Page 18 - 新能源风力发电技术与自动化技术研究

新能源风力发电技术与自动化技术研究
Research on New Energy Wind Power Generation Technology and Automation Technology

间越大，预测值落在区间内的概率越大。
概率性预测方法繁复多样，根据建模时是否适用确定性预测结果，可以分为
风电功率概率预测和确定性风电功率预测误差概率预测。前者直接在建模时根据

实测数据得到风电功率概率分布；后者根据确定性预测误差为研究对象，得出误
差的概率分布，迭代回确定性预测结果中，得到概率预测区间。如何求得研究对
象的概率分布，可以根据研究对象概率分布的已知情况，分为参数估计、非参数
估计和半参数估计。

参数估计即风电功率或预测误差概率分布可以用已知的概率密度函数来描
述，由此可以将概率性风电功率预测问题转化为参数估计的问题，计算复杂度较
低，但是由于假设了已知的概率分布，当实际情况与假设不一致时，预测结果将
不理想。

非参数估计即不假设风电功率或预测误差概率分布已知，通过数据挖掘的方
法，比如核密度估计法来计算分布函数。由于不存在假设不合理的情况，预测效
果比参数估计的效果好，但是计算复杂度高。
半参数估计利用某种理论或先验知识对风电功率或预测误差概率分布的具体

形式进行限制。如运用得当，有望改善预测精度，且计算复杂度显著低于非参数
估计。概率性风功率预测方法与确定性预测中统计学习方法相结合，可以将确定
性预测结果拓展到区间预测。WAN C 等 [15] 提到的极限学习机（extreme learning
machine，ELM）就是其中一种，以广义逆矩阵理论为基础提出的新单隐层前向

网络，与传统的 ANN 相比，具有较好的非线性拟合能力，可以通过非线性映射
直接计算出风电功率区间预测结果，计算复杂度也不高。
（三）风电功率预测热点问题
1. 风电爬坡事件预测

风电爬坡事件是指风电功率在较短的时间尺度内发生较大变化，严重影响电
力系统安全稳定运行。一般使用爬坡方向、爬坡时间、爬坡率、爬坡幅度和起始
时间这 5 个量来描述风电爬坡事件。将风电功率突然增大的事件称为上爬坡事件，
主要由于大气低空急流、低压气旋、雷雨等极端气象事件引起；将风电功率突然

变小的事件，称为下爬坡事件，主要由于风机风速过大，超出了切出风速阈值，
机组被迫退出运行引起。风电爬坡事件是风电功率强随机性、强波动性和间歇性
的极端体现，美国曾在 2008 年 2 月发生过由于风电场发生爬坡事件，造成频率

6