李银萍,李文峰,申存骁,张金萍,江永清

(山东建筑大学 信息与电气工程学院,济南 250101)

近几年,风电以成本较低、零污染等优势引起了各国高度重视,得到了广泛应用风力发电量占比不断上升.风力发电是通过捕捉大气中的气流产生的,由于气流具有不确定性,从而使得风力发电随机性和波动性明显,这些特性增加了电网的调度难度[1].为了能更好地利用风力发电,提高对风力发电能力的掌控,风力发电功率精准预测至关重要.

风力发电预测的方法可以分为物理方法、统计学方法以及人工智能方法[2].Landberg 于1990年开发了基于物理方法的风力发电功率预测系统[3].该方法主要根据数字天气预报(NWP)对风力发电功率进行预测,即根据气象预测值等推算出风电机组轮毂处的风速等信息,根据模型得到风力发电功率预测.另外,在文献[4]中,利用NWP和多个观测点的信息与特定风电场附近风机的位置进行了短期风电功率预测;在文献[5]中,提出了一种基于NWP 网格数据优化的区域风电预测模型.物理方法的优点在于不需要长期进行数据观测,适用于新的风力发电场;但该方法需要大量的计算,同时还要考虑风速、风向以及其他信息,导致建模困难,在应用上有一定的局限性.

统计方法是根据已有风力发电功率的历史数据,建立输入与输出之间的映射关系,从而实现对风力发电功率的预测.其中最常见的方法包括滑动平均法及其各种变形等.在文……