基于实测数据的风电场风速和风功率短期预测研究

风力发电是可再生能源发电技术中发展最快和最为成熟的一种。近几年我国的风电装机容量增长迅速,其在电网中所占的比例不断提高,风电并网给电网带来较大的影响,导致电网调峰调压困难,为了减小这种不利影响,对风速和风功率进行提前预报,将有助于电网调度部门提前了解即将入网的风电功率,便于电网合理调度,保证供电质量。 本文以吉林省洮南风电场的实测数据为基础,在讨论了风速和风功率的日变化特点、风速和风功率的波动特性及其关系、风速特性及小时风速的分布特性之后,采用基于历史数据的方法,对风电场单台风机的风速和风功率短期预测建模进行研究,并给出了提前1小时和提前4小时的预测值。 首先对ARMA时间序列技术进行了深入的研究,通过模型识别、参数估计以及模型检验,提出了适用于该风电场单台机的ARMA(6,1)模型。ARMA模型短期内预测风速是可行的,提前4小时预测的精度较1小时预测的精度下降不是很明显,说明在一定的误差允许范围内,采样动态预测能提高预测的步长。 然后将混沌时间序列的相关理论引入到风速、风功率预测中。用C-C法求取了重构相空间的参数;时间序列的Lyapunov指数大于零是衡量原系统具有混沌性质的标准,用小数据量法计算风速、风功率时间序列的Lyapunov指数均大于零,证明了其具有混沌特性。在此基础上,采用一阶加权局域预测的方法对风速进行预测,相对于ARMA法,混沌时间序列法预测结果的各项误差指标有明显的改善,预测效果更好一些。 最后应用混沌时间序列预测法直接对风功率进行预测,并与功率曲线转换法进行对比,发现直接预测的效果更好些,误差可降低两个百分点左右。在气象等其他因素未知,单纯采样历史数据的情况下,建议应用混沌时间序列法直接对风电场的风功率进行预测。