基于組合預測模型的風電場輸出功率短期預測

陳波濤，任 力，黃智成

(國網長春供電公司，長春 130021)

基于組合預測模型的風電場輸出功率短期預測

陳波濤1，任 力1，黃智成1

(國網長春供電公司，長春 130021)

為了進一步提高風電場輸出功率的預測精度，文中提出基于最小方差法的風電場輸出功率短期組合預測模型。針對國內某99 MW風電機組一年歷史功率數據，分別利用灰色預測模型GM(1,2)和時間序列預測模型實現風電場輸出功率的短期預測，仿真結果表明，組合預測模型克服了各單項預測模型的不足，有效地提高了風電功率預測精度。

風電功率波動;灰色預測、時間序列法、組合預測模型

0 引 言

電力系統運行的穩定性和供電可靠性是衡量電力系統的重要指標，然而由于風電間歇性與隨機性[1]的特點造成大規模風電場的并網運行會對電力系統的穩定性和供電可靠性造成影響。風電功率預測技術有利于調度部門及時調整計劃，減少風電對電網的不利影響，保證電網的功率平衡和安全運行[2]。

文中研究了基于灰色預測模型GM(1,2)和時間序列預測模型的風電輸出功率短期預測方法，分析比較了各自方法的不足。為了進一步提高預測精度，提出了基于組合預測模型的風電場輸出功率短期預測方法。通過MATLAB仿真對比分析了組合預測模型和單項預測模型的對風電功率預測精確度的影響。

1 風電場輸出功率的GM(1,2)灰色預測

灰色系統理論是基于關聯空間、光滑離散函數等概念定義灰導數與灰微分方程，進而利用離散數據列建立微分方程形式的動態模型，稱為灰色模型(Grey Model)，簡稱GM[3]。文中采用GM(1,2)模型實現風電場輸出功率的短期預測。

文中選用某99 MW風電場全年風電功率數據，利用上述GM(1,2)模型滾動預測未來30 min的輸出功率，采樣時間為10 min。GM(1,2)模型所選用的兩個輸入量是相關的，這里選用功率數據和風速數據作為輸入。風電場輸出功率預測曲線和相對誤差如圖1所示。

圖1 采用GM(1,2)模型的功率預測

從圖1可以看出：GM(1,2)模型預測相對誤差大于10%的概率為2.5%，小于10%的概率為97.5%，小于3%的預測誤差達到了55.1%。從短期預測精度方面來說，該預測精度還有提升的空間。

2 風電場輸出功率的時間序列預測模型

對于一個非平穩時間序列，為了消除其增長趨勢和周期性變化，一般采取的方法是差分變換和季節性差分變換。具體做法是首先從該非平穩時間序列中抽出一個平穩隨即因素，然后用ARMA模型來進行描述[4]。一般地，d階差分表示為：

(1)

設{Xt,t=0,±1,±2，…}{Xt,t=0,±1,±2,…}是非平穩序列，若存在正整數d，使得:

(2)

式中：{Wt,t=0,±1,±2，…}{Wt,t=0,±1,±2,…}是ARMA(p,q)序列，則稱Xt是ARIMA(p,d,q)序列，這時Xt滿足：

(3)

下面利用上節使用的風電功率數據，由時間序列ARMA(p,q)模型預測未來30min的輸出功率，風電場輸出功率預測曲線和相對誤差如圖2所示。

圖2 采用時間序列模型的功率預測

將時間序列模型與GM(1,2)模型預測誤差進行對比，結果見表1。

表1 數據參數

從圖2和表1中可以看出，由時間序列模型得到的預測結果，相對誤差大于5%以上的概率為10%，小于3%的概率達到了71.6%。在采樣點分別為186，223，957min時，該預測模型得到的相對誤差已經接近甚至超過15%；而在GM(1,2)預測模型中，這些時刻的相對誤差是1.05%，5.79%，2.06%。由此可知，在實際應用中任何一種預測方法都不能完全滿足預測精度的要求。因此文中將灰色預測模型和ARMA預測模型相結合，提出了基于最小方差法的組合預測，以克服各單項預測模型的不足，進一步提高風電場輸出功率的預測精度。

4 結束語

為了進一步提高風電場輸出功率的預測精度，文中研究了基于灰色預測模型GM(1,2)和針對國內某99MW風電場歷史輸出功率數據，在MATLAB上進行了仿真。仿真結果表明：單一的預測方法不能滿足預測精度的要求，以最小方差法的組合預測模型，能夠更好地提高風電輸出功率預測的準確度和可靠性，具有一定的工程應用價值。

[1] 陳 波,吳政球.基于約束因子限幅控制的雙饋感應發電機有功功率平滑控制[J].中國電機工程學報,2011,31(27):130-137.

[2] 常 康, 丁茂生, 薛 峰, 等. 超短期風電功率預測及其在安全穩定預警系統中的應用[J]. 電力系統保護與控制, 2012, 40(12): 19-24, 30.

[3] 薛禹勝,郁琛,趙俊華,等.關于短期及超短期風電功率預測的評述[J].電力系統自動化,2015,39(6):141-151.

[4] 錢曉東,劉維奇. 基于時間序列分析的風電功率預測模型[J].

Based on the Combination Forecast Model of Wind Farm Output Power Short-term Forecast

CHEN Bo-tao, REN Li, HUANG Zhi-cheng

(The State Grid Changchun Electric Power Supply Company, Changchun 130021, China)

In order to further improve the prediction accuracy of wind power output, in this paper, based on the minimum variance method of wind farm output power short-term combination forecast model. In a domestic 99MW wind turbines power a year history data, respectively, using grey prediction model GM (1, 2) and time series prediction model for wind farm output power short-term prediction, simulation results show that the combination forecast model to overcome the deficiencies of each single prediction model, the wind power prediction accuracy is improved effectively.

Wind power fluctuations; Grey forecasting; Time series method; The combination forecast model

10.3969/j.issn.1009-3230.2015.12.016

2015-11-10

2015-11-28

陳波濤(1970-)，男，吉林長春人,大學本科,經濟師，研究方向為電力系統及其自動化。

TM614

B

1009-3230(2015)12-0048-02