郑若楠

(中国大唐集团有限公司科技与信息化部，北京 西城 100033)

0 引言

随着化石能源的日益减少与环境污染的日益严重，各国均对可再生能源进行了大力发展。根据风电发展“十三五”规划，2020年底中国风电累计并网装机容量将达到2.1亿 kW以上，风电年发电量4 200亿 kW·h，约占总发电量的6%[1]。随着风电并网规模的快速扩大，风电的不确定性对电网调度、电力系统安全稳定运行及电能质量的影响日益彰显[2]，也对风电功率的超短期预测精度提出了更高的要求[3]。而风速与风电功率间的三次方关系，使其成为影响风电功率的最主要因素。准确的超短期风速预测，是解决风力发电并网基本问题的有效途径，有利于电力部门及时调整调度计划，减少电力系统运行成本，降低风电对电网的不利影响，提高风电的并网比例[4]。

超短期风速预测通常是指未来0～4 h的风速预测，时间分辨率不超过1 h，所得结果将直接应用于电力系统的实时调度。目前，国内外基于时间序列的超短期风速预测方法大体可分为：1)基于原始风速序列的直接预测方法。直接对实测风速序列进行建模预测，常用方法包括持续法[5]、自回归差分移动平均模型[6]、卡尔曼滤波[7]、神经网络[8-9]、支持向量机[10]、相关向量机[11]以及各模型的组合方法[12-13]等。2)基于风速分解后各频率序列的间接预测方法。风速时间序列可以看作是由不同频率分量叠加而成，故可采用分解-合成方法对其进行超短期预测[14]，即先对实测风速序列进行分解得到各频率序列，而后应用上面所提及的超短期风速直接预测的某一常用方法对各频率序列进行建模预测，再对各频率序列所得预测结果进行合成，最终得到超短期风速预测结果。……