基于非参数回归模型的短期风电功率预测.pdf

万方数据

基于非参数回归模型的短期风电功率预测王彩霞，鲁宗相，乔颖，闵勇，周双喜引言摘要：随着风电接入规模的增加，风电功率预测日益重要。非参数估计方法是模型估计和预测的典型方法之一，在国内短期风电功率预测中尚无应用。文中将非参数回归技术应用于短期风电功率预测，包括风电功率点预测和风电功率概率区间预测。首先，基于非参数回归模型，建立风速与风电功率之间的转换模型，得到风电功率的点预测值；其次，基于经验分布模型与非参数回归技术，建立风电功率预测误差的概率分布函数，得到风电功率预测值的概率区间。以内蒙古某风电场为例，验证了将非参数回归技术应用于风电功率预测的有效性。关键词：风力发电；功率预测；点预测；概率区间预测；非参数回归近年来，并网型风电发展迅猛，风电的波动性已给电网调度带来严峻的挑战。风电功率预测是解决风电波动、实现风电与电力系统传统电源联合优化运行的关键技术之一。风电功率预测按照预测的时间尺度划分一般分为超短期、短期和中长期预测¨]。超短期预测一般指6h以内的预测，预测结果用于电力系统的在线优化运行，常采用基于历史风电功率数据的时间序列分析方法进行预测，例如自回归滑动平均(ARMA)模型[2{]、Kalman滤波[41等。短期预测一般指对未来6h风电功率输出的预测，预测结果是电网安排日发电计划或进行电力市场交易的基础。中长期预测一般指未来几天的预测，预测结果主要用于安排风电机组的检修计划等。在实际应用中，短期预测和超短期预测应用较多。本文的研究对象为短期预测。由于天气状况在未来6h内一般有较大的变化，因此，短期预测主要依赖于数值天气预报prediction，NWP)，通过建立NWP的气象信息与风电功率输出之间的关系模型，将预测时段内的气象信息转换为风电功率输出。按建模方法的不同，短期风电功率预测可进一步分为物理方法和统计方法[5]。本文研究方法属于统计经过多年的积累，欧洲和美国已经有多款商业化的风电功率预测软件[6]，如丹麦的WPPT和Prediktor、西班牙的SIPREOLICO等。由于中国～78一的气候条件与欧美相比差异较大，因此有必要研究适合中国风电场的风电功率预测方法。近几年，中国的风电功率预测研究也在逐步发展，但受气象服务条件的影响，预测方法大多基于历史数据和时间序列方法[7。9]，对超短期预测较为有效，但对短期(如日前24h)风电功率的预测效果往往较差。随着风电的大规模接入，为电网安排发电计划服务的短期风电功率预测亟需展开。中国电力科学研究院开发的基于NWP的短期风电功率预测软件[1”11]，采用的预测方法为反向传播(BP)神经网络，是一种在风电功率预测中应用广泛的典型方法。但是，神经网络方法对模型训练的时间较长，并且需要不断调试合适的隐含层神经元个数、合适的隐含层输出函数及合适的输出层输出函数等，才能得到收敛性较好的神经网络。非参数回归方法也是模型估计的典型方法之一，在国外已有采用基于统计模型的风电功率预测方法的范例【l2|。非参数统计模型只需调整合适的窗宽即可应用模型进行预测，实用性比神经网络模型更佳。本文以内蒙古某风电场为例，研究将非参数回归方法应用于国内短期风电功率预测的有效性。内蒙古气象局引进了美国国家大气研究中心(NCAR)和美国宾州大学(PSU)开发研制的第5代中尺度模式MM5(Mesoscale5)，直接提供风机轮毂高度的NWP信息，如风速、风向等。本文采用内蒙古气象局提供的NWP数据，建立NWP与风电功率输出之间的转换模型，得到风电功率的点预测值；基于经验分布模型和非参数回归方法，建立风电功率预测误差的概率分布函数，进而得到风电功率预测值的概率区间，辅助电网运行决策。第34卷第16期电力系统自动化(电力系统国家重点实验室，清华大学电机系，北京市100084)0h～48方法的范畴。Model2010年8月25日(numericweather收稿日期：2010—02—13；修回日期：2010—06—17。AutomationofElectricPowerSystemsV01．34N0．16Aug．25．2010
万方数据

亘亘互丰夏重垂H景象蠹砉l∑K(半)yiyKf掣1g(z)一旦}————一l马嘉警N。∑可2⋯，一(∑VNWP,i)2∑口⋯．。心∑一K∑一暑、h(2丌)一专exp(一軎“2)和抛物线核K2(“)一0．75(1一式中：P牌；为t时刻得到的t十志时刻的风电功率预非参数估计的基本原理2基于NWP的短期风电功率预测P牌^=^(口‰P州)统计与计量的前沿研究领域是半参数与非参数方法D3-143。相对于参数估计，非参数估计方法并不假定函数的形式已知，也不设置参数，函数在每一点的值都由数据决定，从而避免模型分布形式选择不当带来的误差。非参数估计方法在天气预报领域应用较为广泛口5。171。