风电功率超短期多步预测的可预测性研究

Networking operation of wind power generation is an effective way to achieve large-scale development and utilization by wind energy,but wind power is driven by the wind near-earth , so it has random volatility. The accurate prediction of wind power is an important way to improve the safety and economy of wind power system operation in large scale. Wind power prediction uses the prediction methods to tap the law of wind power fluctuation. On one hand,the accuracy of wind power prediction depends on the characterize the degree of accuracy for wind power fluctuations under the used prediction method.On the other hand, it depends on the inherent degree of predictability in the characteristics of wind power fluctuations .This project will focus on the predictability of wind power , build predictability indicators for the wind power prediction and target to evaluate the predictability of wind power in ultra-short-term multi-step prediction ,then reveal the relationship of wind power power forecast accuracy, time series sampling scale and wind farm scale. The results of this project not only be able to objectively evaluate the pros and cons of wind power prediction method ,but also can determine the fair requirements based on the predictability of different wind farms.so it can improve the size of wind power network for existing power system , then promote the development and utilization of wind energy in large scale.

风力发电联网运行是实现风能大规模开发利用的有效手段，风电机组输出功率受自然界中近地风的驱动，具有随机波动性。对风电场输出功率进行准确预测是提高含大规模风电电力系统运行安全性和经济性的重要途径。风电功率预测是利用预测方法来挖掘风电功率波动规律，风电功率的预测精度一方面取决于所采用预测方法对风电功率波动规律性刻画的准确程度；另一方面也取决于风电功率波动特性中固有的可预测程度。本项目将围绕风电功率可预测性进行深入研究，构建风电功率可预测性指标，以客观评价风电场超短期风电功率多步预测的可预测性为目标，揭示风电功率预测精度、预测时间尺度以及风电场规模三者之间的关系。利用该结果不仅可以客观地评价风电功率预测方法的优劣，还可以为不同风电场确定切实可行且公允的预测精度要求提供科学依据，本项目研究成果有利于提高既有电力系统的风电并网规模，促进风能的大规模开发利用。

对风电场输出功率进行准确预测是提高含大规模风电电力系统运行安全性和经济性的重要途径。风电功率预测是利用预测方法来挖掘风电功率波动规律，风电功率的预测精度一方面取决于所采用预测方法对风电功率波动规律性刻画的准确程度；另一方面也取决于风电功率波动特性中固有的可预测程度。.本项目围绕风电功率可预测性进行了深入研究，构建了风电功率可预测性指标，分析了风电功率多时间尺度下波动特性，揭示了风电功率预测精度、预测时间尺度以及风电场规模三者之间的关系。本项目研究成果有利于提高既有电力系统的风电并网规模，促进风能的大规模开发利用。.主要研究内容及成果如下：.1. 本项目提出了风电功率异常数据识别与批量修正方法，在单一补齐数据方法的基础上,采用自适应神经模糊推理系统(ANFIS)模型对丢失数据进行补齐和优化.对实测数据的仿真计算结果表明,用所提出的方法进行数据补齐后风电输出功率的计算结果平均相对误差降低,准确率提高，保证了大规模风电数据的完整可用性。.2. 本项目提出了利用混合t location-scale分布拟合风电功率波动的概率密度分布情，从风电场内风电功率波动的时间分布特性和空间分布特性两方面进行研究，分别比较不同采样间隔和不同机组数量的风电功率波动的时空分布的概率拟合效果，并与其他典型分布进行对比，验证了其有效性和普适性，为风电功率概率区间预测提供了理论基础。.3. 本项目分析了风速空间分散性带来全场风电功率计算和预测误差的机理。建立了评价风速空间分散性和机组风速-功率传变特性分散性对误差影响的分析架构。给出了各种误差间的相互关系。实例表明，即使风电场的平均风速预测完全准确，全场风电功率预测误差标准差仍较明显，其中风速空间分散性带来的误差占较大比重，揭示了以风速预测为先导的全场风电功率可预测性机理。