基于最優權系數的風電功率組合預測方法

陳道君，李磊，楊楠，林燕貞（.國網湖南省電力公司電力科學研究院，湖南長沙　0007；.國網江蘇省電力公司徐州供電公司，江蘇徐州　000；.新能源微電網湖北省協同創新中心（三峽大學），湖北宜昌　00；.武漢大學電氣工程學院，湖北武漢　007）

?

基于最優權系數的風電功率組合預測方法

陳道君1，李磊2，楊楠3，林燕貞4
（1.國網湖南省電力公司電力科學研究院，湖南長沙410007；2.國網江蘇省電力公司徐州供電公司，江蘇徐州221000；3.新能源微電網湖北省協同創新中心（三峽大學），湖北宜昌443002；4.武漢大學電氣工程學院，湖北武漢430072）

摘要：風電功率的短期預測對于電力系統的安全穩定運行具有重要意義。提出了一種基于最優權系數的風電功率短期預測組合方法，該方法將ARIMA時間序列、BP神經網絡、RBF神經網絡和支持向量回歸機這4種單一預測模型進行綜合，并根據預測誤差信息矩陣，以誤差平方和最小為原則得到組合預測模型中的最優權系數，以此構成組合預測模型，該模型能夠有效地綜合各單一預測模型的優勢，降低預測風險。仿真實例表明：所提組合預測模型預測精度高，能夠方便快速地確定最優權重系數值，降低預測誤差。

關鍵詞：風電功率；組合預測；最優權系數；誤差信息矩陣

Project SuPPorted bY the Nationa1 Science and Techno1ogY SuPPort Program（2013BAA02B01）；the Nationa1 Natura1 Science Foundation of China（51207113）.

KEY W0RDS：wind Power；combination forecasting；oPtima1 weight coefficient；error information matrix

目前常用的風電功率短期預測方法主要包括統計方法和物理方法。物理方法綜合考慮地形、水平高度和粗糙度等信息，利用物理方程建模進行預測，該方法需要準確有效的數值天氣預報（numerica1 weather Prediction，NWP）數據，而無需大量的長期觀測數據［1］。……