刘云凯,彭显刚,袁浩亮,刘艺

(广东工业大学自动化学院,广东 广州 510006)

0 引言

随着大规模风电接入电网,准确预测风电功率对确保电力系统安全经济运行具有重要意义[1]。传统风电功率预测主要采用点预测方法,此方法仅能给出单一的具体数值,无法计及未来风电功率可能的波动范围,在涉及风电不确定性分析的问题上难以满足实际需求,因此风电功率概率预测应运而生。概率预测方法能够预测未来某一时间点上风电功率的置信区间或概率密度函数[2—3],实现对风电功率不确定性的定量描述,在电力系统风险评估、风险决策与优化调度等方面具有一定的应用价值[4—6]。

目前风电功率概率预测方法有预测误差分布统计法[7]、区间上下限估计法[8—9]和分位数回归法[10]等。文献[7]提出通过Beta分布估计任意概率水平的预测误差区间,由于事先假设服从特定分布,可能与实际情况存在较大偏差。文献[8]采用预测区间覆盖率(prediction interval coverage percentage,PICP)、预测区间归一化平均宽度(prediction interval normalized average width,PINAW)和累积带宽偏差(accumulated width deviation,AWD) 3种指标作为目标函数,并通过调整权重系数将多目标问题转化为单目标问题,但权重系数设定依赖主观经验,影响预测精度。文献[9]提出利用多目标优化模型解决系数选择不合理问题,但未考虑目标值在区间外的偏离程度。文献[10]建立了基于分位数回归与神经网络相结合的预测模型,实现月度风电功率概率预测。分位数回归法能够有效避免概率分布构造的主观性与先验性,预测效果很大程度上受智能算法本身的影响。……