风电输出功率预测方法与系统

风电具有波动性和间歇性,大规模风电接入系统对电网的安全稳定运行带来了严峻挑战。风电输出功率预测是解决大规模风电接入问题的关键技术之一,可以为风、光、储、水等多种电源多点接入互补运行和接入电网的调度控制提供支持。目前,国内针对风电输出功率预测方法的研究还不够深入,预测系统的开发相对较少,缺乏成熟的实践经验。可见,对风电输出功率预测方法进行研究具有重要的理论意义和现实意义。 本文以两个典型的风电场为对象,对风速预测方法、功率曲线建模方法和风电输出功率预测方法展开了系统的研究,以探求精度更高的风电输出功率预测方法,并为风电输出功率预测技术路线的制定和预测系统的开发提供指导。同时,根据需求分析研发了风电输出功率预测系统。主要成果如下: 1、风速预测是风电输出功率预测的重要基础,对风速预测方法进行了研究。 1)提出了一种以经验模式分解(Empirical Mode Decomposition,EMD)为核心的风速预测新方法,通过与常规风速预测方法对比分析,对基于EMD的风速单步和多步预测方法进行了系统研究。结果表明,由于经过EMD处理,原始风速时间序列被自适应地分解为多个相互正交的分量,从而降低了建模和预测难度,提高了风速预测精度。同时,基于EMD的风速直接多步预测模型中,对重构所得分量多步预测结果进行自适应叠加,能够削减偏差较大分量对整体预测结果的影响,进一步提高多步预测精度。 2)提出了一种基于混沌分析和RBF的风速直接多步预测方法,通过与其它常规方法对比分析,表明由于对原始风速时间序列进行了相空间重构,能够更好地反映风速内在变化规律,并且为RBF网络结构的确定和训练样本的选择提供依据,故其直接多步预测精度较RBF更高。 2、基于功率曲线进行风电功率预测是一种有效方法,对功率曲线建模方法进行了研究,提出了一种新方法-指数遗忘建模法,通过测试表明,以实测风速或预测风速作为输入求取功率,指数遗忘法均具有较高的精度。该方法物理意义明确,简单易行,适用于风电输出功率预测。 3、对风电输出功率预测方法进行了系统研究,包括两种预测途径和多种预测算法。结果表明,进行风电输出功率超短期预测时,应根据不同的预测对象选择相应预测方法,而预测时采用基于EMD的算法能够普遍提高预测精度。在此基础上,提出了适合我国国情的风电输出功率预测技术路线。同时指出,当进行风电输出功率短期预测时,在数值天气预报数据积累不足和不够成熟稳定的情况下,采用功率曲线法较神经网络法具有更高的精度。 4、开发了风电输出功率预测系统,实现了对风电输出功率的超短期和短期预测。在多个风电场和地区电网调度的实际运行结果表明,系统安全可靠、用户界面友好,可操作性强,能够高精度地实现预测功能,且不受风电机组检修、停机、风电场扩建的限制。