环境保护与清洁能源的使用.pdfVIP

环境保护与清洁能源的使用 ——基于GARCH in Mean 族模型的风电功率预测方法 东南大学 陈昊、崔翰韬、黄涛 1 摘要：随着经济发展，能源需求和环境保护的矛盾日益严峻，清洁能源的使用是解 决这一矛盾的重要途径。然而，由于风电预测精度的瓶颈，对风电为首的清洁能源 的发展造成了不利影响。为解决这一问题，须深入研究风电功率时间序列的固有特 征，从特征中提取信息，提高风电预测精度。本文基于对风电波动性特征的分析， 提出了GARCH in Mean (Generalized Autoregressive Conditional Heteroskedasticity in Mean) 族风电预测模型。引入GARCH in Mean 族效应曲线，探讨了风电波动性对 风电出力的负向影响。使用条件对数极大似然估计(CMLE)方法估计模型参数。在算 例分析部分，运用提出的GARCH in Mean 族模型对中国东部某沿海风电场的历史 数据进行预测。通过与持续性模型、ARMA 模型和GARCH 模型的对比表明，本文 所提出的GARCH in Mean 族模型有效可靠，其预测精度高于传统的风电预测模型。 关键词：ARMA; GARCH; PARCH; GARCH-M; PARCH-M; 风电预测; 波动补偿 项；环境保护 一 引言 随着人类社会经济的不断发展，人们对环境保护的重视程度与日俱增。经济发 展离不开能源，能源的需求和环境保护的压力之间的矛盾日益摆在人们面前。电力 是和人们生活密切相关的一种能源，传统发电方式中火电占了极大的比率。每年因 火力发电带来的有害气体排放量是惊人的。这促使人们日益将目光放到清洁能源上， 实现能源供给和环境保护的一个平衡。风电作为一种可再生能源，因清洁无污染受 到广泛青睐，近年来我国装机容量发展迅猛。世界能源报告[1]指出，截至 2009 年 止，风电的总装机容量达到了160,000MW，预计每三年将翻一倍。中国的风电总装 机容量将在 2020 年达到 30GW[2] 。一般情况下，相比于其他传统发电资源，作为 一种清洁能源的风电通常需要优先调度。然而，由于风电具有波动性和间歇性，风 电场所发出的风电功率在一个很大的范围内波动，风电功率预测精度不高，进而导 致难以准确地计划和调度风电，又由于风电优先调度的特性，电力系统需要预留大 量旋转备用，这些问题对风电发展有着不利的影响。提高风电等清洁能源发电的预 测精度对于解决以风电为首清洁能源发展的困境，进而解决能源需求与环境保护矛 盾都有着至关重要的作用。 近年来，已出现很多种风电预测方法：如物理模型[3] ，经典时间序列模型 (ARMA)[4,5], 广义自回归条件异方差(Generalized Autoregressive Conditional Heteroskedasticity, GARCH) 模型[6]，神经网络模型[7,8]，空间模型[9]，卡尔曼滤波 技术[10] 以及一些复合预测方法[11,12]等。文献[13,14]报道风速时间序列呈现出波动 集聚效应，并应用ARCH 模型预测了风电场风速。然而，对风电场风电功率时间序 列波动特征的研究尚有待进一步深入。本文基于GARCH in Mean 族模型分析了风 基金项目：国家高技术研究发展计划(863 计划) (2011AA05A105) 。 The National High Technology Research and Development Program (863 Program) (2011AA05A105). 1 电功率波动性对风电预测的影响，并利用盐城某风电场的实际风电功率数据验证了 所提方法的有效性。 二 GARCH in Mean 族模型简介 （一）GARCH 族模型 Engle 于1982 年提出ARCH 模型，提供了研究时间序列异方差特征的研究框架 [15] 。Bollerslev 于1986 年推广了ARCH 模型，提出了广义自回归条件异方差模型 (GARCH 模型) [16] 。 1 GARCH 模型 一个GARCH (p , q)