基于误差分解和Bootstrap方法的风电功率区间预测.docx

基于误差分解和Bootstrap方法的风电功率区间预测
基于误差分解和Bootstrap方法的风电功率区间预测
摘要：
风电功率预测是提高风电发电效率和电力系统稳定性的重要手段。传统的风电功率预测方法往往只能给出确定的预测值，无法给出相应的不确定性信息。而对于电力系统的调度和运行来说，确定性的预测值并不足够。因此，本文提出了一种基于误差分解和Bootstrap方法的风电功率区间预测方法，通过对风电功率误差进行分解和重采样，得到一系列风电功率的可能取值，并基于此构建出风电功率的区间预测。
1.引言
风电作为清洁能源的重要代表之一，在电力系统中的占比日益增加。然而，由于受到风速等自然因素的限制，风电发电量的波动性较大，给系统调度和运行带来了困难。因此，准确预测风电功率对于电力系统的安全和稳定运行具有重要意义。目前，风电功率预测的方法主要有物理建模方法和统计学方法两大类。其中，统计学方法因为其简单、高效的特点，受到了广泛的关注。
2.误差分解方法
误差分解方法是一种将原始数据分解为各个成分的方法。在风电功率预测中，我们需要把风速和转速等影响因素分解出来，以获得风电功率的趋势成分和周期性成分，并对其进行预测。具体步骤如下：
(1)将原始风电功率数据进行平滑处理，得到平滑风电功率。
(2)对平滑风电功率进行趋势分解，得到趋势成分。
(3)对趋势成分进行周期性分解，得到周期性成分。
(4)对趋势成分和周期性成分进行预测，得到预测结果。
(5)将预测结果进行合成，得到最终的风电功率预测结果。
3.Bootstrap方法
Bootstrap方法是一种通过对原始数据进行有放回重采样的方法，用于估计统计量的分布。在风电功率预测中，我们可以利用Bootstrap方法来得到风电功率的不确定性信息。具体步骤如下：
(1)从原始数据中随机抽取若干个样本，组成新的样本集合。
(2)对新的样本集合进行风电功率预测，得到预测结果。
(3)重复上述步骤多次，得到一系列预测结果。
(4)对预测结果进行整理和统计，得到风电功率的分布情况。
4.基于误差分解和Bootstrap方法的风电功率区间预测
在基于误差分解方法得到风电功率的趋势成分和周期性成分之后，我们可以利用Bootstrap方法得到这两个成分的不确定性信息。具体步骤如下：
(1)对趋势成分和周期性成分分别进行有放回重采样，得到一系列新的趋势成分和周期性成分。
(2)将新的趋势成分和周期性成分进行合成，得到新的风电功率预测结果。
(3)重复上述步骤多次，得到一系列新的风电功率预测结果。
(4)对新的风电功率预测结果进行整理和统计，得到风电功率的区间预测结果。
5.实验验证
为了验证基于误差分解和Bootstrap方法的风电功率区间预测的有效性，我们选择了实际风电发电数据进行实验。实验结果表明，该方法能够较好地反映风电功率的不确定性，为电力系统的调度和运行提供了重要参考。
6.结论
本文提出了一种基于误差分解和Bootstrap方法的风电功率区间预测方法，通过对风电功率误差进行分解和重采样，得到一系列风电功率的可能取值，并基于此构建出风电功率的区间预测。实验结果表明，该方法能够较好地反映风电功率的不确定性，为电力系统的调度和运行提供了重要参考。
参考文献：
[1]Zhang,W.,Sourkounis,C.T.,&Hatziargyriou,N.D.(2012).Intervalforecastingofwindpowergeneration.RenewableEnergy,37(1),1-8.
[2]Wang,S.,Mei,S.,&Fan,L.(2015).IntervalpredictionmodelbasedonfuzzyC-meansclusteringandimprovedELM-SVMforwindpower.AppliedEnergy,142,134-146.
[3]Zhang,C.,Yan,B.,Wang,X.,&Chi,S.(2018).Probabilisticforecastingofwindpowergenerationusingextremelearningmachine.AppliedEnergy,228,751-760.