[发明专利]一种风功率时间序列组合预测方法

说明书

技术领域

本发明涉及新能源发电过程中风电功率预测技术领域，特别是涉及一种风功率时间序列组合预测方法。

背景技术

在全球面临着能源危机和环境危机背景下，风力发电是未来数十年最有竞争力的可再生能源之一，风能储量巨大，利用风能来发电，不仅能减少环境污染，还能减少电力系统的燃料成本，带来可观的经济效益。

截止2010年底，我国风电总装机超过美国，跃居世界第一；截止2014年12月，江苏电网并网风电装机容量已达297万千瓦，约占江苏电网总装机容量的3.7％，成为仅次于火电的第二大主力电源。随着风力发电装机总量的迅猛增长，风电自身固有的间歇性、波动性已成为阻碍风电接入电网的主要因素。全国各主要风电基地弃风现象频发，风电企业有风发不了电，有电送不出；同时电网企业为最大限度消纳风电，在缺乏高精度的风功率预测技术支撑的情况下，只能在发电计划中不断提高发电机组的备用容量，这必然导致机组发电经济性的不断恶化。

对风电进行准确的预测，能够大幅度降低风电对电网的影响，经验表明，准确可靠的风电预测系统是降低发电备用容量、提升电力系统的经济运行水平、提高风电渗透率的关键因素；同时可为新能源发电实时调度、新能源发电日前计划、新能源发电月度计划、新能源发电能力评估和弃风电量估计提供关键信息。

近几十年，为了解决风电的精确预测问题，科研人员主要借助基于数值天气预报的预测方法、统计学方法(持续预测法，自回归滑动平均法，人工神经网络法)、混合预测方法，对提高风电场风功率预测准确度的方法进行了探索，并取得了一定成果。但现有的风功率预测方法的预测精度仍不高，国际先进的风功率预测系统误差在15％左右，不能满足工程需要。

发明内容

发明目的：本发明的目的是提供一种预测精度高、弃风电量少的风功率预测方法。

技术方案：为达到此目的，本发明采用以下技术方案：

本发明所述的风功率时间序列组合预测方法，包括以下的步骤：

S1：按日采集待预测的风电场的风能发电功率数据，即历史风功率数据，并将采集到的历史风功率数据生成一个相应的时间序列量X，作为训练样本集；

S2：利用训练样本集X，以时间序列预测模型为核模型，采用直接多步预测法，计算生成风功率预测序列X_DMS；

S3：利用训练样本集X，以时间序列预测模型为核模型，采用滚动多步预测法，计算生成风功率预测序列X_IMS；

S4：按日对风功率预测序列X_DMS、X_IMS和训练样本集X进行统计分析，在置信度系数α下计算得出各自的高准确预测时间范围T_DMS和T_IMS，其中∑T_DMS+∑T_IMS＝24小时；

S5：采用时间序列预测模型作为核模型，在时间范围T_DMS内采用直接多步预测方法对待预测日在时间范围T_DMS内的风功率进行预测，得到时间范围T_DMS内的预测结果；在时间范围T_IMS内采用滚动多步预测方法对待预测日在时间范围T_IMS内的风功率进行预测，得到时间范围T_IMS内的预测结果；

S6：将时间范围T_DMS内的预测结果和时间范围T_IMS内的预测结果进行组合，形成完整的待测日风功率预测结果；

以上步骤S1、S4、S5和S6中所述“日”为24小时。

进一步，所述步骤S4包括以下的步骤：

S4.1：按日对风功率预测序列X_DMS和训练样本集X进行预测误差计算，在置信度系数α下计算得出直接多步预测方法预测误差带的平均误差曲线E_DMS；

S4.2：按日对风功率预测序列X_IMS和训练样本集X进行预测误差计算，在置信度系数α下计算得出滚动多步预测方法预测误差带的平均误差曲线E_IMS；