基于风速变化周期的风电场功率分类组合预测模型.pdfVIP

第38卷第4期 太阳能学报 V01．38．No．4 2017年4月 ACTAENERGIAESOLARISSINICA Apr．，2017 文章编号：0254．0096(2017)04．0999．08 基于风速变化周期的风电场功率分类组合预测模型 张 充1，檀勤良1，汤石雨1，高小力2 (1．华北电力大学科学技术研究院，北京102206；2．中国电力丁程顾ihq集团西北电力设计院有限公司，西安710075) 摘要：基于风速在日时间尺度下的变化周期，提出一种风电场功率分类组合预测模型。该模型采用Modet小波 变换，分析数值天气预报中的风速在日时间尺度下的变化周期及特征；结合主成分分析和谱聚类方法对具有不同 周期特征的风速变化过程进行分类；针对不同的风速变化类型分别建立遗传优化BP神经网络、RBF神经网络和支 持向量机的预测模型，并选取每类对应的最优算法进行组合，预测功率时根据未来风速过程动态切换相应模型。 以中国某风电场为例进行验证，结果表明，按8h的变化周期对风速变化类型进行分类，可得到较好的分类组合预 测结果，其精度较单一预测模型提高0．87％，合格率提高1．05％，验证了所提模型的有效性，为风电场功率预测提供 了新思路。 关键词：风速变化周期；分类预测；组合预测；Modet小波；谱聚类 中图分类号：TM614 文献标识码：A 类的预测方法，会导致预测模型在部分风况时预 0 引 言 测精度较高，而在其他风况时预测精度较低，限制 风电场功率预测是解决风电波动性对电网造 了预测精度的提高。 成冲击的必要手段之一，可通过预测协助电力系统 风速是一个随时间连续变化的过程，不仅具有 调度，提高风电消纳能力…。但传统单一算法难以 随机性和波动性，还具有规律性和周期性的特征。 满足电力系统对预测精度的要求，因此提高风电场 针对这种规律性，文献[10]提出一种基于天气分型 功率预测方法的精度和适用性成为当前研究的重 的风电功率预测算法，按照每日的变化周期对数值 点和难点之一。 天气预报(NWP)数据进行分类，针对不同类型的 风电场功率预测方法主要分为统计方法和物 NWP分别建立预测模型。众所周知，风速变化过程 理方法乜刮，由于物理方法建模过程复杂且精度难 因天气现象存在每日的变化周期，但如果能找到除 以保证№1，目前的风电场功率预测系统大多采用 24h以外的其他更小尺度的风速变化周期，并对不 统计方法建立模型。文献[7]提出基于小波一BP神同风速变化类型进行分类，将对提高风电场功率预 经网络的预测模型，利用小波将风速与功率序列 测精度具有重要意义。 在不同尺度上分解，使用多个BP网络对各频率分 基于上述讨论，本文首次将风速周期性与风电 量进行预测。文献[8]建立基于脊波神经网络的 场功率预测相结合，提出基于风速变化周期的风电 风电短期功率预测模型，该模型对训练样本需求 场功率分类组合预测模型。首先采用Morlet小波 量小且计算效率较高。文献[9]提出基于聚类算 变换研究风速时间序列在日时间尺度下的变化周 法的风电场分组预测模型，通过识别机组的相似 期，然后结合主成分分析和谱聚类方法对具有不同 性将风电场划分为不同机群，并对每组机群分别 周期特征的风速进行分类，最后针对不同的风速变 预测，利用多组机群的平滑效应提高功率预测精 化类型分别建立多算法的预测模型。结果证明按 度。上述方法虽可改善预测精度，但未考虑风速 8h变化周期建立的分类组合预测模型较单一预测 变化的规律性；这种未对风况进行特征识别和分 模型可提高预测精度。 收