Page 17 - 新能源风力发电技术与自动化技术研究
P. 17
第一章 新能源发电功率预测
一类为地势平坦区域，不同点的风速相关性较强；第二类为峡谷地区，不同点的
风速相关性根据不同地形条件不同；第三类为山区，地表粗糙度较高，遮挡物多，
风速相关性较弱；第四类为不规则地形区，风速相关性不确定。LIU J[11] 等得
出了月份、季节的不同，风速表现出的特征模式不同的结论。
（3）集成预测法
集成预测法是目前风电功率研究的热点方法之一，一般分为多模型组合和多
算法混合。多模型组合由于它结合各个单一模型的有用信息，所以预测精度有一
定的提高，其主要目的是对各种单一模型取长避短，利用每种模型的优点组合起
来超越单一模型的预测精度。其研究难点在于如何稳定的发挥某一种模型的优点
和各个单一模型之间如何组合。ANDREW K [12] 等基于最大信息熵的原理，建立
了基于多种预测模型的风电功率组合模型，相对于单一的模型来说，文中提出的
方法提高了预测精度。MATHABA T [13] 等建立基于支持向量机和人工神经网络的
预测模型，通过采用不同确定性权重因子来对预测模型进行混合。研究结果表明，
这种组合方法虽然与权重的选择有一定的关系，但是不同的权重下均能够降低预
测误差。多算法混合是针对风电功率的数据特点，针对算法本身的优势，将多种
算法进行混合，以便在一次预测过程使用，提高预测精度。TABATABAI M A [14]
等采用经验模态分解和人工神经网络进行混合，首先对风电功率序列进行分解，
进而针对分解后的子序列分别使用人工神经网络进行预测，再将各个子序列的预
测结果进行重构，最终得到功率预测结果，研究结果表明效果较好。
2. 概率性风电功率预测方法
风电功率预测的最大挑战是存在预测误差。电力系统高效安全稳定运行需要
电网功率时刻与负荷平衡，风电功率预测的不确定性给这一目标的实现带来了困
难，为了更有效保证电力系统运行，需要预测模型能在一定程度上描述预测结果
的不确定性。概率预测方法是确定性预测方法的拓展，风电功率的数据序列可以
看作是随机过程，可以在随机优化的框架下进行研究，使用概率密度函数和概率
分布函数来描述风电功率的不确定性。与风电功率的确定性单点预测相比，概率
性风电功率预测方法不仅能提供预测结果变动范围，还能估计出确定性预测值出
现的概率，相比于确定性预测方法，能提供更多的量化信息表征不确定性，有助
于发电计划的提前安排，确保电力系统安全稳定运行。概率性风电功率预测方法
可以预测风电功率按照多大的概率落在某个区间内，预测方法一定时，预测的区
5
