張慧娥，朱婷婷，胡衡，蘭鴿，肖長江

(1.新疆工程學院能源工程學院，新疆烏魯木齊，830023；2.新疆機場（集團）烏魯木齊分公司飛行區(qū)管理部電力運行管理中心，新疆烏魯木齊，830000)

0 引言

風電作為重要的可再生能源，對全球能源的可持續(xù)發(fā)展具有重要的意義。但由于風電功率具有間歇性和波動性的特點，大規(guī)模風電場接入電網(wǎng)運行時，較大幅度地風電功率波動會對電網(wǎng)安全穩(wěn)定運行帶來不利影響[1][2]。如果風電場通過站端功率預測系統(tǒng)上傳的短期功率預測準確性較高，電力調(diào)度部門就能夠根據(jù)風電場上傳的短期預測功率安排調(diào)度日前運行計劃，保證電網(wǎng)的電力電量平衡和安全穩(wěn)定運行。因此，提高風電功率實時預測的準確性對改善風電并網(wǎng)運行有著重要意義。

本文以新疆電網(wǎng)某風電場實測數(shù)據(jù)為基礎，基于時序指數(shù)平滑法對風電場短期功率進行預測，并根據(jù)評價指標對預測結(jié)果進行評價，驗證了預測模型的有效性及可行性。

1 風電場功率預測方法

根據(jù)預測的時間尺度可分為實時預測（5-15分鐘）、日內(nèi)超短期預測（4小時以內(nèi)）、日前短期預測（72小時以內(nèi)）、中期預測（3-7天）、長期預測（年度）[3]。實時預測主要用于實時調(diào)度和調(diào)整AGC機組容量；日內(nèi)預測主要用于實時調(diào)整發(fā)電計劃和安排調(diào)度計劃；日前預測主要用于安排常規(guī)機組出力計劃、優(yōu)化機組組合方式、解決電網(wǎng)調(diào)峰問題和日前電力市場交易等；中期預測主要用于安排機組檢修或調(diào)試及電網(wǎng)運行方式調(diào)整；長期預測主要用于風電資源評估和風電場規(guī)劃設計及選址。為解決電網(wǎng)調(diào)峰問題，合理安排調(diào)度計劃，本文對風電場日前短期功率進行預測。

目前，常用的風功率預測方法有：基于數(shù)值天氣預報的物理計算方法、統(tǒng)計方法和人工智能方法。本文采用基于功率的預測的統(tǒng)計方法，該方法用于短期功率預測，有較好的精度。統(tǒng)計法是在系統(tǒng)的輸入（風速、風向、溫度等天氣預報數(shù)據(jù)、歷史至少一年的氣象實測統(tǒng)計數(shù)據(jù)及實時數(shù)值氣象數(shù)據(jù)）與風電功率之間建立某種映射關系，這種映射關系常采用指數(shù)平滑法、回歸分析法、時間序列預測法、卡爾曼濾波法、灰度預測法等，通過歷史數(shù)據(jù)所呈現(xiàn)出來的一些規(guī)律對某段時間的風功率展開預測。

2 時序指數(shù)平滑法

指數(shù)平滑法根據(jù)平滑次數(shù)可分為一次指數(shù)平滑法、二次指數(shù)平滑法和三次指數(shù)平滑法等。

2.1 一次指數(shù)平滑法

一次指數(shù)平滑法是利用前一期的預測值St代替Xt-n得到預測的通式，即

這是一種加權(quán)預測，權(quán)數(shù)為α。α的大小規(guī)定了在新預測值中新數(shù)據(jù)和原預測值所占的比重。權(quán)數(shù)α值越小，新數(shù)據(jù)所占的比重就愈小，原預測值所占的比重就愈大，反之亦然。前一期預測值加上根據(jù)前期預測值中產(chǎn)生的誤差的修正值得到后一期的預測值。一次指數(shù)平滑法比較簡單，但問題是不斷反復地優(yōu)化α值，以使均方差最小，需要通過反復試驗確定最佳的α值。

2.2 二次指數(shù)平滑法

一次指數(shù)平滑法在時間序列變動出現(xiàn)恒直線趨勢時，一次指數(shù)平滑預測值存在明顯的時間滯后偏差現(xiàn)象，因此，一次指數(shù)平滑法必須加以修正。修正的方法在一次指數(shù)平滑法的基礎上再作一次指數(shù)平滑，利用滯后偏差的規(guī)律建立直線趨勢模型。這就是二次指數(shù)平滑法。其計算公式為：

二次指數(shù)平滑法的預測模型為：

式中：at是t時期的水平值，bt是t時期的線性增量。

2.3 三次指數(shù)平滑法

二次指數(shù)平滑法能隨著時間序列呈拋物線增長而調(diào)整預測值，但在時間序列變動時出現(xiàn)二次曲線趨勢時，需要在二次指數(shù)平滑的基礎上再進行一次指數(shù)平滑。三次指數(shù)平滑計算過程較二次指數(shù)平滑法復雜，其計算公式為:

式中：at是t時期的水平值，bt是t時期的線性增量，ct是t時期的拋物線增量。

3 Matlab中預測模型的建立

Step1：初始化，用最初三期觀測值的平均值作為初始平滑值。平滑權(quán)數(shù)α初值設定為0.4。

Step2：一次指數(shù)平滑預測。

Step3：二次指數(shù)平滑預測。

Step4：三次指數(shù)平滑預測。

Step5：計算相對誤差，平滑權(quán)數(shù)權(quán)數(shù)α+0.1，進行step2-4的循環(huán)，直到平滑權(quán)數(shù)權(quán)數(shù)α最大值1時循環(huán)結(jié)果。

Step6：根據(jù)相對誤差最小原則，選擇相應平滑權(quán)數(shù)。

Step7：輸出預測結(jié)果。

4 風電場短期功率預測

4.1 預測實例

裝機容量為49.5MW的新疆某風電場，該風電場由33臺風電機組構(gòu)成，每臺機組的額定容量為1500kW。以5月12-14日，用樣板機法還原的理論發(fā)電功率數(shù)據(jù)為觀測值（采樣周期：15min）。用本文中的中的時序三次指數(shù)平滑法對風電場短期功率進行預測，根據(jù)相對誤差最小原則，選擇的平滑權(quán)數(shù)α=0.9為最佳值，逐步逼近觀測值。得到5.12.0.0-5.14.23.45 發(fā)電功率隨時點變化圖像如圖1所示。

圖1 發(fā)電功率隨時點變化圖像

4.2 預測結(jié)果評價

從表1中看出，平滑權(quán)數(shù)為0.9時，對應的總絕對誤差之和最小為247.5。以此，平滑權(quán)數(shù)為0.9時，使預測的結(jié)果精度更高。滿足《國家能源局關于印發(fā)風電場功率預測預報管理暫行辦法的通知》中預測精度要求，故驗證了預測模型的有效性及可行性。

表1 不同平滑權(quán)數(shù)對應的絕對誤差

5 結(jié)輪

本文中基于時序三次指數(shù)平滑法對風電場短期功率進行預測，修正了指數(shù)平滑權(quán)數(shù)，使預測的結(jié)果精度更高。但該方法對平滑權(quán)數(shù)的選擇具有主觀性，對新的觀測數(shù)據(jù)不能自動適應修改。