风电功率预测方法研究综述张寒森 --中国期刊网

字体：大中小

首页> 原创作品> 正文

风电功率预测方法研究综述张寒森

发表时间：2020/5/7 来源：《电力设备》2020年第2期作者：张寒森郝辉辉薛楠刘生敏

[导读] 摘要：为了更好地进行风力预测应用研究，以点预测、间隔预测、概率预测和场景预测为主线，对现有的风力预测技术进行概要和整理，介绍目前的风力预测模型、理论和方法，主要涵盖了点电力预测研究、区间预测研究、概率预测研究、场景预测研究等方面内容。

        （鲁能新能源（集团）有限公司甘肃分公司甘肃 730070）
        摘要：为了更好地进行风力预测应用研究，以点预测、间隔预测、概率预测和场景预测为主线，对现有的风力预测技术进行概要和整理，介绍目前的风力预测模型、理论和方法，主要涵盖了点电力预测研究、区间预测研究、概率预测研究、场景预测研究等方面内容。最后，探究风力预测的未来发展趋势。
        关键字：风电功率；预测方法；综述
        前言：风力发电量随着社会整体用电比例的增大而递增，正确预测电量在缓解电网峰顶常态压力、减少电力系统备用容量、提高电网风力容纳能力等方面都有着重要的意义，但与负载相比，风力的变动性更强，风能预测既是电力系统派遣部门工作的焦点也是难点，也是目前研究的热点。近年来，风力发电预测技术飞速发展，出现了许多预测模式和方法。为了更好地应用风能预测技术的现有研究成果，提高风能预测系统的预测准确度，风力发电在其发展期间对风能预测技术进行了摘要和概括。为此，本文将在更大范围内概括风力预测技术。
        1.点功率预测的研究
        1.1基于不同预测对象的风电功率点预测
        根据预测对象的不同，风力预测主要有两种方法，一是风速预测，二是风力预测。前者属于间接预测，后者属于直接预测。间接预测方法是首先预测风速，然后根据风力涡轮或风力发电园区的风速和风力关系曲线，将风速转化为风力动力。间接预测的方法是最大限度地利用粉丝附近数值天气预报的风速、风向数据，具有信息完全、适用范围广泛的优点。但是由于风速和风力之间的非线性关系，风速的小预测偏差会导致风力预测误差，从而导致预测精确度大幅下降。直接预测的方法是以风力发电简历数据为基础，通过统计等方法，将影响因素与风力发电间的媒介关系进行模型预测风力发电输出。直接预测的方法不用通过风力发电站的电力曲线来变换，因此可以防止从风力发电的转换错误，可以更加直观地掌握输入数据和输出结果。但直接的预测是需要大量的风能数据来模拟模型。
        1.2基于不同预测范围的点功率预测
        根据预测区域，风力预测可分为风力涡轮预测、单机预测和多风力发电预测。风力涡轮发电只预测一个台风马达集团的输出，适用范围小，容易因气象条件和地区随机扰乱因素而干扰或破损，风力发电电力变化的规律性脆弱，难以预测。目前对单一台风马达的预测方法主要有物理模型，统计模型，元休斯敦。所谓单一风力发电前景，是指以气象预测数据及物理信息为基础，预测目前正在研究的风力发电站的全体单位输出电力。目前单一风系预测方法主要有统计模式和组合预测模式。
        地区风力发电预测中的多风力发电预测是研究地区内所有风力发电站输出能力的预测重要标志。通常用两种方式预测当地风能。一是对各风力发电站的输出电力进行个别预测后，再合算该地区的风力电力。第二种是只预测部分地区风力发电站的输出电力，并利用与当地气象环境相同条件的类似性，通过类推、铲等方法获得全地区风力发电站的输出电力。与单一风力发电园区的电力预测相比，当地风力发电站的输出电力的规律性优秀。
        2.区间预测的研究
        区间预测研究是研究满足一定信赖度水平的风力、电力的上、下限。

期刊文章分类查询,尽在期刊图书馆

正确预测风力发电地区，对电力系统应对风力发电变化，确保系统安全运行是非常重要的。目前的测量区间的方法大致可分为两大类。第一类的主要想法是，根据历史数据学习的运算法则，直接预测风力发电可能发生的上限和下限。第二类是从风力发电机率分布函数开始，当满足指定的机率水平时，计算风能下降的间隔上限和下限。目前，有关风力区间预测的研究还在发展中，正确预测风力发电机率分布是提高区间预测准确度的关键。
        3.概率预测的研究
        近年来，许多学者正在逐步开展风力发电概率预测的研究。概率预测不仅能预测未来风速与风力的期望值，还能获得风力与预测误差的概率分布信息，即物理量预测的不确定性信息，包括风力发电系统在内的操作风险评估与风险决定提供重要参考资料。目前的概率预测方法可以概括为两种，一种是推定每一个变数的方法，另一种是推定非变数的方法。根据预测风速和风速的方法，首先假设风力或相关预测误差的概率分布，根据历史数据假设概率分布的参数推定具体的概率分布函数。
        4.场景预测的研究
        场景预测是使用较少的风力序列剧本，任意准确地表现风力特性，场面预测是对电力系统、经济派遣、单位组合等的最佳时刻表操作可以运用的风力概率分布的一种预测。目前，风电序列主要是指蒙特卡洛抽样，集流方法，场面优化生成，减少技术等场面生成方法。“顺向/逆向减少技术是对古典剧本的减少技术，但该技术没有效率，只适合削减中小型规模的场面。”预测未来风力发电输出力量的时间关系和空间关系时，可以有效解决包括风力发电系统在内的动态概率优化问题。但是考虑到更多的时间、更多的风力发电园区等原始数据，模型容易发生维灾害，计算太大，难以求出每一个变数，限制在高维空间的适用。
        5.风电功率预测的发展趋势
        风能预测已经得到广泛的研究，但仍有许多问题需要深入研究。具体如下所示：（1）未来风力预测可针对风力发电输出特性和输出特性的数学说明方法开始研究：（2）结合多种高级预测模型，在多种时间尺度和不同环境下提高风力预测准确度；（3）提高复杂地形地区数值天气预报的准确性和更新频率，以提高风力电力预测的确切依据提供；（4）更加准确的风力预测技术及系统；（5）多领域应用、模型复杂化以及加强各领域间的融合，是提高预测准确度的重要方向；（6）风力预测短期和超短期预测准确度也很充分，但随着预测时间尺度的扩张，中长期以上的预测准确度不容乐观。随着风力网格连接容量的增加，客观上系统启动方式及发展计划安排应以更长的时间尺度扩展，如月、年预测等，而风力预测的要求则应进一步提高。
        结语
        本论文收集现有的风力预测文献、摘要以及与之相比较的技术摘要，主要分为点电力预测研究、区间预测研究、概率预测研究、场景预测研究、风力预测发展趋势等4个模块。概率预测、间隔预测和场面预测将成为提供电力系统运作相关更全面信息的未来风力预测发展的重要研究方向。当然，现在的预测准确度仍然需要提高，需要以现有的方式为基础，结合风力的输出特性，进一步提高风力的预测准确度。
        参考文献
        [1]郭茜,匡洪海,王建辉,周宇健,高闰国.单机风电功率人工智能预测模型综述[J].电气技术,2020,21(02):1-6.
        [2]余平.风电场风速及风电功率预测方法研究综述[J].电子技术与软件工程,2019(01):214.