徐彥農(nóng) ， 王一帆 ， 王浩淳 ， 田辰蔚 ， 張兆欣 ， 李昕潞

（中國礦業(yè)大學(xué)，北京 100083）

0 引言

對風(fēng)電功率進行及時準(zhǔn)確的預(yù)測，可以顯著增強電力系統(tǒng)的安全性、穩(wěn)定性、經(jīng)濟性和可控性，研究風(fēng)功率預(yù)測技術(shù)具有重要意義[1]。但由于風(fēng)速風(fēng)電功率輸入數(shù)據(jù)序列誤差、預(yù)測模型精度誤差、功率特性曲線擬合準(zhǔn)確度誤差等方面影響，區(qū)域風(fēng)電功率預(yù)測誤差較大[2]。

國外風(fēng)電功率預(yù)測技術(shù)起步較早，20世紀(jì)80年代就開始了風(fēng)電功率預(yù)測相關(guān)技術(shù)研究。開發(fā)了Prediktor 系統(tǒng)和 WPPT（Wind Power Prediction Tool）系統(tǒng)，并將兩者整合為Zephry系統(tǒng)[3]。德國的太陽能研究所開發(fā)了風(fēng)電功率管理系統(tǒng)（WPMS）；西班牙、愛爾蘭、法國等國家也都開發(fā)了各自的風(fēng)電功率預(yù)測系統(tǒng)[4]。

國內(nèi)科研機構(gòu)已取得多項研究成果。文獻[5]為了提高預(yù)測精度，搭建了基于神經(jīng)網(wǎng)絡(luò)的風(fēng)功率預(yù)測模型，并應(yīng)用于吉林電網(wǎng)調(diào)度中心。文獻[6]將分析得出的粗糙集理論影響風(fēng)速預(yù)測的主要因素，作為中長期風(fēng)速預(yù)測模型的附加輸入，建立基于粗糙集混沌神經(jīng)網(wǎng)絡(luò)預(yù)測模型。文獻[7]采用 WRF 中尺度數(shù)值預(yù)報模式選擇合適的網(wǎng)格分辨率對風(fēng)電場風(fēng)速進行預(yù)測。文獻[8]為了建立組合預(yù)測模型預(yù)測風(fēng)電功率，提高預(yù)測精度，利用交叉熵理論判斷各預(yù)測方法的相互交叉程度。文獻[9]利用經(jīng)驗?zāi)Ｊ椒纸饫碚搶L(fēng)電功率時間序列分解為隨機分量和趨勢分量，采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機進行混沌預(yù)測，再擬合各分量得到最終結(jié)果。

課題組采取了一種基于指數(shù)平滑法的風(fēng)功率預(yù)測方法。闡述了指數(shù)平滑法的基本原理，建立了基于一次/二次指數(shù)平滑法的預(yù)測模型，并以預(yù)測模型為核心，形成了預(yù)測方法及流程。最后進行了算例分析，對歷史數(shù)據(jù)進行預(yù)測并計算預(yù)測誤差。

1 基于一次/二次指數(shù)平滑法的預(yù)測模型

1)基于一次指數(shù)平滑法的模型。對風(fēng)功率觀測數(shù)據(jù)建立一次指數(shù)平滑模型，其預(yù)測公式為：

一次指數(shù)平滑法適用于風(fēng)功率短期預(yù)測。

2）基于二次指數(shù)平滑法的模型。二次指數(shù)平滑法是在一次指數(shù)平滑的基礎(chǔ)上再平滑，同時也結(jié)合了歷史平均和變化趨勢，對風(fēng)功率觀測數(shù)據(jù)建立二次指數(shù)平滑模型，其預(yù)測公式為：

2 基于一次/二次指數(shù)平滑法預(yù)測模型的預(yù)測方法

1）對于歷史數(shù)據(jù)的采集和整理。為了對未來的數(shù)據(jù)進行預(yù)測，需要對歷史的數(shù)據(jù)進行采集和選取，為了保證預(yù)測數(shù)據(jù)充分汲取了歷史數(shù)據(jù)的特征，需要按照時間序列選取n個歷史真實數(shù)據(jù)，并對其進行簡單處理和整理。

2）確定預(yù)測模型。根據(jù)一次指數(shù)平滑法的數(shù)學(xué)模型來確定預(yù)測模型，如果需要考慮歷史趨勢對預(yù)測值的影響，在一次模型的基礎(chǔ)上確定二次指數(shù)平滑法的預(yù)測模型。

3）制作模型。根據(jù)歷史數(shù)據(jù)的特征，確定平滑系數(shù)的取值范圍，利用試算法首先確定一個模型中平滑系數(shù)的值，得出預(yù)測公式。

4）編寫程序。根據(jù)確定的預(yù)測公式編寫計算機語言，研究小組基于Microsoft visual studio（VS）平臺編寫C#語言，根據(jù)歷史數(shù)據(jù)計算未來的預(yù)測數(shù)據(jù)。

5）利用模型進行預(yù)測。在程序中輸入選取的歷史數(shù)據(jù)，并計算出預(yù)測結(jié)果。

6）算例分析。將預(yù)測結(jié)果進行整理，根據(jù)時間順序得出表格，也可將其繪制成曲線圖，并與真實數(shù)據(jù)作對比，計算預(yù)測值與真實值的誤差。如誤差過大，則回到第三步重新確定平滑系數(shù)的值，重新進行預(yù)測結(jié)果的計算，如此重復(fù)，直至得到與真實結(jié)果誤差最小的預(yù)測模型。

根據(jù)以上的多次試算，得到最合適的預(yù)測模型并得到預(yù)測結(jié)果，流程如圖1所示。

圖1 預(yù)測方法流程圖

3 單點預(yù)測

為了驗證本研究采用的指數(shù)平滑法應(yīng)用到電力系統(tǒng)風(fēng)功率預(yù)測中，以某個電力系統(tǒng)的實際數(shù)據(jù)為例，通過選取不同的平滑系數(shù)，進行風(fēng)功率預(yù)測，并對預(yù)測的結(jié)果進行分析。

采取某地區(qū)3月20日0:00—8:00區(qū)間段的出力功率數(shù)值作為歷史數(shù)據(jù)，步長設(shè)置為15 min，使用不同的平滑系數(shù)分別進行一次平滑處理和二次平滑處理，推算出時間為8:15的功率預(yù)測值。本研究采用平滑指數(shù)法將歷史真值和預(yù)測可能值在一個圖表中展現(xiàn)，來直觀了解風(fēng)電出力的趨勢。利用平滑指數(shù)法得到歷史風(fēng)功率的預(yù)測值并與歷史真實值作比較，在本研究設(shè)置的預(yù)測步長的基礎(chǔ)上，該模型能將一定時間內(nèi)風(fēng)功率預(yù)測值的上下限表示在圖中，如圖2、圖3所示。由圖2和圖3可看出，在一定的平滑系數(shù)范圍內(nèi)，一次平滑系數(shù)越大，得到的一次平滑曲線趨勢越準(zhǔn)確；二次平滑曲線隨系數(shù)變化出現(xiàn)波動的趨勢。通過時間序列誤差分析對實驗結(jié)果進行處理，得到一次模型和二次模型的平均相對誤差分別為0.008 7和0.005 2，如表1所示。

圖2 一次平滑系數(shù)法預(yù)測對比

圖3 二次平滑系數(shù)法預(yù)測對比

表1 預(yù)測誤差表

4 總結(jié)

針對風(fēng)功率預(yù)測問題，基于一次和二次指數(shù)平滑法，構(gòu)建了風(fēng)功率預(yù)測模型及方法，利用C#語言編寫了相應(yīng)的風(fēng)功率預(yù)測程序。以風(fēng)電場站實際數(shù)據(jù)為背景算例，對不同平滑系數(shù)下的風(fēng)功率預(yù)測結(jié)果進行了對比分析，并計算了預(yù)測誤差，驗證了方法的可行性。