赵增保 杨琳晗 张金满

DOI：10.19392/j.cnki.16717341.201714125

摘要：本文提出了一种基于自回归模型和误差动态修订相结合的风电场短期风速预报方法。通过对张北单晶河某风电场70m测风塔2017年13月逐15min风速数据分析，发现该方法在风速短期预报中效果明显：对未来单步和4步风速预测中，与实测值相关性分别为0.9和0.8，平均绝对误差分别为0.8m/s和1.3m/s，均方根误差分别为1.3m/s和1.8m/s，预报结果较为理想，随预报步数的增加，预报误差逐渐增大。结果表明，新的预报方法是一种有效且简单易行的风电场风速短期预报方法。

关鍵词：短期风速预报；自回归模型；风电场；张北

3 结论

本文基于张北单晶河某风电场2017年13月70m逐15min测风塔数据，建立了一种改进的自回归滑动模型ECAR模型，并分别讨论了该模型的单步预报及多步预报能力。

在单步预报（15min）和4步预报（1h）中，ECAR模型对风速具有较高的预报精度，其与实测数据的相关系数在0.8以上，平均绝对误差在1.3m/s及以下，均方根误差不超过2.0m/s，在更长时次的预报中，当风速变化较为平稳时，该模型的预报结果仍可作为一种参考。

参考文献：

[1]谷兴凯，范高锋，王晓蓉，等.风电功率预测技术综述.电网技术，2008，31（2）：335338.

[2]李明干，孙健利，刘沛.基于卡尔曼滤波的电力系统短期负荷预测[J].继电器，2004，32（4）：912.

[3]胡林静，付燕杰，郭洒洒.基于时间序列的ARMA风速預测模型的建立与分析.计算机工程与应用，2015，51（81）：283287.

[4]常黎，杨清舟，黄开斌.一种基于小波变换和人工神经网络的风速预报方法.太阳能学报，2013，34（4）：604609.

[5]邰能灵，侯志俭，李涛，等.基于小波分析的电力系统短期负荷预测方法[J].中国电机工程学报，2003，23（1）：4550.

[6]谢宏，陈志业，牛东晓.基于小波分解与气象因素影响的电力系统日负荷预测模型研究[J].中国电机工程学报，2001，21（5）：510.

[7]游仕洪，程浩忠，谢宏.应用模糊线性回归模型预测中长期电力负荷[J].电力自动化设备，2006，26（3）：5153.

[8]李天云.电力系统负荷的混沌特性及预测[J].中国电机工程学报，2000，20（11）：3640.

[9]吕国钦，张会琴，李家春.东海大桥风电场短期风速序列特性及其预报.中国科学：物理学 力学 天文学，2016，46（12）：124713.

基金项目：基于数值预报的风电场风速订正方法探究（16ky08）；电力微气象灾害监测与预报预警技术及体系建设研究（16275409D）