考慮海上風(fēng)電多機(jī)組時(shí)空特性的超短期功率預(yù)測模型

林 錚，劉可真，沈 賦，趙現(xiàn)平，梁玉平，董 敏

（1. 昆明理工大學(xué)電力工程學(xué)院，云南省昆明市 650500；2. 云南電網(wǎng)有限責(zé)任公司，云南省昆明市 650217）

0 引言

中國海上風(fēng)電資源豐富，尤其在資源優(yōu)勢明顯的東部沿海省份，海上風(fēng)電預(yù)測可為海上風(fēng)電就近消納提供重要支撐［1］。預(yù)計(jì)到2035 年，中國海上風(fēng)電裝機(jī)容量將達(dá)到130 GW 左右［2］，大力發(fā)展海上風(fēng)電，有助于加快中國能源轉(zhuǎn)型進(jìn)程，實(shí)現(xiàn)“碳達(dá)峰·碳中和”目標(biāo)［3］。但海上風(fēng)電具有隨機(jī)性、不可控制性等特點(diǎn)［4］，會發(fā)生海上風(fēng)力發(fā)電公司無法正確上報(bào)發(fā)電量的情況，上報(bào)電量過少導(dǎo)致主動(dòng)棄風(fēng)，上報(bào)電量過多導(dǎo)致電網(wǎng)穩(wěn)定性降低而造成經(jīng)濟(jì)損失［5］，故亟須準(zhǔn)確預(yù)測超短期風(fēng)電功率［6］。

目前，國內(nèi)外學(xué)者針對風(fēng)電預(yù)測進(jìn)行了一些研究［7-10］，其中，統(tǒng)計(jì)預(yù)測模型以歷史出力數(shù)據(jù)、數(shù)值天氣預(yù)報(bào)和實(shí)測氣象數(shù)據(jù)為基礎(chǔ)［11］，映射未來短時(shí)序內(nèi)的功率，采用方法包括支持向量機(jī)［12］、隨機(jī)森林模型［13］和灰色關(guān)聯(lián)分析模型［14-15］等。在人工智能技術(shù)與數(shù)據(jù)驅(qū)動(dòng)方法的加持下，近年來出現(xiàn)較多以人工智能模型為基礎(chǔ)的風(fēng)電預(yù)測模型，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）［16］、長短期記憶（LSTM）［17］等。文獻(xiàn)［18］利用稀疏向量自回歸（SVA）模型擬合風(fēng)電位置信息，實(shí)現(xiàn)了風(fēng)電功率提前5 min 的預(yù)測。文獻(xiàn)［19］利用主成分分析法（PCA）聚類風(fēng)電出力場景，建立多類型反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）預(yù)測模型進(jìn)行風(fēng)電預(yù)測。文獻(xiàn)［20］采用小波分解與注意力機(jī)制結(jié)合的方法進(jìn)行數(shù)據(jù)處理，并采用雙向LSTM 模型進(jìn)行可再生能源超短期發(fā)電功率預(yù)測，并展現(xiàn)較好的預(yù)測性能。……