基于数据驱动的短期风电出力预估–校正预测模型

提高风电出力的预测精度可降低含高渗透率风电电力系统调度、优化、规划等策略的保守性和控制策略的复杂性。该文在分析风电出力历史数据与气象因素关系的基础上,建立了基于风电出力数据驱动的短期风电功率预估–校正预测模型。采用具有较高精度的小波神经网络预测模型实现预估环节,以自适应动态规划作为附加优化结构,利用风电出力实测数据及时更新预估模型中的参数,实现校正环节,使得预估模型能够适应风机在额定风速以下运行区域内多变的运行点。测试结果表明,该方法在风机出力变化频繁时,能获得比BP、GABP预测模型更高的精度。