【本刊学术】基于多位置NWP与主成分分析的风电功率短期预测

北京信息科技大学电气工程系、北京理工大学自动化学院的研究人员王丽婕、冬雷、高爽，在2015年第5期《电工技术学报》上撰文，数值天气预报（NWP）信息对风电功率短期预测模型的准确性起着重要作用。考虑风电场周围多个位置的NWP信息，提出聚类分析与主成分分析相结合的方法对风力发电功率短期预测进行研究。

通过聚类分析提取历史数据中与预测日NWP最相近的样本，然后用主成分分析法对样本日信息进行处理，获得更加准确反映风电场特性的参数。通过对依兰风电场的发电功率进行预测，证实了该方法的有效性，其精度比基于单位置NWP的预测模型提高了4.65%。

随着风力发电技术的不断发展，风电单机容量和并网型风电场的规模都在不断增加，在电力需求中所占比例也越来越大。如果穿透率过高，风速的间歇性和波动性将会对电力系统的安全稳定运行以及电能质量带来不利影响[1]。如果能对风速和风电功率进行比较准确的预测，可以大幅降低电网旋转备用容量，从而有效降低风力发电系统成本，并且为电网运行调度提供可靠的依据[2]。

风电功率预测按照预测的时间长度可以分为超短期预测和短期预测。超短期预测主要使用风电场SCADA系统记录的风速、功率等历史数据来建模，可预测的尺度一般是几个小时，主要用于对风电场的运行进行控制和稳定电能质量。短期预测必须使用数值天气预报（NWP）数据，能预测提前几十个小时到几天的发电量，用于电网调度以及风电功率竞价上网[3]。

我国用于风电场发电功率预测的专用数值天气预报的开发比较晚，所以早些年很多研究及成果都集中在风电功率的超短期预测上。文献[4，5]所采用的主成分分析法是对SCADA系统采集的风速、风向、温度、湿度等进行处理，仅能预测未来几小时的发电功率。预测时间较短，不能满足电力系统运行调度的需要。

国外对风电功率预测的研究起步很早，已经出现了很多商业软件，所以预测所需的数据比较完善。数值天气预报直接会影响风电功率预测模型的准确性[6]。文献[7]采用风电场周边多个位置的NWP信息来提高模型的精度，但是只考虑了10m高度处的风速、风向。文献[8，9]都是使用多个NWP模型参与风电场功率预报，一个模型的分辨率低，提供初值和边值条件，另一个模型的分辨率高，提供更精确的气象信息。而我国目前还没有多个独立的天气预报系统同时进行风电场需要的气象预测。

因此，在仅有一个天气预报系统的条件下，本文提出了主成分分析法与多位置NWP相结合的短期风电功率预测方法。综合考虑风电场周围多个位置多个高度的NWP信息，首先采用聚类分析法提取出与预测日信息最相近的样本，然后用主成分分析法对样本日信息进行处理，得到对风功率影响比较大的主要成分作为神经网络模型的输入。将该方法应用于我国依兰风电场的实际功率预测中，取得了令人满意的结果。

结论

由于数值天气预报信息对风电功率预测的准确性有较大的影响，本文将聚类分析、主成分分析、多位置NWP三者结合起来，进行风力发电功率的预测。多位置NWP包含了风电场周围不同地点不同高度的气象信息，聚类分析能提取出与预测日NWP最接近的历史数据来作为训练样本，主成分分析能获得更加准确反映风电场特性的参数。

该方法有效降低了训练数据量，减少了输入样本的维数，降低了网络训练的难度，提高了模型的预测精度。与只使用一个位置NWP建模相比，风电功率预测的平均绝对误差由17%降低到12.35%。

★会议预告★