1、為何要對多風(fēng)電場的輸出功率進行預(yù)測？
　　截止到2013年年底，我國大陸累積風(fēng)電裝機總?cè)萘窟_91,424MW。風(fēng)電場多集中分布在黑龍江、甘肅等風(fēng)能較豐富的地區(qū)，其中一些地區(qū)已實現(xiàn)大規(guī)模風(fēng)電并網(wǎng)。例如，黑龍江電網(wǎng)包含45個并網(wǎng)風(fēng)電場，并網(wǎng)容量達3,153MW，占該地區(qū)總裝機容量的14.8%。由于風(fēng)電發(fā)展速度極為迅速而輸電網(wǎng)絡(luò)的擴建相對較為緩慢，電網(wǎng)中輸電阻塞頻繁發(fā)生。為了提高大規(guī)模風(fēng)電并網(wǎng)系統(tǒng)運行的安全性和經(jīng)濟性，在電網(wǎng)調(diào)度中考慮輸電約束，預(yù)測單個乃至整個地區(qū)的風(fēng)場輸出功率是必要的。此外，還需要對多個風(fēng)電場的輸出功率之間的相關(guān)性進行估計，以充分利用電網(wǎng)的可調(diào)節(jié)容量。
　　2、為何要進行風(fēng)電場輸出功率的場景預(yù)測？
　　雖然很多學(xué)者們已在提高輸出功率預(yù)測的準確性方面付出了很大努力，但目前仍然很難實現(xiàn)風(fēng)力發(fā)電的精確預(yù)測。因此，在預(yù)測中包含不確定性信息對電力系統(tǒng)的運行至關(guān)重要。為實現(xiàn)這一目標，一些專家提出了一些參數(shù)或者非參數(shù)方法，如分位點回歸方法、區(qū)間估計方法及概率密度預(yù)測方法。這些方法可以以多種形式為用戶提供風(fēng)電功率預(yù)測的不確定性信息。
　　風(fēng)電場輸出功率的時空關(guān)聯(lián)信息對于電力系統(tǒng)運行決策有重要價值?，F(xiàn)有的風(fēng)電功率不確定預(yù)測方法多針對單個風(fēng)場，或者通過對風(fēng)電場短期輸出功率時域相關(guān)信息進行效用分析以對單個風(fēng)電場輸出功率的概率密度函數(shù)進行預(yù)測，或者形成單一風(fēng)電場包含預(yù)測時段間相關(guān)信息的短期風(fēng)電功率統(tǒng)計場景。然而，這些方法均忽略了風(fēng)電的空間相關(guān)結(jié)構(gòu)信息。
　　本文所提出的多風(fēng)電場輸出功率的多維場景預(yù)測，目的即是在預(yù)測結(jié)果中包含多個風(fēng)場輸出功率在時間上、空間上的相關(guān)性信息，為電網(wǎng)運行決策提供重要參考。
　　3、如何實現(xiàn)多風(fēng)電場輸出功率的場景預(yù)測？
　　以某地區(qū)3座實際風(fēng)電場為研究對象進行預(yù)測模型構(gòu)建，將數(shù)據(jù)樣本分為訓(xùn)練集、測試集和驗證集，其中訓(xùn)練集用于訓(xùn)練支持向量機（SVM）模型；測試集可獲得單點值預(yù)測結(jié)果和預(yù)測誤差樣本，用于訓(xùn)練稀疏貝葉斯學(xué)習(xí)（SBL）模型和估計基于核函數(shù)（Copula函數(shù)）的動態(tài)條件相關(guān)矩陣回歸（DCCMR）模型參數(shù)；驗證集用于評估預(yù)測模型的性能。每個風(fēng)電場在每個時段的輸出功率被當(dāng)作一個隨機變量，預(yù)測結(jié)果為風(fēng)電場輸出功率的可能軌跡，即多維場景。假設(shè)有L個風(fēng)電場和預(yù)測前瞻T小時，多維場景的維度是K=LT。場景預(yù)測的流程如圖1所示。

第1頁/共2頁   首頁   下一頁   上一頁   尾頁