[发明专利]多风电场短期输出功率的联合概率密度预测方法

说明书

技术领域

本发明涉及一种多风电场短期输出功率的联合概率密度预测方法。

背景技术

风电大规模并网缓解了我国能源压力并带来了巨大的经济和环境效益，是目前技术最成熟、最具规模化开发条件的可再生能源。然而，风电作为一种间歇性和不可控性的电源，其大规模并入电网势必增加系统运行控制难度，加重系统备用负担。因此，对风电场及风电场群输出功率进行预测具有十分重要的意义[雷亚洲.与风电并网相关的研究课题[J].电力系统自动化，2003,27(8):84-89.]。

短期风电功率预测一般是对未来24h-72h风机或风电场的有功功率进行预测，由于预测尺度较长，通常借助数值天气预报能够得到更好的预测效果[范高锋，王伟胜，刘纯，等.基于人工神经网络的风电功率预测[J].中国电机工程学报，2008,28(34):118-123.王彩霞,鲁宗相,乔颖,等.基于非参数回归模型的短期风电功率预测[J].电力系统自动化,2010,34(16):78-82.]。短期预测结果可用于优化常规机组出力及系统备用配置，提高系统运行的安全性和经济性。根据预测结果的不同，短期风电功率预测方法可以分为单点值预测和概率式预测两类方法。单点值预测方法主要有：物理方法[冯双磊，王伟胜，刘纯，等.风电场功率预测物理方法研究[J].中国电机工程学报，2010,30(2):1-6.]、统计方法[KARINIOTAKISG N,STAVRAKAKIS G S,NOGARET E F.Wind power forecasting using advanced neuralnetworks models(利用高级神经网络模型预测风电功率)[J].IEEE Transaction on Energy Conversion.1996,11(4):762-767.FAN Shu,LIAO J R,YOKOYAMA R,et al.Forecasting the wind generation using a two-stage network based on meteorological information（基于天气信息的两阶段网络法风力发电预测）[J].IEEE Transaction on Conversion,2009,24(2):474-482.王革丽，杨培才，毛宇清.基于支持向量机方法对非平稳时间序列的预测[J].物理学报，2008,57(2):714-719.]及组合方法[陈宁,沙倩,汤奕,等.基于交叉熵理论的风电功率组合预测方法[J].中国电机工程学报,2012,32(4):29-34.]。这类方法是对未来某时段风电功率最大可能出现值进行预测，当前预测误差（48小时的平均绝对误差）多在15%与40%之间。由于单点值预测方法无法提供风电功率预测的不确定信息，近年来，概率式预测方法得到越来越多的重视和研究，主要方法有：经验预测误差统计方法[PINSON P,Estimation of the uncertainty in wind power forecasting（风电功率预测中的不确定估计）[D].Ecole des Mines de Paris,2006.王松岩,于继来.风速与风电功率的联合条件概率预测方法[J].中国电机工程学报,2011,31(7):7-14.]、分位点回归方法[李智，韩学山，杨明，等.基于分位点回归的风电功率波动区间分析[J].电力系统自动化，2011,35(3):83-87.]及概率密度预测方法[JUBAN J,SIEBERT N,KARINIOTAKIS G N.Probabilistic short-term wind power forecasting for the optimal management of wind generation（风电最优管理中概率式短期风电预测）[C]//.IEEE Lausanne Power Tech,Lausanne,Switzerland,Jul1-5,2007.杨明，范澍，韩学山，等.基于分量稀疏贝叶斯学习的风电场输出功率的概率预测方法[J].电力系统自动化，2012,36(14):125-130,142.]。这些方法不仅能够预测未来时段风电场输出功率的期望值，还可以给出预测误差的分布信息，为含有风电场电力系统的运行风险评估和风险决策提供重要参考[BOUFFARD F,GALIANA F D.Stochastic security for operations planning with significant wind power generation(含大规模风力发电运行调度中随机安全)[J].IEEE Transaction on Power Systems,2008,23(2):306-316.李智，韩学山，杨明，等.计及接纳风电能力的电网调度模型[J].电力系统自动化，2010,34(19):15-19.]。