6-12h，以及提前1h的風速預測情況

Fig. 1 （a）The wind speed forcasting of Dabanchen power plant， 24h， 6-12h， and 1h before in 29th May

圖1（b）5月29日-6月4日達坂城電廠提前24小時、提前6-12小時，以及提前1小時的風速預測情況

Fig. 1 （b） The wind speed forcasting of Dabanchen power plant， 24h， 6-12h， and 1h before， from 29th May to 4th June

能夠看出，預測時間和交易時間越近，風速預測的精準性會有一定的提高，而且和風速有正相關函數擬合關系的風力發電的精確性也會有提高，這樣的市場規劃的交易成本會越來越小。

結語

世界電力之中，可再生能源以一種勢不可擋的發展趨勢，風力發電是可再生能源的主力軍，文章中提出了幾類市場規劃方式，市場規劃越靈動，風電生產商越是接近交易時段報價，可以準確提升風力發電預測的精確性，進而減少市場運作成本，也只有這樣才能保障風力發電的預測精確性。

參考文獻

[1]Cristina L.Archer，Mark Z.Jacobson.Evaluation of Global Wind Power[R].America： Department of Civil and Environmental Engineering， Stanford University，Stanford，CA，2005.

[2]Klaus Rave，Sven Teske，Steve Sawyer.Global Wind Energy Outlook 2010[R].Global Wind Energy Council，2010.

[3]Steve Sawyer，Klaus Rave.Global Wind Report： Annual market update 2010[R].Global Wind Energy Council，2010.

[4]肖創英.歐美風電發展的經驗與啟示[M].北京：中國電力出版社，2010.endprint

這里我們以達坂城2006年5月連續28天風電場30米處，每10分鐘采集一次得到的風速數據[12-13]，繼續第二天5月29號的全日的風速開始短期預測，該數據為每十分鐘采樣一點，一天共有144個風速的采樣點。得到的結果我們以圖形顯示，圖1（a）給出了對于達坂城電廠前一天，前6-12小時和前，一個小時的市場策劃，風速測量的狀況，和事實上風速的關聯的比較圖。因此，依據五月份持續28抬得風速的測量數值，聯動的測量以后一個星期24小時的風速，一樣根據前一天，前6-12小時和前一小時的市場規劃。

圖1（a）5月29日達坂城電廠提前24h、提前6-12h，以及提前1h的風速預測情況

Fig. 1 （a）The wind speed forcasting of Dabanchen power plant， 24h， 6-12h， and 1h before in 29th May

圖1（b）5月29日-6月4日達坂城電廠提前24小時、提前6-12小時，以及提前1小時的風速預測情況

Fig. 1 （b） The wind speed forcasting of Dabanchen power plant， 24h， 6-12h， and 1h before， from 29th May to 4th June

能夠看出，預測時間和交易時間越近，風速預測的精準性會有一定的提高，而且和風速有正相關函數擬合關系的風力發電的精確性也會有提高，這樣的市場規劃的交易成本會越來越小。

結語

世界電力之中，可再生能源以一種勢不可擋的發展趨勢，風力發電是可再生能源的主力軍，文章中提出了幾類市場規劃方式，市場規劃越靈動，風電生產商越是接近交易時段報價，可以準確提升風力發電預測的精確性，進而減少市場運作成本，也只有這樣才能保障風力發電的預測精確性。

參考文獻

[1]Cristina L.Archer，Mark Z.Jacobson.Evaluation of Global Wind Power[R].America： Department of Civil and Environmental Engineering， Stanford University，Stanford，CA，2005.

[2]Klaus Rave，Sven Teske，Steve Sawyer.Global Wind Energy Outlook 2010[R].Global Wind Energy Council，2010.

[3]Steve Sawyer，Klaus Rave.Global Wind Report： Annual market update 2010[R].Global Wind Energy Council，2010.

[4]肖創英.歐美風電發展的經驗與啟示[M].北京：中國電力出版社，2010.endprint

這里我們以達坂城2006年5月連續28天風電場30米處，每10分鐘采集一次得到的風速數據[12-13]，繼續第二天5月29號的全日的風速開始短期預測，該數據為每十分鐘采樣一點，一天共有144個風速的采樣點。得到的結果我們以圖形顯示，圖1（a）給出了對于達坂城電廠前一天，前6-12小時和前，一個小時的市場策劃，風速測量的狀況，和事實上風速的關聯的比較圖。因此，依據五月份持續28抬得風速的測量數值，聯動的測量以后一個星期24小時的風速，一樣根據前一天，前6-12小時和前一小時的市場規劃。

圖1（a）5月29日達坂城電廠提前24h、提前6-12h，以及提前1h的風速預測情況

Fig. 1 （a）The wind speed forcasting of Dabanchen power plant， 24h， 6-12h， and 1h before in 29th May

圖1（b）5月29日-6月4日達坂城電廠提前24小時、提前6-12小時，以及提前1小時的風速預測情況

Fig. 1 （b） The wind speed forcasting of Dabanchen power plant， 24h， 6-12h， and 1h before， from 29th May to 4th June

能夠看出，預測時間和交易時間越近，風速預測的精準性會有一定的提高，而且和風速有正相關函數擬合關系的風力發電的精確性也會有提高，這樣的市場規劃的交易成本會越來越小。

結語

世界電力之中，可再生能源以一種勢不可擋的發展趨勢，風力發電是可再生能源的主力軍，文章中提出了幾類市場規劃方式，市場規劃越靈動，風電生產商越是接近交易時段報價，可以準確提升風力發電預測的精確性，進而減少市場運作成本，也只有這樣才能保障風力發電的預測精確性。

參考文獻

[1]Cristina L.Archer，Mark Z.Jacobson.Evaluation of Global Wind Power[R].America： Department of Civil and Environmental Engineering， Stanford University，Stanford，CA，2005.

[2]Klaus Rave，Sven Teske，Steve Sawyer.Global Wind Energy Outlook 2010[R].Global Wind Energy Council，2010.

[3]Steve Sawyer，Klaus Rave.Global Wind Report： Annual market update 2010[R].Global Wind Energy Council，2010.

[4]肖創英.歐美風電發展的經驗與啟示[M].北京：中國電力出版社，2010.endprint