风电场输出功率的组合预测模型.pdfVIP

第 33 卷 第 13 期 电 网 技 术 Vol. 33 No. 13 2009 年 7 月 Power System Technology Jul. 2009 文章编号：1000-3673 （2009 ）13-0074-06 中图分类号：TM614 文献标志码：A 学科代码：470·4047 风电场输出功率的组合预测模型 刘纯，范高锋，王伟胜，戴慧珠 （中国电力科学研究院，北京市 海淀区 100192 ） A Combination Forecasting Model for Wind Farm Output Power LIU Chun ，FAN Gao-feng ，WANG Wei-sheng ，DAI Hui-zhu （China Electric Power Research Institute，Haidian District ，Beijing 100192 ，China ） ABSTRACT: It is of significance to forecast output power of 容量较大的国家都进行了风电功率预测系统的开 wind farm for the operation of power grid to which large 发。功率预测方法没有统一的分类标准，按照不同 amount of wind power is connected. By use of BP neural 的标准有不同的分类。根据预测物理量的不同可分 network, radial basis function neural network and support 为 2 类：第 1 类是对风速进行预测，然后根据风电 vector machine, a combination forecasting model for output 机组或风电场的功率曲线得到风电场的输出功率； power of wind farm is built. The weights are calculated by 第 2 类是直接预测风电场的输出功率。根据所采用 three methods, i.e., equal weight average method, covariance optimization combination forecast and time-varying weight 数学模型的不同可分为持续预测法、自回归滑动平 combination forecast. Research results show that the forecast 均(auto-regressive and moving average，ARMA)模型 accuracy from different methods is diverse one another; even 法、卡尔曼滤波法和智能方法等。持续预测方法[1] though a method can offer high forecast accuracy in total, at 是最简单的预测方法，认为风速预测值等于最近几 individual point the forecast error of this method may be larger, 个风速值的滑动平均值，通常认为最近一点的风速 however combination forecasting model can avoid larger 值为下一点的风速预测值[2]，该方法的预测误差较 forecast er