王沁

摘 要：隨著資源環(huán)境約束的日趨嚴(yán)苛，以化石能源為主的能源發(fā)展模式必須根本轉(zhuǎn)變。近年來，可再生能源開發(fā)的熱潮遍及全球。我國已經(jīng)規(guī)劃了8個(gè)千萬kW級的大型風(fēng)電基地。截至2012年底，我國風(fēng)電裝機(jī)容量已超過7000萬kW，居世界風(fēng)電場通常有幾十臺、上百臺風(fēng)電機(jī)組。大型風(fēng)電基地由數(shù)十甚至上百個(gè)風(fēng)電場組成。因此，風(fēng)電功率的波動有很強(qiáng)的時(shí)空差異性。本文對一個(gè)風(fēng)電場的風(fēng)電功率波動特性展開研究。利用概率擬合模型，ARMA預(yù)測模型，灰色預(yù)測模型和一階差分模型解決了風(fēng)電功率的波動和預(yù)測等問題。在問題中，首先使用excel軟件對原始數(shù)據(jù)進(jìn)行預(yù)處理，并選出合適的五個(gè)機(jī)組作為樣本，建立概率擬合模型得出樣本在30天范圍內(nèi)的功率波動概率。之后，利用matlab和spss軟件對概率函數(shù)進(jìn)行檢驗(yàn)和對比，結(jié)果證明其功率波動情況與偏T分布最為接近；利用spss軟件與matlab軟件得出最貼切的概率分布仍然為偏T分布。在空間與時(shí)間的對比中，本模型得出，對某臺風(fēng)機(jī)而言，風(fēng)機(jī)功率的波動情況受時(shí)間影響不大，而空間位置對于風(fēng)機(jī)功率的影響較大；

關(guān)鍵詞：ARMA預(yù)測；灰色預(yù)測；Eviews、matlab；風(fēng)電功率波動；偏T分布

1 問題綜述

給出了某風(fēng)電場中20臺1.5MW風(fēng)電機(jī)組30天的風(fēng)電功率數(shù)據(jù)（單位為kW，間隔為5s），做如下分析。

1.任選5個(gè)風(fēng)電機(jī)組

a）在30天的范圍內(nèi)，分析機(jī)組i的風(fēng)電功率Pi5s（tk） 波動符合哪幾種概率分布？分別計(jì)算數(shù)值特征并進(jìn)行檢驗(yàn)，推薦最好的分布并說明理由。比較5個(gè)機(jī)組分布的異同。

2 問題分析

被測量隨時(shí)間的變化情況具有極強(qiáng)的不確定性，因此我們所采取的算法必須具有很強(qiáng)的非線性處理能力。

2.1 問題一的分析

由于原始數(shù)據(jù)存在大量異常值和缺失值，本模型對其進(jìn)行數(shù)據(jù)預(yù)處理。針對問題一（a），為分析機(jī)組i的風(fēng)電功率Pi5s（tk） 波動符合何種概率分布，以及考慮到數(shù)據(jù)的完整性及可靠性，本模型選出五臺風(fēng)機(jī)作為分析的對象，利用matlab軟件對每臺風(fēng)機(jī)的風(fēng)電功率分布進(jìn)行模擬整合得出其概率分布圖并進(jìn)行比較。

2.2 對問題二的分析

問題二要求用分鐘級間隔乃至更長間隔的數(shù)據(jù)來描述風(fēng)電功率波動。因此，本模型利用matlab軟件分別從5臺機(jī)的風(fēng)電功率數(shù)據(jù)中提取出間隔為1分鐘的數(shù)據(jù)序列Pim（tk）。對于這5個(gè)序列，做問題一（a）的分析。

3 模型假設(shè)

1.假設(shè)短期內(nèi)不存在大的自然災(zāi)害，例如地震、海嘯以及臺風(fēng)等等

2.假設(shè)預(yù)測期間風(fēng)電機(jī)組分布不變，發(fā)電機(jī)組性能不隨時(shí)間發(fā)生變化

4 問題模型的建立

5.1問題一a的模型建立與求解

5.1.1數(shù)據(jù)的預(yù)處理

經(jīng)過對數(shù)據(jù)的查找，我們發(fā)現(xiàn)部分原始數(shù)據(jù)存在異常，另外有些類型數(shù)據(jù)存在缺失，在此我們將其正?；幚?。

缺失數(shù)據(jù)的處理

本模型將附件中20臺單機(jī)輸出功率的異常值化為三種類型，分別是丟失數(shù)據(jù)null，輸出功率為0，以及輸出功率為負(fù)值。分析三種情況可能產(chǎn)生的原因，結(jié)果如下：

由于風(fēng)電機(jī)未運(yùn)行或風(fēng)力很小產(chǎn)生的數(shù)據(jù)對分析結(jié)果未產(chǎn)生影響或影響較小在此可忽略不考慮，而對于數(shù)據(jù)中存在的缺失現(xiàn)象，本文采取均值替代法對缺失數(shù)據(jù)進(jìn)行處理。均值替代法就是將該項(xiàng)目剔除異常數(shù)據(jù)后取整剩余數(shù)據(jù)的平均值來替換異?；蛉笔?shù)據(jù)的方法，即：（其中，為缺失值，取其前五秒和后五秒

的平均值。）

5.1.2對分析樣本的選擇

在對原始數(shù)據(jù)進(jìn)行分析后，根據(jù)所需數(shù)據(jù)的完整情況選出5個(gè)風(fēng)電機(jī)組3 ，5， 7，13，15作為被研究對象。

5.1.3模型的建立與求解

（1）在模型求解過程中，分別使用spss軟件，excel軟件對各組數(shù)據(jù)平均數(shù)進(jìn)行多次求解以保證得出結(jié)果的準(zhǔn)確性

（2）計(jì)算出各臺風(fēng)機(jī)工作30天后的功率方差

使用spss20軟件的非參數(shù)方差對數(shù)據(jù)進(jìn)行檢驗(yàn)，先假設(shè)被選為樣本的5臺風(fēng)機(jī)30天內(nèi)的功率波動情況符合正態(tài)分布，軟件運(yùn)行后顯示結(jié)果為原假設(shè)錯誤，因此該五臺風(fēng)機(jī)在30天內(nèi)的功率波動情況不符合正態(tài)分布，軟件顯示結(jié)果如下圖（以3號風(fēng)機(jī)為例）

從表中數(shù)據(jù)可知，sig為0，說明該數(shù)據(jù)T分布特性顯著，綜合考慮得出該組數(shù)據(jù)更接近于T分布。

5 模型的評價(jià)

（1）對于風(fēng)電機(jī)的功率分布分析具有堅(jiān)實(shí)可靠的數(shù)學(xué)基礎(chǔ)。運(yùn)用多種方法應(yīng)用多種軟件對數(shù)據(jù)進(jìn)行分析、對風(fēng)電機(jī)功率分布進(jìn)行擬合，具有較高的可信度。

（2）通過圖形、表格展現(xiàn)分析過程以及分析結(jié)果，使其清晰明了。

（3）熟練地運(yùn)用spss、matlab、C語言、excel 、Eviews等軟件，根據(jù)每種方法的結(jié)論驗(yàn)證結(jié)果正確性，對于探討同一問題的最適宜方法有了進(jìn)一步體會和了解。