基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测.pdfVIP

第45 卷 第5 期 2021 年3 月10 日 Vol.45No.5 Mar.10，2021 DOI：10.7500/AEPS20200426001 基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测 杨 茂，董 昊 （现代电力系统仿真控制与绿色电能新技术教育部重点实验室（东北电力大学），吉林省吉林市 132012） 摘要：随着风电在现代电网的渗透率越来越高，电力系统优化运行对风电功率区间预测的可靠性 提出了更高要求。现有的风电功率区间预测通常针对历史数据整体的误差，或者基于不同的出力 水平进行分类误差建模，难以反映预测模型对于不同风况下的适应性。鉴于此，提出了一种基于数 值天气预报(NWP)风速和蒙特卡洛法的短期风电功率区间预测模型。首先，按照NWP风速对历 史时段的点预测误差进行层次聚类，利用经验分布模型对不同风况下的误差进行概率分布拟合。 然后，对待预测时刻的NWP风速所对应的累计经验分布概率值进行蒙特卡洛抽样,并在给定的置 信水平下求取短期内各个待预测时点可能发生的功率波动区间。最后，以中国吉林省某风电场运 行数据为例，与常用的概率预测方法相比，验证了所提方法的可靠性。 关键词：层次聚类；经验分布；蒙特卡洛法；短期风电功率区间预测 0 引言 基于径向基神经网络的分位数回归模型，实现了气 象信息和功率数据的非线性映射，得到了分位数形 风电功率区间预测是指在既定的置信度下，对 式的短期功率上下边界值。以上文献所提方法均为 待预测时刻风电出力的上下边界进行预测，是提高 非参数型，即事先不对误差概率分布进行假设，更有 电力系统经济运行效率，降低电网安全风险系数的 利于提高误差概率分布的拟合精度，常用方法还有 ［1-2］ 重要方法 。根据是否考虑气象环境等因素，可以 ［13］ ［14］ 核密度估计 、相关向量机 等。 将风电功率区间预测大体分为统计模型和物理 物理模型一般结合地势、天气等空气动力学因 ［3-4］ 模型 。 素建立物理预测模型 ，通过数值天气预报 统计模型利用历史预测结果，对所得误差进行 （numericalweatherprediction，NWP）信息来计算风 分类和拟合，结合待预测时刻的点预测结果进而得 电机组轮毂高度处的风速变化区间，然后通过寻找 ［5］ 到功率的上、下边界 。文献［6］利用混合Gaussian 风速与功率的非线性关系得到功率概率预测区间。 分布近似得到目标随机变量的条件分布，可以对模 这类方法能够快速地捕捉风速的变化，因涉及气象 型的不确定性定量地描述。文献［7］利用混合偏态 等信息 ，数据量十分庞大 ，所以计算速度慢、效 分布模型估计短期风电预测误差分布，并通过概率 率低［15-16］。 密度曲线非线性拟合进行参数估计。以上文献所提 综上所述，众多学者已经在区间预测领域做了 方法均为参数型，即假设误差满足某一种特定的分 大量深入的研究，但所建立的预测模型大多只选用 ［8］ ［9］ 布形式，具体还包括Beta分布 、Logistic分