风电功率预测问题的探讨.doc

PAGE 2 1 风电功率预测问题的探讨 摘 要 风电功率预测有利于电力系统调度部门及时调整调度计划，从而有效地减轻风电对整个电网的影响，提高风电功率。本文采用了自回归移动平均法、卡尔曼滤波预测算法和指数平滑法，对风电功率进行了实时预测，并对预测结果进行误差分析。 针对问题一，采用自回归移动平均法、卡尔曼滤波预测算法和指数平滑法分别建立了时间序列模型、卡尔曼滤波模型和指数平滑模型。实时预测了、、、和及的风电功率，得到了实时预测误差以及均方根误差，并分析了三种方法的准确性。使用自回归移动平均法能比较精确的预测风电功率。 针对问题二，得到了单台风电机组以及多机总功率的相对误差，分析了风电机组的汇聚对于预测结果误差的影响。多风电机组的汇聚会改变风电功率波动的属性，从而对预测结果产生较大的影响。 针对问题三，分析了影响风电功率实时预测精度的因素，通过BP网络神经方法构建了具有更高精度的预测方法，对误差进行分析说明了该方法的有效性。 最后，分析论证了阻碍预测精度的主要因素，如风速、风向、气温等。并说明了预测精度不能无限提高。 关键词：风电功率预测 时间序列 指数平滑法 卡尔曼滤波法 问题重述 1.1问题背景 随着我国经济的迅速发展，能源的消耗日益增加，同时常规能源的利用对我们的环境造成了严重的影响。所以，发展可再生能源迫在眉睫。风电是目前可再生能源中唯一可大规模开发利用的洁净能源。能源问题，至关重要，举世瞩目。它是工业的血液，生活的必需。风能与其他能源相比，有其明显的优点：蕴量巨大、可以再生、分布广泛、没有污染。风能和阳光一样，是取之不尽、用之不竭的再生能源；风力发电没有燃料问题，不会产生辐射或二氧化碳公害，也不会产生辐射或空气污染；而且从经济的角度讲，风力仪器比太阳能仪器要便宜九成多。中国风能储量很大、分布面广，甚至比水能还要丰富。合理利用风能，既可减少环境污染，又可减轻越来越大的能源短缺的压力。随着风力发电技术的不断发展，风电单机容量和并网型风电场的规模不断增加，在电力供应中所占比例也越来越大。而风力发电的输出具有较大的波动性和不确定性，使得大容量的风电接入电网后对电力系统的安全、稳定运行以及保证电能质量带来严峻挑战。准确的风电功率预测有利于电力系统调度部门及时调整调度计划，还可以减少电力系统的备用容量、降低电力系统运行成本，从而有效地减轻风电对整个电网的影响，提高风电穿透功率极限。 1.2问题提出 现对根据某风电场的相关数据，建立数学模型并分析研究一下问题： （1）给出四台风电机组（A、B、C、D）的输出功率（分别记为P、P、P、P）和全场58台机组总输出功率（记为P ），通过给出的数据利用时间序列法、指数平滑法、卡尔曼滤波法三种方法来预测出每个时点未来4小时16个时点的风电功率数值，并对预测误差进行分析、根据风电功率预测预报管理暂行办法中的考核要求分析所做预测的准确性。 （2）通过对问题一得出的数据结果进行分析，来说明风电机组的汇聚对于预测结果误差的影响。比较单台风电机组功率和多机总功率的相对误差，找出规律并最多机汇聚给风电功率预测误差带来的影响做出预期。 （3）分析本文所建立的模型的优缺点，通过总结分析数据找出预测风电功率的更精确的方法。并分析论证阻碍风电功率实时预测精度提高的因素 二、模型的假设和符号约定 2.1 模型假设 1.假设此电场所在地的温度相对于之前的温度无变化。 2.假设此电场附近的地形、建筑物等对风速无影响。 3假设系统噪声w(k)与测量噪声v(k) 是互不相关、均值为零的独立白噪声。 2.2 符号约定 S：周期 B：后移位差分算子 ，：待估系数 S：时间t的平滑值 ：时间t的实际值 ：时刻t的预测值，即上期的平滑值 a：平滑常数 MSE：均方误差 X(k)：n维状态向量 Z(k)：m维观测向量 w(k)：p维系统噪声向量 v(k)：m维观测噪声向量 A(k+1,k)： 从k时刻到k+1时刻的状态转移矩阵 B(k+1,k)： 从k时刻到k+1时刻的激励转移矩阵 H(k+1)： k+1时刻的预测输出转移矩阵 (k+1|k)：对k+1时刻的状态估计 K(k) ：k时刻的卡尔曼预报器增益 P(k|k-1)：k时刻滤波预测的误差协方差矩阵 Q(k)：于w(k)的协方差矩阵 R：关于v(k)的协方差矩阵 三、问题的分析 风电是目前可再生能源中唯一可大规模开发利用的洁净能源。所以合理的开发风能、准确的预测风电机的风电功率极为重要。在预测风电功率的时候，我们面临这诸多问题：①风电功率的预测方法问题及预测方法的精度问题；②风电机组的汇聚对于预测结果的影响；③阻碍风电功率实时预测的进一步改善的主要因素。这些未知的而且极为重要的问题亟待我们努力解决。 问题一要求预测出实时的风电功率，并比较方法的好坏，利用给出的数据，我们