基于EEMD和LS-SVM模型的風電功率短期預測方法

程啟明，陳 路，程尹曼，張 強，高 杰

(1. 上海電力學院 自動化工程學院 上海市電站自動化技術重點實驗室，上海 200090； 2． 上海電力公司 市北供電分公司，上海 200041)

0 引言

風功率預測是評估風電場運行狀態的基礎，其隨機波動特性給電網安全運行帶來了挑戰[1]。為了保證電力系統安全穩定可靠運行，緩解電力系統調峰、調頻壓力，必須提高風電功率預測的精度[2]。對于風電功率預測，主要是基于風電場的歷史數據[3]、數值天氣預報NWP(Numerical Weather Prediction)[4]、地理位置和氣象環境因素[5]、風速-風功率轉化特性[6]，結合物理、統計及組合等預測模型，實現多時間尺度的預測[7]。采用物理模型必須依靠成熟的NWP體系，量化分析處理風電場風速、風向、溫度、大氣濕度和氣壓等歷史氣象數據，并將其代入功率曲線求出實際功率[8]，此方法受限于NWP更新速度，適合風電功率的中短期預測，因此在風機檢修、調試等場合較為常見。統計回歸和學習理論均基于歷史統計數據、實時監測值和輸出功率之間的映射關系，具有較強的泛化能力，無需考慮風機周邊的具象特性等優點，廣泛應用于風電功率的短期預測。然而，由于統計回歸法對歷史數據的依賴性，該方法不適合小數據樣本的情況，面對復雜多變的氣象環境，其適用范圍有待提高[9-10]。統計學習法基于機器學習的思想，彌補了統計法的不足，提高了模型的靈活性[11]。目前研究的重點是風電功率對風速、風向的波動響應，對于風速的研究是今后發展的重點[12-13]。……