王丽婕 冬 雷 高 爽

(1.北京信息科技大学电气工程系 北京 100192 2.北京理工大学自动化学院 北京 100081)



基于多位置NWP与主成分分析的风电功率短期预测

王丽婕1冬 雷2高 爽2

(1.北京信息科技大学电气工程系 北京 100192 2.北京理工大学自动化学院 北京 100081)

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，其准确度比基于单位置NWP的预测模型提高了4.65%。

风电功率预测 数值天气预报 多位置 主成分分析 聚类分析

0 引言

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较准确的预测，可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。……