孙睿男+王飞

摘要：短期的风速和风功率预测对风场的运行及并网发电是非常重要的。采用时间序列方法，通过Matlab 编程，建立了ARIMA和SARIMA预测模型对24小时后的平均风速和风功率进行预测。最后，对两个预测模型的结果作了对比分析。结果表明SARIMA模型的预测结果是好于ARIMA模型。

关键词：时间序列；风速；风功率；预测；ARIMA模型； SARIMA模型

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）32-0230-04

Forecast of Wind Speed and Wing Power Based on Time Series

SUN Rui-nan， WANG Fei

（Jiangsu Normal University， Xuzhou 221116， China）

Abstract： Short-term forecasting of wind speed and wind power is great importance to wind farm operation and grid-generation. Based on the time series method and MATLAB software， in this article we have used the ARIMA （Autoregressive Integrated Moving Average） and SARIMA （Seasonal Autoregressive Integrated Moving Average） models to forecast the hourly average wind speed and wind power up to 24h in advance. Finally， a pair of comparison analysis Based on ARIMA and SARIMA model is run with average relative error. Results indicate that the SARIMA models significantly better in forecast than the ARIMA model.

Key words： time series； wind speed； wind power； forecast； ARIMA model； SARIMA model

1 概述

近些年来，风力发电一直都是世界上发展最快的新能源之一。随着风力发电的大力发展，风能的随机性、季节性、波动性以及不确定性使得当风力发电大规模的并入电网时，对于电力系统的稳定性波动影响较大，给电网的调度以及规划带来了困难[1]，为了减少风电的功率储备，方便电力调度，降低成本提高电网的风能质量，便于风电场安排发电机组的检修、保养，便要求对风速及发电功率有比较准确的预测研究。

目前文献中，相关的研究者使用不同的技术方法对风速和风功率预测。通常这些技术能被分成以下四种：数值天气预报，统计方法，人工智能和机器学习方法，时空模型。这些预测法方法各有特点和适用的场合，数值天气预报方法对于短期的风速和风功率预测不能得到一个可靠的结果，但是它在长期预测上有着很好地预测结果。统计方法，其中最著名的就是自回归滑动平均（ARMA）模型，这种方法能有效地考虑时间序列的有效性及随机波动的干扰性，从而能准确地预测事件的短期变化趋势。……