2种风电功率预测模型的比较.doc

第 23 卷 第 6 期 第 620期11年 6 月 能 源 技 术 经 济 Energy Technology and Economics Vol ．23 No． 6 Jun. 2011 智 能 电 网 文章编号：1674-8441(2011)06-0031-05 2 种风电功率预测模型的比较 时庆华 1， 高 山 2， 陈 昊 2，3 (1. 山东省电力公司日照莒县供电公司，山东 日照 276500；2. 东南大学，江苏 南京 210096；3. 南京供电公司，江苏 南京 210008） 摘 要：采用 AR MA 模型对风电功率进行了预测，并由 AR MA 方程推导出卡尔曼滤波状态方程和测 量方程，从而将预测问题转化到状态空间，并利用卡尔曼滤波法预测了风电功率，比较了 2 种方法的 预测效果。实例表明，卡尔曼滤波法能够提高风电功率的预测精度，并在一定程度上解决了时间序列 分析法的预测时延问题，对电力系统的安全、稳定、经济运行以及提高运行效益具有重要意义。 关键词：风力发电；功率预测；AR MA；卡尔曼滤波 中图分类号： F272；TK01+8 文献标志码： A Comparison Study on Two Wind Power Forecasting Models SHI Qinghua1, GAO Shan2, CHEN Hao2,3 (1. Rizhao Juxian Power Supply Company, Shandong Electric Power Corporation, Rizhao 276500, China; 2. Southeast University, Nanjing 210096, China; 3. Jiangsu Nanjing Power Supply Company, Nanjing 210008, China) Abstract: Wind power forecasting is very important to wind farm planning and stable operation of the power system. In this paper, wind power is firstly estimated by means of the ARMA (Autoregressive Moving Average) model as built, and then the Kalman filter state equation and measurement equation are derived from the ARMA model to transform the forecast into state space, and finally wind power is forecasted with the Kalman filter method. A comparison on the forecasting performance between the ARMA model and the Kalman filter method suggests that the Kalman filter method effectively increases the forecast precision and to some extent solves the time lag problem of the time series analysis in forecasting, which has great significance to the safe, stable and economical operation of the power system. Keywords: wind power; power forecast; ARMA; Kalman filter 0 引言 可再生能源 （特别是风能） 的开发利用已得到 世界各国的高度重视[1- 9]。随着科学技术的发展，风 力发电技术也得到快速发展，大中型风电场相继建 成并投入运行，风力发电已逐渐具备大规模商业开 发的技术和经济条件[10- 23]，在电网中所占比例呈不断 升高之势。2000—2007 年，世界风力发电装机年增 长量在 20%以上，到 2007 年年底，全球风力发电机 收稿日期：2011-04-20 组装机总容量达到 93 GW，年发电量达 200 TW·h， 相当于全球电能消费总量的 1.3%。中国风电装机容 量自 2003 年以来进入高速增长期：2003 年，累计总 装机容量为 567 MW，2004 年为 764 MW，2005 年为 1 266 MW，200