颜庆宇

(国网黑龙江省电力有限公司，哈尔滨 150090)

0 引 言

风力发电所占电源比重日益增大，在减少化石能源使用的同时也给电网的稳定运行带来一定冲击。电力系统要求在运行时保持功率的平衡，这就需要对风电功率和负荷功率的波动进行精准预测与快速响应。由此可见，在中国能源互联网建设中，如何最大限度地接纳风电等新能源电力，实现规模化风电等新能源电力的安全高效利用，是亟待解决的重大问题，也是能源互联网建设的核心。

由于风速的随机性和波动性，使得风速预测成为难题，特别是针对风速的不确定性分量进行预测亟待解决。短时预测功能一般可以预测未来数个时段的15 min级风电平均功率。与气象物理预测方法相比，短时预测方法一般根据风速、风向等历史信息，基于数理统计算法得到预测风速[1-6]，该方法预测精度随预测时段的延长下降较快，一般只用来获取未来数个时段风速或功率预测值。与目前风电确定性预测研究相比，不确定性预测研究相对较少。在风电不确定性预测研究方面，文献[7]针对短期风电功率时间序列，提出一类基于字典的系数编码预测方法；文献[8-9]将神经网络和平均影响值方法相结合，提出了一种神经网络平均影响值的超短期风电功率预测方法。

针对风速预测的不确定问题，利用三层小波分解方法与Mallat算法，提出融合数值天气预报方法，解决风速预测的难题。

1 原始风速的三……

登录APP查看全文