超短期风电功率预测模型研究

在电力系统调度领域，可预测性是处理风电波动带来的不确定性的关键。准确预测风电机组的发电量有助于电网调度人员提前安排好发电计划，减少系统运营商在电力规划和调度中所面临的困难，因此超短期风电功率预测模型的研究具有重要的现实意义。 本文研究了Markov模型和ARIMA模型在风电功率预测中的适应性。针对ARIMA模型采用Eviews软件建模，首先对功率数据的平稳性进行分析，结果显示功率数据具有明显的非平稳性，需要进行差分处理，之后根据模型定阶原则选择合适的ARIMA模型进行动态预测；针对Markov模型进行研究时，首先根据等分法由粗到细划分四种状态空间，并对每种状态空间数都建立一阶Markov模型进行多步预测，研究不同状态空间数对预测精度的影响情况，同时改进了预测单点值的提取方法，使Markov模型可以获得合理的单点预测值。最后选择基准模型即PM模型同Markov模型、ARIMA模型的预测结果进行比较，通过对一个小型风电场实测功率数据的数值分析，结果显示：高状态空间数的Markov模型在多数情况下可以获得更高的预测精度，且Markov模型在功率预测方面具有更强的适应能力，同时Markov模型还提供了风电功率预测值的不确定分析即概率分布，其结果将为风电管理者提供进一步的决策依据。 风电功率预测的理论研究能够改善电能供应与需求的匹配关系，并且本文的研究是基于风电场的实际运行数据，因此对于风电并网调度工作具有一定的理论意义与实际意义。