丁乃千陳正洪

（1 南京信息工程大學(xué)，南京 210044；2 恩施州氣象局，恩施 445000；3 湖北省氣象服務(wù)中心，武漢 430074）

風(fēng)電功率組合預(yù)測(cè)技術(shù)研究綜述

丁乃千1,2陳正洪3

（1 南京信息工程大學(xué)，南京 210044；2 恩施州氣象局，恩施 445000；3 湖北省氣象服務(wù)中心，武漢 430074）

20世紀(jì)80年代，風(fēng)電功率預(yù)測(cè)技術(shù)的研究工作就已經(jīng)開(kāi)始，隨著研究的深入，預(yù)測(cè)方法越來(lái)越多，預(yù)測(cè)精度也不斷提高。而在全球風(fēng)電產(chǎn)業(yè)迅猛發(fā)展的今天，以單一方法為主的早期預(yù)測(cè)系統(tǒng)，逐漸不能滿足現(xiàn)代行業(yè)的需求，組合預(yù)測(cè)作為一種全新的預(yù)測(cè)技術(shù)慢慢出現(xiàn)于各國(guó)研究人員的工作中。通過(guò)國(guó)內(nèi)外大量的實(shí)際應(yīng)用，我們發(fā)現(xiàn)把多種預(yù)測(cè)方法進(jìn)行加權(quán)組合，預(yù)測(cè)精度相比單一的預(yù)測(cè)方法有了明顯提高，為未來(lái)的風(fēng)電功率預(yù)測(cè)技術(shù)指明了發(fā)展方向。

風(fēng)電功率，單一預(yù)測(cè)，加權(quán)組合，組合預(yù)測(cè)

0 引言

預(yù)測(cè)學(xué)最早是Jakob Bernoulli（1654—1705年）創(chuàng)立的，起初是為了減少人類生活各個(gè)方面由于不確定性導(dǎo)致錯(cuò)誤決策所產(chǎn)生的風(fēng)險(xiǎn)①百度百科. 預(yù)測(cè)學(xué). http://baike.baidu.com/view/140693.htm?fr=aladdin.。隨著科學(xué)的發(fā)展，從20世紀(jì)50年代開(kāi)始，預(yù)測(cè)學(xué)逐漸成為了一門獨(dú)立的學(xué)科，被廣泛地應(yīng)用于各個(gè)部門和行業(yè)，同時(shí)，隨著理論不斷地結(jié)合實(shí)踐，也由最初的經(jīng)驗(yàn)型向分析技術(shù)型過(guò)渡，學(xué)科發(fā)展逐漸成熟。

人們用多種方法對(duì)同一個(gè)預(yù)測(cè)對(duì)象進(jìn)行預(yù)測(cè)，通過(guò)比較后，往往會(huì)選擇預(yù)測(cè)效果最好的那種方法。但每種預(yù)測(cè)方法所包含的信息與參數(shù)都是不一樣的，出發(fā)的角度也不一樣，當(dāng)我們舍棄其中一種方法的時(shí)候，必然會(huì)失去一部分有用的信息，所以才有了1969年Bates和Granger兩人的組合預(yù)測(cè)理論[1]。此方法一經(jīng)提出，就受到了國(guó)際學(xué)術(shù)界的重視，人們開(kāi)始了對(duì)其大量的研究與實(shí)踐工作。

在組合預(yù)測(cè)這門學(xué)科發(fā)展較為成熟的大背景下，風(fēng)電功率預(yù)測(cè)技術(shù)也得到了充分的發(fā)展。在以丹麥為代表的部分歐洲國(guó)家，數(shù)值天氣預(yù)報(bào)模型的集合、數(shù)學(xué)方法模型的組合及混合模型都取得了非常好的成果，尤其是在數(shù)值預(yù)報(bào)方面，研發(fā)了專門用于風(fēng)電場(chǎng)的小尺度數(shù)值集合預(yù)報(bào)模型，大大提升了在不同風(fēng)電場(chǎng)風(fēng)的預(yù)報(bào)準(zhǔn)確率。而在我國(guó)，組合預(yù)報(bào)才剛剛起步，且主要集中于數(shù)學(xué)方法的組合研究工作，暫時(shí)還沒(méi)有開(kāi)展數(shù)值集合預(yù)報(bào)的工作。

1 研究意義

隨著風(fēng)電產(chǎn)業(yè)的發(fā)展，國(guó)外的預(yù)測(cè)技術(shù)已經(jīng)達(dá)到了一個(gè)非常成熟的階段，而國(guó)內(nèi)雖然才起步不久，但是發(fā)展的速度比較快，有些已經(jīng)達(dá)到了國(guó)際先進(jìn)水平。

然而，無(wú)論是國(guó)內(nèi)還是國(guó)外同樣面臨的一個(gè)問(wèn)題，就是目前的風(fēng)功率預(yù)報(bào)水平已經(jīng)逐漸不能滿足風(fēng)電發(fā)展的需要[2-7]：1）在電網(wǎng)調(diào)度方面，系統(tǒng)的旋轉(zhuǎn)備用容量依然很多，大大地增加了電網(wǎng)調(diào)度的難度和成本。2）發(fā)電企業(yè)本身的壓力越來(lái)越大，他們的風(fēng)電要參與市場(chǎng)競(jìng)爭(zhēng)，風(fēng)電自身的不可控性大大降低了其競(jìng)爭(zhēng)力，同時(shí)還要受到行業(yè)管理層的經(jīng)濟(jì)懲罰。3）對(duì)風(fēng)機(jī)本身來(lái)說(shuō)，能合理有效地進(jìn)行定期維護(hù)與檢修，能大大提高發(fā)電量和電容系數(shù)。4）我國(guó)風(fēng)資源分布極不均勻，主要以集中分布的風(fēng)電場(chǎng)為主，對(duì)于風(fēng)資源豐富的地區(qū)來(lái)說(shuō)，龐大的電容量上網(wǎng)更需要精確的預(yù)測(cè)，而風(fēng)資源相對(duì)匱乏的地區(qū)，為了使少的資源利用率最大化，也需要精確的預(yù)測(cè)。

同時(shí)還有一個(gè)最根本的問(wèn)題，目前所有已知的單一風(fēng)電功率預(yù)測(cè)方法的精度已經(jīng)幾乎達(dá)到了最高水平，提升的空間非常小。所以，只有另辟蹊徑，才能達(dá)到一個(gè)更高的水平。

2 組合預(yù)測(cè)方法分類與簡(jiǎn)介

1）根據(jù)組合成員不同可以分為物理組合、統(tǒng)計(jì)組合和物理－統(tǒng)計(jì)組合[8]。

物理組合方法的核心也就是數(shù)值天氣預(yù)報(bào)（NWP），隨著數(shù)值天氣預(yù)報(bào)技術(shù)的發(fā)展，集合數(shù)值預(yù)報(bào)逐漸取代了單一的數(shù)值預(yù)報(bào)，準(zhǔn)確率在原有的基礎(chǔ)上也得到了很大提高。最后將數(shù)值預(yù)報(bào)的結(jié)果進(jìn)行人工訂正后，帶入含有折損系數(shù)的風(fēng)電功率曲線中或?qū)嶋H風(fēng)電功率曲線中，就能得到準(zhǔn)確率相應(yīng)較高的風(fēng)電功率的預(yù)報(bào)值。

統(tǒng)計(jì)組合方法是利用兩種或者多種線性或非線性的統(tǒng)計(jì)算法進(jìn)行有目的的加權(quán)組合，能夠有效避免各自系統(tǒng)過(guò)程中所存在的一部分誤差，較為全面地綜合各種方法的優(yōu)點(diǎn)，最終也可以提高風(fēng)電功率預(yù)報(bào)的準(zhǔn)確性。

所謂物理－統(tǒng)計(jì)組合，是指結(jié)合物理預(yù)測(cè)方法和數(shù)學(xué)統(tǒng)計(jì)預(yù)測(cè)方法的組合法，它能有效利用混合預(yù)測(cè)模型，提高預(yù)測(cè)精度，特別是對(duì)長(zhǎng)時(shí)效的預(yù)測(cè)效果有了明顯改善，比傳統(tǒng)的單一預(yù)測(cè)要更先進(jìn)，適用性更好。

2）根據(jù)組合預(yù)測(cè)與各單一預(yù)測(cè)方法之間的函數(shù)關(guān)系可分為線性組合預(yù)測(cè)和非線性組合預(yù)測(cè)[9]。

所謂線性組合預(yù)測(cè)法，是指把M個(gè)單項(xiàng)預(yù)測(cè)方法預(yù)測(cè)出來(lái)的值fi（i=1, 2, 3,…, M），用一個(gè)線性的函數(shù)Φ（f1, f2,…, fM）進(jìn)行組合，得到最終的預(yù)測(cè)值f，它包括等權(quán)平均組合法、協(xié)方差優(yōu)選組合法和回歸組合法等。

下面介紹常用的兩種線性組合方法：

①等權(quán)平均法

②協(xié)方差最優(yōu)法

假設(shè)每個(gè)單項(xiàng)的預(yù)測(cè)誤差方差為σ11, σ22,…, σMM，組合預(yù)測(cè)誤差的方差為：

所謂非線性組合預(yù)測(cè)法，是指把M個(gè)單項(xiàng)預(yù)測(cè)方法預(yù)測(cè)出來(lái)的值fi（i=1, 2, 3,…, M），用一個(gè)非線性的函數(shù)Φ（f1, f2,…, fM）進(jìn)行組合，得到最終的預(yù)測(cè)值f，常見(jiàn)的幾種非線性組合預(yù)測(cè)方法有：

①加權(quán)幾何平均法

②加權(quán)調(diào)和平均法

除了上述傳統(tǒng)的非線性組合預(yù)測(cè)方法外，還有神經(jīng)網(wǎng)絡(luò)組合法，它能夠以任意精度逼近任意的非線性函數(shù)，對(duì)各單項(xiàng)預(yù)測(cè)方法進(jìn)行非線性組合。并且，各方法的權(quán)重系數(shù)，還可以根據(jù)不斷的學(xué)習(xí)訓(xùn)練來(lái)進(jìn)行調(diào)整，使得預(yù)報(bào)準(zhǔn)確率一直保持在很高的水平。

3）根據(jù)組合預(yù)測(cè)加權(quán)系數(shù)計(jì)算方法的不同可分為最優(yōu)組合預(yù)測(cè)方法和非最優(yōu)組合預(yù)測(cè)方法[10]。

所謂最優(yōu)組合預(yù)測(cè)方法是指根據(jù)某種準(zhǔn)則的構(gòu)造函數(shù)，在一定的約束條件下求得目標(biāo)函數(shù)的最大值或者最小值，從而求得組合預(yù)測(cè)方法加權(quán)系數(shù)。協(xié)方差最優(yōu)法就是比較常用的最優(yōu)組合法之一。

而非最優(yōu)組合預(yù)測(cè)方法則是指根據(jù)預(yù)測(cè)學(xué)的基本原理，以最簡(jiǎn)單的方式來(lái)確定組合預(yù)測(cè)的加權(quán)系數(shù)的一種方法，該方法實(shí)際操作簡(jiǎn)便，但準(zhǔn)確率不高。

4）根據(jù)組合預(yù)測(cè)的加權(quán)系數(shù)是否隨時(shí)間變化可分為不變權(quán)組合預(yù)測(cè)方法和可變權(quán)組合預(yù)測(cè)方法[11]。

不變權(quán)組合預(yù)測(cè)法是通過(guò)最優(yōu)化規(guī)劃模型或者其他方法計(jì)算出各個(gè)單項(xiàng)預(yù)測(cè)方法在組合預(yù)測(cè)中的加權(quán)系數(shù)，讓系數(shù)不變來(lái)進(jìn)行預(yù)測(cè)，最簡(jiǎn)單的就是等權(quán)平均法。

可變權(quán)組合預(yù)測(cè)法是指各單項(xiàng)預(yù)測(cè)方法的加權(quán)系數(shù)是隨著時(shí)間發(fā)生變化的，常見(jiàn)于神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法，它的準(zhǔn)確率往往要高于不變加權(quán)組合預(yù)測(cè)方法。

組合預(yù)測(cè)在預(yù)測(cè)時(shí)效上主要針對(duì)短期預(yù)測(cè)。

3 檢驗(yàn)與應(yīng)用

3.1 預(yù)測(cè)檢驗(yàn)

3.1.1 數(shù)值預(yù)報(bào)集合

1996年，國(guó)家氣象中心在超級(jí)計(jì)算機(jī)的基礎(chǔ)上建立了最早的全球中期集合數(shù)值預(yù)報(bào)，但由于時(shí)間和空間分辨率太低，所以沒(méi)有普及。隨后，我國(guó)科學(xué)家又開(kāi)發(fā)出了自己的數(shù)值預(yù)報(bào)系統(tǒng)（GRAPES），在此基礎(chǔ)上研發(fā)中尺度集合預(yù)報(bào)系統(tǒng)?，F(xiàn)階段的風(fēng)電功率預(yù)測(cè)所采用的數(shù)值預(yù)報(bào)都是單一的本地化之后的中小尺度天氣預(yù)報(bào)模式，基本上沒(méi)有針對(duì)風(fēng)電場(chǎng)專門的集合數(shù)值預(yù)報(bào)，而這將成為日后重點(diǎn)突破的對(duì)象[12]。

相對(duì)國(guó)內(nèi)，國(guó)外的數(shù)值預(yù)報(bào)研究開(kāi)展得要早很多，而集合預(yù)報(bào)的研究也非常成熟，已經(jīng)由最初的全球中期集合預(yù)報(bào)延伸到有限區(qū)域短期天氣預(yù)報(bào)及月、季、年短期氣候預(yù)測(cè)等方面，同時(shí)，在中小尺度極端天氣預(yù)報(bào)方面也開(kāi)展了結(jié)合數(shù)值預(yù)報(bào)的應(yīng)用研究。正是在這種強(qiáng)大的技術(shù)支撐下， Nielsen等[13]通過(guò)利用歐洲中尺度天氣預(yù)報(bào)中心（ECMWF）的風(fēng)速集合預(yù)報(bào)，再把風(fēng)速轉(zhuǎn)換成風(fēng)電功率，并對(duì)集合預(yù)報(bào)進(jìn)行分位數(shù)分析，然后校正分位數(shù)，最終得出一條最合適的概率預(yù)測(cè)曲線，跟實(shí)際功率曲線比較接近，效果比單一成員要好得多。Lange等[14]在介紹德國(guó)風(fēng)電預(yù)報(bào)進(jìn)展的時(shí)候，提出了通過(guò)利用調(diào)整參數(shù)后的NWP1、NWP2、NWP3和這三種NWP的組合，將輸出的數(shù)據(jù)代入預(yù)測(cè)模型所得到的風(fēng)電功率均方根誤差（RMSE）分別為組合＜NWP1＜NWP2＜NWP3，充分說(shuō)明了組合預(yù)報(bào)的明顯優(yōu)勢(shì)。Giebel等[15-16]提到了如今計(jì)算機(jī)技術(shù)能力非常強(qiáng)大，不能只通過(guò)提高分辨率來(lái)降低錯(cuò)誤率，可以通過(guò)處理周期的方式來(lái)減少其他出錯(cuò)率，通過(guò)使用集合預(yù)報(bào)，即使它是在同樣的模式下不同參數(shù)化的數(shù)值預(yù)報(bào)集合結(jié)果，也能夠最大程度的減小誤差。其中他們正在使用的DMI-HIRLAM和DWD-Lokal模式，都是依賴于ECMWF和NCEP兩大中心的集合預(yù)報(bào)，并且通過(guò)應(yīng)用于丹麥各大風(fēng)電場(chǎng)來(lái)不斷進(jìn)行檢驗(yàn)與改進(jìn)。

3.1.2 數(shù)學(xué)模型組合

胡婷等[17]用三種單項(xiàng)預(yù)測(cè)方法及兩種組合預(yù)測(cè)方法對(duì)我國(guó)內(nèi)蒙古某風(fēng)電場(chǎng)風(fēng)功率進(jìn)行了預(yù)測(cè)對(duì)比檢驗(yàn)，結(jié)果顯示三種單項(xiàng)預(yù)測(cè)方法的均方根誤差及誤差百分比分別為RBF神經(jīng)網(wǎng)絡(luò)模型（53.8467和0.0348）＜LS-SVM模型（67.2820和0.0404）＜ARIMA時(shí)間序列模型（112.4989和0.0687），而利用兩種線性組合預(yù)測(cè)的加權(quán)系數(shù)確定方法：最小方差法和最優(yōu)非負(fù)可變加權(quán)系數(shù)，得到組合預(yù)測(cè)模型Ⅰ和組合預(yù)測(cè)模型Ⅱ的均方根誤差和誤差百分比都要小于這三個(gè)單項(xiàng)預(yù)測(cè)模型，且分別為組合預(yù)測(cè)模型Ⅱ（23.7530和0.0144）＜組合預(yù)測(cè)模型Ⅰ（46.6040和0.0269），說(shuō)明了組合預(yù)測(cè)準(zhǔn)確率要高于單一預(yù)測(cè)的準(zhǔn)確率。張國(guó)強(qiáng)等[18]也通過(guò)利用三種單一預(yù)測(cè)方法及一種組合預(yù)測(cè)方法對(duì)某風(fēng)電場(chǎng)進(jìn)行了預(yù)測(cè)對(duì)比檢驗(yàn)，結(jié)果顯示神經(jīng)網(wǎng)絡(luò)在一個(gè)星期中每天的預(yù)測(cè)絕對(duì)平均誤差明顯小于時(shí)間序列和灰色預(yù)測(cè)，而以最小方差法確定加權(quán)系數(shù)的組合預(yù)測(cè)的絕對(duì)平均誤差比三種單一方法的要小，也說(shuō)明了組合預(yù)測(cè)的準(zhǔn)確率要優(yōu)于單一預(yù)測(cè)的準(zhǔn)確率。劉永前等[19]同樣用兩種單一預(yù)測(cè)方法及一種組合預(yù)測(cè)方法進(jìn)行了對(duì)比實(shí)驗(yàn)，得出以均方根誤差最小確定加權(quán)系數(shù)的組合預(yù)報(bào)誤差為12%，小于持續(xù)法（12.9%）和RBF神經(jīng)網(wǎng)絡(luò)法（15.9%），同樣得出組合預(yù)測(cè)準(zhǔn)確率要比單一預(yù)測(cè)高的結(jié)論。

3.2 實(shí)際應(yīng)用

3.2.1 國(guó)外開(kāi)發(fā)與應(yīng)用情況

早在2003年丹麥國(guó)家實(shí)驗(yàn)室就研發(fā)出了Zephyr產(chǎn)品[20]，它是一款將Prediktor和WPPT模型相結(jié)合的風(fēng)電功率預(yù)測(cè)系統(tǒng)，它集中了兩種模型的優(yōu)點(diǎn)，其中0～9h的預(yù)測(cè)采用了基于歷史數(shù)據(jù)的統(tǒng)計(jì)預(yù)測(cè)模型，36～48h則是采用了基于數(shù)值天氣預(yù)報(bào)的物理預(yù)測(cè)模型。

美國(guó)的AWS True Wind公司的eWind風(fēng)電功率預(yù)報(bào)系統(tǒng)[21]，同樣是一款組合了北美模式NAM、美國(guó)全球預(yù)報(bào)系統(tǒng)GFS模式、加拿大GEM模式及美國(guó)快速更新模式RUC等四種模式的輸出結(jié)果進(jìn)行集合作為數(shù)值天氣預(yù)報(bào)模式，在統(tǒng)計(jì)模型上，也集合了逐步多元線性回歸（SMLR）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量回歸（SVR）、模糊邏輯聚類（FLC）和主成分分析（PCA）等多種統(tǒng)計(jì)模型，使其產(chǎn)生一個(gè)集成的預(yù)測(cè)結(jié)果。

而最具有代表性的就是由歐盟資助的，于2002年10月開(kāi)始為期四年的ANEMOS項(xiàng)目[22]，一共7個(gè)國(guó)家23個(gè)機(jī)構(gòu)參加的一個(gè)全球性項(xiàng)目。它的目的是開(kāi)發(fā)適用于陸地和海上的風(fēng)電場(chǎng)短期功率預(yù)測(cè)的方法和工具，它將物理和統(tǒng)計(jì)兩種預(yù)測(cè)模型結(jié)合到一起，是一種優(yōu)于之前任何一種單一預(yù)測(cè)模型的系統(tǒng)。

3.2.2 國(guó)內(nèi)開(kāi)發(fā)與應(yīng)用情況

由中國(guó)電力科學(xué)院源研究所和東潤(rùn)環(huán)能科技有限公司聯(lián)合開(kāi)發(fā)的WPFS Ver1.0系統(tǒng)①東潤(rùn)環(huán)能. 風(fēng)電功率預(yù)測(cè)系統(tǒng). http://www.docin.com/p-244591706.html.，是一款以物理模型、統(tǒng)計(jì)模型及物理統(tǒng)計(jì)混合模型為基礎(chǔ)的，針對(duì)不同風(fēng)電場(chǎng)采用不同模型，適應(yīng)性得到了廣泛的應(yīng)用驗(yàn)證，預(yù)報(bào)準(zhǔn)確率高，服務(wù)效果好。

中科伏瑞研發(fā)的風(fēng)電功率預(yù)測(cè)系統(tǒng)FR3000F②北京中科伏瑞電氣技術(shù)有限公司. 2010. FR3000F風(fēng)電功率預(yù)測(cè)系統(tǒng)技術(shù)說(shuō)明.，它采用基于中尺度數(shù)值天氣預(yù)報(bào)的物理方法和統(tǒng)計(jì)方法相結(jié)合的預(yù)測(cè)方法，根據(jù)不同資料和不同預(yù)報(bào)時(shí)間尺度，對(duì)每一種算法的預(yù)測(cè)結(jié)果選取適當(dāng)?shù)臋?quán)重進(jìn)行加權(quán)平均從而得到最終的預(yù)測(cè)值，有效提高了模型的適應(yīng)能力和預(yù)測(cè)精度。

上海交通大學(xué)與法國(guó)兆方美迪聯(lián)合研發(fā)的風(fēng)電功率預(yù)報(bào)系統(tǒng)③兆方美迪. 2010. 兆方美迪風(fēng)電功率預(yù)報(bào)系統(tǒng)（PPT）.，該系統(tǒng)對(duì)未來(lái)72h的短期預(yù)測(cè)采用了基于人工神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)方法模型、基于解析法和計(jì)算流體力學(xué)（CFD）的數(shù)學(xué)物理模型以及統(tǒng)計(jì)和物理方法混合模型。

湖北省氣象服務(wù)中心與風(fēng)脈可再生能源技術(shù)開(kāi)發(fā)有限責(zé)任公司聯(lián)合研發(fā)的“象脈風(fēng)電功率預(yù)測(cè)預(yù)報(bào)系統(tǒng)”（WPPS）[23]，目前已經(jīng)升級(jí)到2.0版本，該版本是在原來(lái)1.0版本基礎(chǔ)上，將部分方法集成，最終得到一個(gè)集成預(yù)報(bào)結(jié)果。該系統(tǒng)已投入到風(fēng)電場(chǎng)的業(yè)務(wù)運(yùn)行中，運(yùn)行正常，服務(wù)效果有了明顯改善。

4 小結(jié)與展望

風(fēng)電功率預(yù)測(cè)技術(shù)已從之前傳統(tǒng)單一的方法發(fā)展為更為先進(jìn)的組合的方法，并在實(shí)際業(yè)務(wù)運(yùn)行中取得了非常好的成效，適應(yīng)了當(dāng)下飛速發(fā)展的風(fēng)電產(chǎn)業(yè)。

目前，國(guó)內(nèi)外對(duì)組合預(yù)報(bào)方法的研究集中在對(duì)數(shù)值天氣預(yù)報(bào)的集合和各方法間的組合上。其中，數(shù)值天氣預(yù)報(bào)采用的是多模式的集合預(yù)報(bào)，加入了本地化因子，增加了同化后的非常規(guī)資料，大大提高了數(shù)值天氣預(yù)報(bào)的準(zhǔn)確率；而在方法間的組合上，主要通過(guò)設(shè)定目標(biāo)函數(shù)的方法，尋找最合適的加權(quán)系數(shù)，把各個(gè)方法之間用線性或非線性的關(guān)系式組合到一起，得到新的預(yù)報(bào)模型。

緊緊抓住風(fēng)電功率預(yù)測(cè)是行業(yè)的核心競(jìng)爭(zhēng)力這一關(guān)鍵點(diǎn)，針對(duì)我國(guó)在風(fēng)電功率預(yù)測(cè)上的薄弱環(huán)節(jié)，大力發(fā)展專門的針對(duì)不同風(fēng)電場(chǎng)、不同下墊面及環(huán)境的數(shù)值天氣的集合預(yù)報(bào)。同時(shí)，在組合權(quán)系數(shù)的研究方法上，除了研究更多的組合方式外，還要在不斷的試驗(yàn)中確定最合適的加權(quán)系數(shù)。只有組合預(yù)報(bào)技術(shù)越成熟越先進(jìn)，才能在未來(lái)的世界風(fēng)電領(lǐng)域中占據(jù)一席之地。

[1]Bates J M, Granger C W J. The combination of forecasts. Operational Research Society, 1969, 20(4): 451-468.

[2]韓爽. 風(fēng)電場(chǎng)功率短期預(yù)測(cè)方法研究. 北京: 華北電力大學(xué)能源與動(dòng)力工程學(xué)院, 2008.

[3]葉晨. 風(fēng)電功率組合預(yù)測(cè)研究. 北京: 華北電力大學(xué)電氣與電子工程學(xué)院, 2011.

[4]王建東, 汪寧渤, 何世恩, 等. 國(guó)際風(fēng)電預(yù)測(cè)預(yù)報(bào)機(jī)制初探及對(duì)中國(guó)的啟示. 電力建設(shè): 2010, 31(9): 10-13.

[5]舒進(jìn), 張保會(huì), 李鵬, 等. 變速恒頻風(fēng)電機(jī)組運(yùn)行控制. 電力系統(tǒng)自動(dòng)化, 2008, 32(16): 89-93.

[6]Rohrig K, Lange B. Improvement of the power system reliability by prediction of wind power generation. Power Engineering Society General Meeting, Tampa, FL, June 24-28, 2007.IEEE: 1-8.

[7]楊秀媛, 梁貴書. 風(fēng)力發(fā)電的發(fā)展及其市場(chǎng)前景. 電網(wǎng)技術(shù), 2003, 27(7): 78-79.

[8]白永祥, 房大中, 侯佑華, 等. 內(nèi)蒙古電網(wǎng)區(qū)域風(fēng)電功率預(yù)測(cè)系統(tǒng).電網(wǎng)技術(shù), 2010, 34(10): 157-162.

[9]楊江平. 基于神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)的風(fēng)電場(chǎng)風(fēng)速及風(fēng)電功率短期預(yù)測(cè). 重慶: 重慶大學(xué)電氣工程學(xué)院, 2012.

[10]周傳世, 劉永清. 變權(quán)重組合預(yù)測(cè)模型的研究. 預(yù)測(cè), 1995(4): 47-48.

[11]毛開(kāi)翼. 關(guān)于組合預(yù)測(cè)中的權(quán)重確定及應(yīng)用. 成都: 成都理工大學(xué)信息管理學(xué)院, 2007.

[12]李澤春, 陳德輝. 國(guó)家氣象中心集合數(shù)值預(yù)報(bào)業(yè)務(wù)系統(tǒng)的發(fā)展及應(yīng)用. 應(yīng)用氣象學(xué)報(bào), 2002, 13(1): 1-15.

[13]Nielsen H A, Madsen H, Nielsen T S, et al. Wind power ensemble forecasting. //Proceedings of the 2004 Global Windpower Conference and Exhibition, Chicago, 2004.

[14]Lange B, Rohrig K, Ernst B, et al. Wind power prediction in Germany-Recent advances and future challenges. Poster at European Wind Energy Conference, Athen, 2006.

[15]Giebel G, Brownsword R, Kariniotakis G, et al. The State of the Art in Short-term Prediction of Wind Power: A Literature Overview. ANEMOS Report, 2011.

[16]Giebel G, Badger J,Louka P, et al. Description of NWP, Mesoscale and CFD models. ANEMOS Report, 2006.

[17]胡婷, 劉觀起, 邵龍, 等. 風(fēng)電場(chǎng)發(fā)電功率組合預(yù)測(cè)方法研究. 電工電氣, 2013 (5): 23-27.

[18]張國(guó)強(qiáng), 張伯明. 基于組合預(yù)測(cè)的風(fēng)電場(chǎng)風(fēng)速及風(fēng)電機(jī)功率預(yù)測(cè). 電力系統(tǒng)自動(dòng)化, 2009, 33(18): 92-95.

[19]劉永前, 韓爽, 楊勇平, 等. 提前三小時(shí)風(fēng)電機(jī)組出力組合預(yù)報(bào)研究. 太陽(yáng)能學(xué)報(bào), 2007, 28(8): 839-843.

[20]Giebel G, Landberg L, Nielsen T S, et al. The zephyr-project: The next generation prediction system. //Proceedings of Wind Power for the 21st Century, Kassel, Germany, 2002.

[21]王麗偉. 風(fēng)電場(chǎng)風(fēng)速及發(fā)電功率預(yù)測(cè)的經(jīng)濟(jì)效益研究.北京: 華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院, 2010.

[22]Kariniotakis G, Halliday J, Marti I, et al. Next Generation Shortterm Forecasting of Wind Power Overview of the ANEMOS Project. //European Wind Energy Conference, Athens, 2006.

[23]許沛華, 陳正洪, 谷春. 風(fēng)電功率預(yù)測(cè)預(yù)報(bào)系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā). 水電能源科學(xué), 30(3): 160-162.

Review of the Combination Prediction for Wind Power

Ding Naiqian1,2, Chen Zhenghong3
(1 Nanjing University of Information Science and Technology, Nanjing 210044 2 Enshi Meteorological Bureau, Enshi 445000 3 Hubei Meteorological Service Centre, Wuhan 430074)

The study of wind power prediction technology has already begun in 1980’s. More and more forecasting methods were invented, and the accuracy was continuously improved. In the rapid development of global wind power industry nowadays, the early prediction system based on a single method could not meet the needs of modern industry, the combination forecast is a new way that slowly appeared in the researches over the world. Through a large number of practical application at home and abroad, we fi nd that the accuracy of combination method has improved dramatically comparing to a single method, and point out the direction of the development in the wind power prediction technology.

wind power, single forecast, weighted combination, combined forecast

10.3969/j.issn.2095-1973.2016.06.004

2014年8月8日；

2014年11月4日

丁乃千（1987—），Email: 1179716703@qq.com