一种区域风电功率预测模式的研究

张秋慧 周博

摘 要：本文即对我国包含大量风电场的某区域的风电功率预测模式进行了研究，根据风电功率历史数据，通过空间相关性分析、灰色关联度分析及最小二乘拟合与贪心算法相结合的方式进行参考风电场最佳组合的选取，并对参考风电场进行风电功率预测，进而实现对区域的风电功率预测。

关键词：区域功率预测；参考风电场；相关性

DOI：10.16640/j.cnki.37-1222/t.2018.13.167

0 引言

由于风能具有波动性、间歇性等特点，风电场发出的风电功率也是波动的、间歇的[1]。同时，我国的风电场容量大，分布集中，而且主要分布在用电需求少、电网结构薄弱的西北地区、内蒙古地区等，这么多的风电，其波动性对电力系统的影响非常显著，因此准确的区域风电功率预测很重要。

目前，区域风电功率预测主要有两种方式：一种是对区域内每个风电场进行功率预测，然后将各风电场的功率预测值累加得到区域风电功率的预测结果，可称作汇总方式；另一种是将各风电场数据进行整合得到区域风电功率数据，然后用区域风`电功率数据直接进行预测[2]，可称作直接方式。

从理论上讲，汇总方式的预测精度更高一些，但该方式需要采集并通信每个风电场的功率、风速等数据，技术上可能存在难度，特别是在超短期时段，实时数据的收集难度较大。

本文对此种方式进行了较为深入地探究，特别是考虑到参考风电场选择对该种预测模式的重要性，以我国某区域为例对三种参考风电场的选择方式进行了进行了重点研究。

1 风电功率预测基准模型研究

1.1 提出方法

对于一个建有m个风场的区域而言，参考风电场的存在方式将出现2m-1种可能。当考虑所有组合时，需要建立复杂且计算时间较长的风电功率预测模型，这势必会消耗大量时间，影响风电功率预测的时效性。

1.2 最小二乘法性能评估

最小二乘法是可以被看做一种数学优化技术，它通过最小化误差的平方和能够得到一个在最小方差意义上的与试验数据最好的拟合模型。最小二乘法的应用可以快捷地得到所需数据，使实际数据和这些求得的数据之间误差的平方和取得最小值。

2 参考风电场选择方法

2.1 最小二乘拟合法

考虑到最小二乘法的简单快捷，通过最小二乘法对不同组合参考风电场进行风电功率预测，然后线性外推得到区域风电功率预测值，以与区域风电功率实际值之间的相对误差最小作为参考风电场的选择标准，选出最佳的参考风电场组合。

2.1.1 最小二乘法拟合原理

利用最小二乘法進行数据拟合是一种数学上的近似与优化，利用已知的数据拟合出一条直线或者一条曲线，使其在坐标系上与已知的实测数据之间的距离的平方和最小，利用这样的方法得到试验数据最好的拟合模型。

假定有一个变量y，它与一个n维变量X=（X1，X2，…Xn）呈线性关系，即：

2.2 空间相关性法

一般而言，某一地区的气象条件一般具有较好的可比性，风速变化规律范围内的同一区域与风速规则的相关性相近，而与区域水平相关的近距离数据必须较高。因此单个风电场的功率与区域风电功率必然存在一定的相关性。

2.3 灰色系统关联度分析法

所谓灰色关联度是指描述两个系统或两个因素的关联性大小的一种度量。灰色系统相关分析方法可以对各因素的序列、曲线和形状的发展趋势做出较好的分析和判断。本文通过灰色系统相关分析，提出了参考风场的选择。

2.3.1 原理与方法简介

灰色关联度描述系统发展过程中因素间相对变化的情况。如果二者在系统发展的过程中相对变化规律基本一致，则认为二者的关联度较大；反之，则认为二者关联度较小。

3 区域风电功率预测步骤

步骤1参考风电场选择。首先采用最小二乘方法拟合模型，随后利用空间相关性模型、灰色系统关联度分析方法与贪相结合的方式，分别以与区域风电功率实际值之间的相对误差最小、空间相关系数最大、灰系统色关联度最大最为参考风电的选择标准，进而选出最优的参考风电场组合。

步骤2对参考风电场进行功率预测。在参考风电场选定之后，对每组选定的参考风电场预测模型进行测试，预测参考风电场风电功率。

步骤3区域风电功率预测。采用线性外推的方法，把参考风电场的风电功率预测扩展到区域的风电功率预测。所谓线性外推方法，是指利用区域风电场与参考风电场之间的装机容量比作为比例倍增因子，从而完成参考风电场功率预测到区域功率预测的线性外推。

4 算例结果

本文以某区域24个风电场一个季度的数据作为参考样本，样本数据的时间分辨率为三十分钟。通过本文中所叙述的方法对不同风电场组合的选择进行分析比对，得到其对区域风电功率预测误差的影响。

这24个风电场坐落在区域南部的有14个，区域东部的有6个，区域西部的有4个。根据风电场的地理位置将其划分为三个子区域，随后对每个风电场功率占区域风电功率的百分比进行计算与标注。

参考文献：

[1]贺电.大型风电场短期功率预测研究[D].北京交通大学，2010（06）.

[2]肖永山.风电场短期产能预测研究[D].乌鲁木齐，新疆大学，2007.