风电功率统计特性分析及其应用研究.pdf

哈尔滨工业大学硕士学位论文

摘要

随着风电装机规模的快速增加，风电功率的不确定性问题突出，且预测不

确定性改变了传统的发电功率可控模式。随着未来风电在能源结构中所占比重

持续提高，风电功率不确定性将会给电力系统的安全稳定运行带来更大的挑战，

需要通过可靠的预测和调节手段来进行平稳化处理。理论上风电功率不确定性

与波动特性密切相关，本文基于现实大数据，即利用辽宁地区8个风电场站一

年的风电功率实际、预测数据，在分析风电波动特性和不确定性的统计特性基

础上，获知不确定性和波动特性的联系，进而研究通过提升预测精度的预测手

段和配置储能消纳不确定性的调节手段来平稳化处理风电功率的不确定性问

题，主要工作如下：

1

（）提出合理的风电功率波动过程划分方案，进而分析单场站和多场站不

同波动过程的风电功率波动统计特性。在实际风电功率数据的基础上，通过k-

均值聚类方法将波动过程划分为大、中、小三类波动，并利用累计概率定性分

析划分方案的合理性。在此基础上定量分析不同波动过程下波动类别的数量、

持续时间、电量占比情况以及各类波动的波峰、波谷、波动幅度统计特性，结

果表明：无论是单场站和多场站空间聚合，不同波动过程的波动统计特性差异

较大，为后续分析风电功率的不确定性提供理论基础。

2

（）分析多场站风电功率不确定性的时空统计特性，揭示波动特性与不确

定性的联系。通过是否考虑波动特性两个层面对风电功率不确定性，即预测误

差分别进行整体评价和分类评价，每个层面进一步全面对比分析单一场站不同

超前时间和多场站空间聚合下的不确定性统计特性，结果显示：大、中、小三

类波动过程的不确定性有着较为明显的差别。进一步表明研究风电功率的不确

定性问题必须要将预测误差按风电功率的波动过程进行划分。

（3）提出一种利用预测误差的统计规律来提升预测精度的方法。该方法在

现有预测模型基础上，基于机器学习，以不同预测超前时间的预测功率数据为

特征量，利用预测误差对预测模型进行迭代修正以提高预测精度。同时还分析

不同的数据输入量和数据特征对预测结果的影响，对比四种预测模型的预测精

度提升效果，结果表明所提方法具有极高的有效性和合理性，能够将预测误差

减少10%以上。

（4）提出一种平衡不同波动过程不确定性的储能配置方案。根据各类波动

过程的特点，提出采用场站-电网侧联合配储的方法消纳波动过程的不确定性。

I

哈尔滨工业大学硕士学位论文

根据多场站大波动过程和单场站小波动过程的储能需求，合理地配置场站侧和

电网侧储能容量。该方案与完全采用场站侧配储和完全采用电网侧配储结果的

定量对比分析显示，储能的装机容量分别减少了57%和20%。表明所提配储方

案所需储能装机容量更少的同时，还有效的消纳了小波动过程带来的不确定性，

进一步减轻了网侧的压力，具有极强的合理性和经济性。

关键词：风电功率波动过程划分；预测误差；风电功率不确定性时空统计特性；

场站-电网侧联合配储

II

哈尔滨工业大学硕士学位论文

Abstract

Withtherapidincreaseinwindpowerinstalledcapacity,theuncertaintyof

windpowerhasbecomeprominent,andtheuncertaintyischangingthetraditional

controllablepowergenerationmode.Astheproportionofwindpowerinthe

energystructurecontinuestoincreaseinthefuture,theuncertaintyofwindpower

willposegreaterchallengestothe