風電場輸出功率的預測模型

陳傳芳

摘要：依據《風電場功率預測預報管理暫行辦法》，精確的風電場功率預測是解決風電并網問題的有效途徑之一。本文從預測預報要求、影響風功率預測準確率因素、風電場輸出功率預測模型等方面做了闡述。

關鍵詞：風電功率預測;預測精度;組合優化

隨著風電場的單機容量和總裝機容量的不斷增大，風電并網給系統帶來諸如系統穩定性、電力系統調度、穿越功率和電網規劃等一系列難題。這一切問題都源于風電場輸出功率的不可控性，解決風電并網所帶來問題的一系列問題關鍵在于能夠對風電場輸出功率進行精確的預測。

一、風功率預測預報要求

電網調度部門對風電功率預測的基本要求有兩個：一是日預報，即次日零時至二十四時的預測預報，時間分辨為十五分鐘。二是實時預報，即自上報時刻起未來十五分鐘至四小時的預測預報，時間分辨不小于十五分鐘。

日預報要求并網風電場每日在規定時間前按規定要求向電網調度機構提交次日零時到二十四時每十五分鐘共九十六個時間節點風電有功功率預測數據和開機容量。預報要求并網風電場按規定要求每十五分鐘滾動上報未來十五分鐘至四小時風電功率預測數據和實時的風速等氣象數據。

二、影響風功率預測準確率因素

風電機組的輸出功率取決于風速及空氣密度。空氣密度與濕度、溫度、壓強密切相關，因此在風電功率預測中要考慮溫度、濕度和壓強。根據以上分析，風電功率預測模型的輸入數據應包括風速、風向、溫度、濕度和壓強。

（一）數值天氣預報預測的是風速、風向、氣溫、氣壓等氣象數據，是風電場開展風電功率預測的基礎和輸入，能否得到準確的數值天氣預報對風電功率預測準確率有很大影響。

（二）由于風的隨機性、不確定性，再加上我國很多風電場都建在邊遠地區，地形差異較大，短時間會有風的快速變化，導致近地面的風速數值預報難度很大。我們都知道風功率與風速的三次方成正比，所以風速數值預報的準確性會直接影響風功率預測的準確率。

（三）風電功率預測方法也是影響預測的準確率的關鍵因素。目前國內風功率預測方法主要有基于統計的方法和基于物理建模的方法。因統計方法和物理方法都對數據都有很高要求，如果數據本身不是很完整，或者經過人為影響，或者得到的數據是錯誤的，都會影響到風電功率預測結果的準確度。

三、風電場輸出功率預測模型

（一）預測方法的選擇

功率預測方法沒有統一的分類標準，按照不同的標準有不同的分類。根據預測物理量的不同可分為2類：第1類是對風速進行預測，然后根據風電機組或風電場的功率曲線得到風電場的輸出功率;第2類是直接預測風電場的輸出功率。根據所采用數學模型的不同可分為持續預測法、自回歸滑動平均模型法、卡爾曼濾波法和智能方法等。實踐證明，采用以綜合功能預測模型在有些預測點可能出現較大的誤差，因此在建立風電場預測的BP模型、RBF模型、SVM模型的基礎上，采取三種模型的組合預測的方法，可以有效減少較大誤差的出現，提高預測精度。

（二）風電場輸出功率預測模型

（1）組合模型I---等權重平均法

（P總為總的預測輸出功率，PBP、PRBF、PSVM分別為BP神經網絡、RBF神經網絡、SVM預測的輸出功率）

（2）組合模型II—協方差優選組合預測法

（λ1、λ2、λ3分別為BP神經網絡、RBF神經網絡和SVM預測的權重，λ1+λ2+λ3=1）

BP模型、RBF模型、SVM模型及組合預測模型的誤差分別為e1、e2、e3、ec，三種預測誤差的方差分別為σ11、σ22、σ33，組合預測誤差的方差為，可以證明：var（ec）min ≤min（σ11，σ22，σ33），表明組合預測方法優于單一預測方法。

（三）組合模型III--時變權值組合優化法

協方差優選組合預測法計算得到的權系數是固定不變的。實際上在不同情況下各預測方法的預測精度可能不同，采用變系數的方法有可能進一步提高預測精度。權系數的確定可取最近的m個樣本歷史值來計算：

計算中采用移動樣本，每次都使用s個樣本計算。每過15分鐘，就把剛得到的實際值加入樣本中，剔除原樣本的第一個實際值，保證每次樣本個數均為s。所以每隔15分鐘，樣本均會發生一次移動，權值每15分鐘更新一次。

綜上，時變權系數組合優化預測模型為：

依據風電功率預測考核指標將三種單獨預測模型與組合預測模型的合格率、準確率進行對比， 采用組合預測的合格率、準確率較獨立預測模型均有所提高，所以組合預測能夠較好的提升預測的準確性，使最終的預測值更可信。

比較上述各種預測方法的平均實時預測誤差，得知BP的誤差均大于0.2 kW，RBF模型和SVM模型的誤差接近0.3kW，而優化組合模型的誤差均小于0.2 kW。

綜上所述：優化組合模型的預測精度較之獨立預測模型有顯著的提高。綜上所述：優化組合模型的預測精度較之獨立預測模型有顯著的提高。

四、風電場輸出功率預測研究趨勢

（一）通過對風速預測模型的研究與分析可以確定風電場輸出功率預測領域的研究趨勢：

（二）人工智能模型由于預測精度相對較高通過算法的進一步優化成為較可行的研究思路。

（三）進一步將各種預測模型應用于實際風電場，在實際應用過程中對預測模型加以改善。

（四）組合預測成為降低預測誤差的主流研究趨勢，但組合預測的結果也僅是一個預測值，若能給出預測值的置信區間，則預測結果將更具有實用價值，考慮置信區間的風速概率預測方法將成為主流的研究思路。

在進行預測的時候，應充分考慮影響風電的各種因素，依據風電場實際情況以及結合各種預測方式的特點，建立相關的預測形式，從而得到更好的預測效果，促進電力系統的發展。