付晓敏

(中国大唐集团科学技术研究院有限公司西北电力试验研究院,陕西省 西安市 710000)

0 引言

随着全球对碳减排达成的共识以及我国“30·60”双碳目标的提出,清洁电力对促进减碳的意义得到显著提升,截止2021年三季度末,我国累计并网风电装机达到3.0亿k W,风电利用率98.3%[1],大规模风电的并网对电网结构稳定性提出更高要求,适应新能源高渗透率的新型电力系统成为未来能源革命的重要方向。风力发电受制于风速的波动性,易对电网的平衡保障与结构稳定造成负面影响[2-5],多时间分辨率下风速的准确预测,对于电网出力调度与负荷消纳平衡具有关键的作用[6]。

风速预测的主要方向分为机理驱动法与模型驱动法[7],其中模型驱动法由于方法多样与预测精度较高,得到了广泛的应用。组合预测方法融合信号分解、机器学习与深度学习算法,相较单一的预测模型,降低了历史风速序列数据特征与深度信息提取难度,简化了预测模型搭建的结构复杂度。文献[8]利用经验模态分解处理风速序列,输入到最小二乘向量机得到短期预测模型;文献[9]将小波分解应用于风功率数据高、低频分解,后利用遗传算法优化逆向传播(back propagation,BP)神经网络初始值。文献[10]利用变分模态分解与模拟信息粒化将原始风速序列分解为趋势、振荡和噪声3部分,对各子序列建立粒子群算法寻优的门控循环单元预测模型。

混合蛙跳算法(shuffled frog leaping algorithm,SFLA)是一种基于群体智能的后启发式算法[11],算法将问题的寻优过程模拟为青蛙群体分散觅食,周期性重聚分享食物来源信息的过程,具有参数设置少、操作简单、寻优性能强等特点,已应用于水资源调度、生产调度与车辆路线规划等多个领域[12-14]。……