Page 20 - 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

3. 预测评价
投入商业运行的风电场需要接受国家能源部门的监管，满足电网的调度要求，
对风电场运行是否满足调度并网要求进行奖惩。对常规风功率点预测的评价标

准主要有平均绝对误差（average absolute error，MAE)、均方误差（mean square
error，MSE)、均方根误差（root mean square error，RMSE)、标准差（standard
deviation error，SDE）等。MAE 表示预测误差的实际情况；MSE 和 RMSE 表示
误差的分散程度；SDE 表示误差分布的标准差估计。国家能源局发布的《风电场

功率预测预报管理暂行办法》中要求，风电场功率预测系统提供的日预测曲线最
大误差不超过 25%，实时预测误差不超过 15%，全天预测结果的 RMSE 应小于
20%。
概率性风功率预测的评价标准主要从概率性预测结果的可靠性和预测区间应

尽量窄两方面考量。即要求风功率落在预测区间的概率应尽可能接近置信度，且
不确定性尽量集中，若预测区间过大，将对决策没有任何意义。当前风电预测模
型理论高精度和应用时的实际精度之间存在着一条鸿沟，该问题影响了风电预测
模型的工程实际应用。对风电预测方法的正确评价，是弥合这条鸿沟的重要手段。

当前文献中最常见的 MAE、MSE 比较法，可能存在着受结果随机性干扰、透支
使用建模以外数据、不能评价不对称损失等问题。IEEEPES 能源预测工作组长期
致力于预测评价方面的研究，结合三届（2012，2014 和 2017）具有广泛影响力
的全球能源预测竞赛对该问题进行了一系列有价值的探索 [20][21] 。CIGREC1.32 工

作组针对包括预测评价在内的能源预测技术开展了广泛的国际调研工作，通过深
入分析调查问卷后发现：风电等新能源发电技术的大量应用将对能源预测带来深
远的影响 [22] 。
风功率预测的主要目标是尽可能快速准确的提供预测值，减少弃风，优化调

度计划和机组组合，使风电机组尽可能多的并网。统计学习预测方法在超短期、
短期预测风功率预测领域广泛使用，但在某些复杂地形、范围较大风电场的预测
中，与物理预测方法结合使用，预测效果会更优。概率性风电功率预测是未来风
电预测的重点研究方向，该方法能对风电功率预测不可避免的预测误差提供较为

详细的描述，为电力系统运行控制提供更加全面的风电功率信息支撑。风电功率
爬坡事件预测能降低发生爬坡事件时对电力系统的影响，在对风电功率进行预测
的同时，也要对爬坡事件进行识别。目前爬坡预测研究处于起步阶段，是需要关

8