基于动态权重风电功率组合预测方法研究

《基于动态权重风电功率组合预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第33卷第1／2期东北电力大学学报Vo1．33．No．i／22013年4月JournalOfNortheastDianliUniversityApr．，2013文章编号：1005—2992(2013)01／02—0131—06基于动态权重的风电功率组合预测方法研究杨茂，贾云彭，钱为，陈琳(东北电力大学电气工程学院，吉林吉林132012)摘要：风电功率预测对风电并人电网、电力系统的调度和电网安全稳定运行有着重要的影响。由于风电场发电功率受风速、风向、地理、气象等多方面因素的影响，既具有时间相关性，也具有空间相关性，单一的预测模型往往达不到预期效果。为提高风电场发电功率预测精度，主要针对风电功率预

2、测建立基于动态权重选取得组合模型进行研究，通过该组合模型来对风电场的发电量进行预测，并且应用多个评价指标来对预测结果进行评价，通过对吉林西部某风电场实测数据的预测，验证了模型的有效性。关键词：风电功率；组合预测；动态权重；准确率；合格率中图分类号：TM614文献标识码：A由于风具有波动性、间歇性、低能量密度等特性，使得风电功率的精准预测成为一大难题。如果风电功率预测误差较大，会影响电力系统的调度和安全稳定运行。因此，提高风电功率的预测精度成为首要任务。准确的风电功率预测，有利于风电接人电网时，合理安排调度计划，减小风电波动对电网的影响，保障电网安全平稳运行，提高风电的竞价上网能力。功率预测方法

3、按照不同的标准有不同的分类。根据预测物理量的不同可分为2类：第1类是对风速进行预测，然后根据风电机组或风电场的功率曲线得到风电场的输出功率；第2类是直接预测风电场的输出功率。根据所采用数学模型的不同可分为持续预测法、自回归滑动平均(Auto—regressiveandMovingAverage，ARMA)模型法、线性回归法、卡尔曼滤波法和智能方法等。上述预测方法都采用单一的预测模型，这会导致某些测量点出现较大误差。因此采用组合预测法成为一种研究趋势。国内外已经开始研究多种模型组合的风电功率预测方法。目前组合预测方法主要有2类：传统组合方法和智能组合方法。传统组合方法有：等权平均组合预测法、最优

4、权系数法、回归组合法等，其中等权平均组合预测法能降低单一预测方法的预测风险，且相比于方差一协方差优选组合法、回归组合法、最优权系数法等具有较好的预测稳定性，因此是一种较成熟、常用的组合预测方法。传统组合方法物理意义明确，但权值的确定较为复杂，并且缺乏将各种基本方法进行非线性组合的能力。智能组合方法是指运用神经网络等智能算法，通过样本训练确定各种基本模型的组合权重系数，进而对各种基本预测结果进行组合的方法，该方法不限制组合权系数的取值范围，又能非线性地拟合各种基本方法的预测结果，而且避免了传统组合模型中确定权重系数的困难，因此这种组合预测思路值得深入研究。但上述方法中往往要求系统是静态的，弱线性

5、或者弱非线性。而对于现实环境中比较复杂的系统，这种假设难以满足。本文以提高风电预测精度为目的，将时间序列模型、持续法模型和线性回归模型组合起来，用等权重平均法、合作对策法和动态权重法确定各单一模型的权重系数，通过该组合模型来对风电场的发电量收稿日期：2012—09—14基金项目：吉林省产业技术研究与开发专项项目(JF2012C018)；国家科技支撑计划课题三(2011BAA07B03)作者简介：杨茂(1982一)，吉林省吉林市人，东北电力大学电气工程学院讲师，博士，主要研究方向：风电功率预测】32东北电力大学学报第33卷进行预测，并且应用多个评价指标来对预测结果进行评价，从而得到由动态权重确定

6、的组合模型为最优加权组合模型，即其预测精度和鲁棒性等更优。1权重理论1．1等权重平均法等权重平均法的计算公式为P：，(1)式中：P为总的预测输出功率；PPP删分别为时间序列模型、持续模型、线性回归模型的预测输出功率。1．2合作对策法合作对策法，即从对策论的观点出发，将各单项预测方法作为组合预测的局中人，合作的“结果”为组合预测的误差平方和，再按合作对策Shapley值法在各单项预测模型中进行分配，从而获得组合～甜预测权系数。1．3动态权重动态权值依靠预测时刻的预测值和实际值之间的误差评估：M∑一ld=广一，k=1，⋯，M，(2)式中：d为k时刻第i个预测模型的权值评估依据。为了使预测值中更接近

7、于实际值的预测模型赋予更高的权值，将预测模型权值用高斯函数进行分布：唧{一)，㈩式中：or为d的均值和方差；(c，为k时刻第i个预测模型的权值。计算出每个预测模型的权值之后，需要对权值进行标准化：N利用上式得到标准化后的权值∑=1。i=12基于动态权重的组合预测模型2．1基本思想组合预测模型是利用各个单项模型所提供的信息，以适当方法分配权重对单项模型预测值进行加权平均而得出预测值的方法，使得模型得