短期风电功率预测误差分布研究.pdfVIP

短期风电功率预测误差分布研究.pdf

第41卷第12期电力系统保护与控制VOI．41No．12

2013年6月16日Jun．16．20I3

短期风电功率预测误差分布研究

刘立阳，吴军基，孟绍良

(南京理工大学能源与动力_7-程学院，江苏南京210094)

摘要：短期风电功率预测一直是风电领域的研究热点，提出采用带位置和尺度参数的t分布描述风电功率预测的误差分布。

分别采用差分自回归移动平均模型和BP神经网络，根据风电场实测数据进行功率预测，对两种预测模型产生的误差进行分

析，验证了带位置和尺度参数的t分布可以有效描述预测误差分布。短期风电功率预测研究发现，带位置和尺度参数的t分

布对误差的拟合优度高于正态分布，其各项参数可作为评价预测算法准确度的指标，通过分析分布参数可以直观了解预测算

法的性能。

关键词：风电功率预测；误差分布；带位置和尺度参数的t分布；差分自回归移动平均模型；BP神经网络

Researchonerrordistributionofshort—termwindpowerprediction

LIULi—yang，wuJun~i，MENGShao-liang

(SchoolofEnergyandPowerEngineering，NanjingUniversityofScienceandTechnology,Nanjing210094，China)

Abstract：Short—termwindpowerpredictionisapopularissueintheresearchfield．Thispaperproposesflocation—scaledistribution

todescribetheerrorsdistributionofwindpowerprediction．Basedonthemeasureddatainwindpowerplants，autoregressive

integratedmovingaveragemodelandbackpropagationneuralnetworkareadoptedtoanalyzetheerrorsoftwoforecastmodels

respectivelNprovingthatthetlocation—scaledistributioncandescribeeffectivelytherfequencydistributionofforecasterrors，andthe

specificresearchdatashowthatthegoodnessoffitoflocation-scaledistributionisbetterthanthatofnormaldistribution．

Parametersoflocation—scaledistribution，astheindicatorsforjudgingtheaccuracydegreeofthepredictionalgorithm，makeit

availabletoanalyzeitsperformancedirectly．

Keywords：windpowerprediction；errordistribution；t1ocation—scaledistribution；ARIMA；BPneuralnetwork

中图分类号：TM715文献标识码：A文章编号：1674—3415(2013)12-0065．06

风电功率预测方法也可根据预测的物理量进行

0引言

分类，一是直接预测风电机组或者风电场的输出功

在风力发电领域风电功率预测算法一直是研究率，二是对风速等气象信息进行预测，再通过相关