一种基于数理统计的短期风速预测修正方法

近年来，随着化石能源危机、环境污染和温室效应等问题的日益加剧，风能已成为当今世界增长最快的可再生能源。但由于风电具有很强的随机性和波动性，风电事业的发展受到了很大的限制。对风电场和风速进行准确的预测，将有利于电力系统调度部门调整调度计划，减轻风电对电网的不利影响，同时有效地减少电力系统的运行成本以及旋转备用，并且有利于在电力市场环境下制定正确的电能交换计划。

目前，风速预测方法主要有，卡尔曼滤波法、时间序列分析法、人工神经网络法、模糊逻辑法、空间相关性法、小波分析法以及上述方法的各种组合等，利用这些方法进行的风电场风速预测的误差在25%～40%左右。预测误差不仅与预测方法有关，还与预测周期以及预测地点的风速特性有关。

由于预测的滞后性，现有的风速预测方法均存在着在风速突变点预测误差较大，进而降低整体预测效果的情况，且通过改善预测方法本身并不能得到有效地解决。同时，当前对风速预测的研究更多的是从预测方法改进的角度出发，但预测效果并没有随着预测方法的日益复杂而得到有效的提高，尤其是风速突变点预测误差较大的情况迄今未得到有效的改善。

鉴于上述分析，作者从短期风速预测修正的角度出发，提出了一种基于历史风速数据波动特性及置信水平的风速预测修正方法。该方法先对风速历史数据进行统计分析，根据不同的置信水平确定的预测时刻的风速波动范围，之后对现有成熟的预测方法获取的预测结果进行修正，从而提高整体预测精度。

欲了解进一步详情，请参阅即将出版2013年的第11期《电气技术》杂志。