基于爬坡特征和云模型的风电功率预测误差区间评估.pdfVIP

第46 卷 第11 期 2022 年6 月10 日 Vol.46No.11 Jun.10，2022 DOI：10.7500/AEPS20210603006 基于爬坡特征和云模型的风电功率预测误差区间评估 乔 妍，韩 丽，李梦洁 （中国矿业大学电气与动力工程学院，江苏省徐州市 221116） 摘要：为了满足电力系统优化运行对预测误差区间评估结果越来越高的可靠性要求，改善传统的 区间评估方法在发生小概率风电爬坡事件时较差的适应性，提出了一种基于爬坡特征分类和云模 型的风电功率预测误差区间评估方法。通过对每类数据分别建立模型以提高不同爬坡类型下评估 方法的适应性。首先，利用改进的旋转门算法识别爬坡后得到爬坡特征，并基于爬坡特征对预测误 差进行分类，对上爬坡类误差和下爬坡类误差分别建立云模型，对非爬坡类误差采用K-means算法 得到不同预测误差类型所对应的区间范围。然后，以风电功率和爬坡特征数据共同作为模型输入， 以预测误差类型为输出，建立评估模型，从而得到风电功率预测误差评估区间。最后，利用Elia网 站的风电数据进行算例分析。结果表明，所提方法的风电功率误差区间评估效果更优。 关键词：风电功率；预测误差；风电区间评估；爬坡特征；云模型；误差分类；改进的旋转门 算法 ［10］ 0 引言 合误差的参数型方法，以及利用分位数回归模型 、 ［11］ 核密度估计 等非参数型方法。文献［12］在此基础 当前世界各国面对化石能源日渐枯竭的情况， 上提出了基于动态云模型的短期风电功率区间评估 都将研究重心转移到风能等可再生能源的开发和利 方法，但风电功率预测误差在短时间内急剧变化的 用上。虽然风力发电具有能够改善生态环境等优 情况下，即发生风电爬坡事件时，更易产生实际功率 点，但风电的不确定性对于电力系统的安全稳定运 超过评估区间范围的结果。这是由于风电爬坡事件 行而言也是一个巨大的难题。而提前得到准确的风 属于小概率突发性事件，现有研究中的模型通常难 电功率预测结果，就能在了解发电规律的情况下进 以挖掘其规律。文献［13］通过数值天气预报风速和 行电网调度，不仅能够提高电力系统的安全稳定性， ［1-2］ 蒙特卡洛法得到了较好的区间评估结果，但该模型 还能降低运行成本 。国内外已有的研究大多为 在风电功率变化剧烈的时段误差较大，这是由于爬 传统的确定性风电功率预测方法，得到的是未来某 坡事件中风电具有更为强烈的随机性和波动性，导 一时刻下可能出现的确切风电功率值。常见的方法 ［3］ ［4］ 致该时段的评估精度降低。由于爬坡事件发生时风 有自回归滑动平均模型 、人工神经网络法 、支持 ［5］ 电功率的非线性远远高于非爬坡时段，且预测误差 向量机法 等。虽有较好的预测效果，但确定性预 相较于非爬坡段而言数值普遍更大，文献［