基于一次/二次指数平滑法的风功率预测方法*

2021-11-15徐彦农王一帆王浩淳田辰蔚张兆欣李昕潞

南方农机 2021年21期

徐彦农，王一帆，王浩淳，田辰蔚，张兆欣，李昕潞

（中国矿业大学，北京 100083）

0 引言

对风电功率进行及时准确的预测，可以显著增强电力系统的安全性、稳定性、经济性和可控性，研究风功率预测技术具有重要意义[1]。但由于风速风电功率输入数据序列误差、预测模型精度误差、功率特性曲线拟合准确度误差等方面影响，区域风电功率预测误差较大[2]。

国外风电功率预测技术起步较早，20世纪80年代就开始了风电功率预测相关技术研究。开发了Prediktor 系统和 WPPT（Wind Power Prediction Tool）系统，并将两者整合为Zephry系统[3]。德国的太阳能研究所开发了风电功率管理系统（WPMS）；西班牙、爱尔兰、法国等国家也都开发了各自的风电功率预测系统[4]。

国内科研机构已取得多项研究成果。文献[5]为了提高预测精度，搭建了基于神经网络的风功率预测模型，并应用于吉林电网调度中心。文献[6]将分析得出的粗糙集理论影响风速预测的主要因素，作为中长期风速预测模型的附加输入，建立基于粗糙集混沌神经网络预测模型。文献[7]采用 WRF 中尺度数值预报模式选择合适的网格分辨率对风电场风速进行预测。文献[8]为了建立组合预测模型预测风电功率，提高预测精度，利用交叉熵理论判断各预测方法的相互交叉程度。文献[9]利用经验模式分解理论将风电功率时间序列分解为随机分量和趋势分量，采用径向基函数神经网络和最小二乘支持向量机进行混沌预测，再拟合各分量得到最终结果。

课题组采取了一种基于指数平滑法的风功率预测方法。阐述了指数平滑法的基本原理，建立了基于一次/二次指数平滑法的预测模型，并以预测模型为核心，形成了预测方法及流程。最后进行了算例分析，对历史数据进行预测并计算预测误差。

1 基于一次/二次指数平滑法的预测模型

1)基于一次指数平滑法的模型。对风功率观测数据建立一次指数平滑模型，其预测公式为：

一次指数平滑法适用于风功率短期预测。

2）基于二次指数平滑法的模型。二次指数平滑法是在一次指数平滑的基础上再平滑，同时也结合了历史平均和变化趋势，对风功率观测数据建立二次指数平滑模型，其预测公式为：

2 基于一次/二次指数平滑法预测模型的预测方法

1）对于历史数据的采集和整理。为了对未来的数据进行预测，需要对历史的数据进行采集和选取，为了保证预测数据充分汲取了历史数据的特征，需要按照时间序列选取n个历史真实数据，并对其进行简单处理和整理。

2）确定预测模型。根据一次指数平滑法的数学模型来确定预测模型，如果需要考虑历史趋势对预测值的影响，在一次模型的基础上确定二次指数平滑法的预测模型。

3）制作模型。根据历史数据的特征，确定平滑系数的取值范围，利用试算法首先确定一个模型中平滑系数的值，得出预测公式。

4）编写程序。根据确定的预测公式编写计算机语言，研究小组基于Microsoft visual studio（VS）平台编写C#语言，根据历史数据计算未来的预测数据。

5）利用模型进行预测。在程序中输入选取的历史数据，并计算出预测结果。

6）算例分析。将预测结果进行整理，根据时间顺序得出表格，也可将其绘制成曲线图，并与真实数据作对比，计算预测值与真实值的误差。如误差过大，则回到第三步重新确定平滑系数的值，重新进行预测结果的计算，如此重复，直至得到与真实结果误差最小的预测模型。

根据以上的多次试算，得到最合适的预测模型并得到预测结果，流程如图1所示。

图1 预测方法流程图

3 单点预测

为了验证本研究采用的指数平滑法应用到电力系统风功率预测中，以某个电力系统的实际数据为例，通过选取不同的平滑系数，进行风功率预测，并对预测的结果进行分析。

采取某地区3月20日0:00—8:00区间段的出力功率数值作为历史数据，步长设置为15 min，使用不同的平滑系数分别进行一次平滑处理和二次平滑处理，推算出时间为8:15的功率预测值。本研究采用平滑指数法将历史真值和预测可能值在一个图表中展现，来直观了解风电出力的趋势。利用平滑指数法得到历史风功率的预测值并与历史真实值作比较，在本研究设置的预测步长的基础上，该模型能将一定时间内风功率预测值的上下限表示在图中，如图2、图3所示。由图2和图3可看出，在一定的平滑系数范围内，一次平滑系数越大，得到的一次平滑曲线趋势越准确；二次平滑曲线随系数变化出现波动的趋势。通过时间序列误差分析对实验结果进行处理，得到一次模型和二次模型的平均相对误差分别为0.008 7和0.005 2，如表1所示。