基于时序指数平滑法的风电场短期功率预测研究

2021-11-19张慧娥朱婷婷胡衡兰鸽肖长江

电子测试 2021年20期

张慧娥，朱婷婷，胡衡，兰鸽，肖长江

(1.新疆工程学院能源工程学院，新疆乌鲁木齐，830023；2.新疆机场（集团）乌鲁木齐分公司飞行区管理部电力运行管理中心，新疆乌鲁木齐，830000)

0 引言

风电作为重要的可再生能源，对全球能源的可持续发展具有重要的意义。但由于风电功率具有间歇性和波动性的特点，大规模风电场接入电网运行时，较大幅度地风电功率波动会对电网安全稳定运行带来不利影响[1][2]。如果风电场通过站端功率预测系统上传的短期功率预测准确性较高，电力调度部门就能够根据风电场上传的短期预测功率安排调度日前运行计划，保证电网的电力电量平衡和安全稳定运行。因此，提高风电功率实时预测的准确性对改善风电并网运行有着重要意义。

本文以新疆电网某风电场实测数据为基础，基于时序指数平滑法对风电场短期功率进行预测，并根据评价指标对预测结果进行评价，验证了预测模型的有效性及可行性。

1 风电场功率预测方法

根据预测的时间尺度可分为实时预测（5-15分钟）、日内超短期预测（4小时以内）、日前短期预测（72小时以内）、中期预测（3-7天）、长期预测（年度）[3]。实时预测主要用于实时调度和调整AGC机组容量；日内预测主要用于实时调整发电计划和安排调度计划；日前预测主要用于安排常规机组出力计划、优化机组组合方式、解决电网调峰问题和日前电力市场交易等；中期预测主要用于安排机组检修或调试及电网运行方式调整；长期预测主要用于风电资源评估和风电场规划设计及选址。为解决电网调峰问题，合理安排调度计划，本文对风电场日前短期功率进行预测。

目前，常用的风功率预测方法有：基于数值天气预报的物理计算方法、统计方法和人工智能方法。本文采用基于功率的预测的统计方法，该方法用于短期功率预测，有较好的精度。统计法是在系统的输入（风速、风向、温度等天气预报数据、历史至少一年的气象实测统计数据及实时数值气象数据）与风电功率之间建立某种映射关系，这种映射关系常采用指数平滑法、回归分析法、时间序列预测法、卡尔曼滤波法、灰度预测法等，通过历史数据所呈现出来的一些规律对某段时间的风功率展开预测。

2 时序指数平滑法

指数平滑法根据平滑次数可分为一次指数平滑法、二次指数平滑法和三次指数平滑法等。

2.1 一次指数平滑法

一次指数平滑法是利用前一期的预测值St代替Xt-n得到预测的通式，即

这是一种加权预测，权数为α。α的大小规定了在新预测值中新数据和原预测值所占的比重。权数α值越小，新数据所占的比重就愈小，原预测值所占的比重就愈大，反之亦然。前一期预测值加上根据前期预测值中产生的误差的修正值得到后一期的预测值。一次指数平滑法比较简单，但问题是不断反复地优化α值，以使均方差最小，需要通过反复试验确定最佳的α值。

2.2 二次指数平滑法

一次指数平滑法在时间序列变动出现恒直线趋势时，一次指数平滑预测值存在明显的时间滞后偏差现象，因此，一次指数平滑法必须加以修正。修正的方法在一次指数平滑法的基础上再作一次指数平滑，利用滞后偏差的规律建立直线趋势模型。这就是二次指数平滑法。其计算公式为：

二次指数平滑法的预测模型为：

式中：at是t时期的水平值，bt是t时期的线性增量。

2.3 三次指数平滑法

二次指数平滑法能随着时间序列呈抛物线增长而调整预测值，但在时间序列变动时出现二次曲线趋势时，需要在二次指数平滑的基础上再进行一次指数平滑。三次指数平滑计算过程较二次指数平滑法复杂，其计算公式为:

式中：at是t时期的水平值，bt是t时期的线性增量，ct是t时期的抛物线增量。

3 Matlab中预测模型的建立

Step1：初始化，用最初三期观测值的平均值作为初始平滑值。平滑权数α初值设定为0.4。

Step2：一次指数平滑预测。

Step3：二次指数平滑预测。

Step4：三次指数平滑预测。

Step5：计算相对误差，平滑权数权数α+0.1，进行step2-4的循环，直到平滑权数权数α最大值1时循环结果。

Step6：根据相对误差最小原则，选择相应平滑权数。

Step7：输出预测结果。

4 风电场短期功率预测

4.1 预测实例

装机容量为49.5MW的新疆某风电场，该风电场由33台风电机组构成，每台机组的额定容量为1500kW。以5月12-14日，用样板机法还原的理论发电功率数据为观测值（采样周期：15min）。用本文中的中的时序三次指数平滑法对风电场短期功率进行预测，根据相对误差最小原则，选择的平滑权数α=0.9为最佳值，逐步逼近观测值。得到5.12.0.0-5.14.23.45 发电功率随时点变化图像如图1所示。