Short-term Wind Power Interval Prediction Based on Wind Speed of Numerical Weather Prediction and Monte Carlo Method

Mao YANG; Hao DONG

doi:10.7500/AEPS20200426001

您当前的位置：

首页 >

文章列表页 >

Short-term Wind Power Interval Prediction Based on Wind Speed of Numerical Weather Prediction and Monte Carlo Method

Basic Research | 更新时间：2025-06-16

- Short-term Wind Power Interval Prediction Based on Wind Speed of Numerical Weather Prediction and Monte Carlo Method
- Automation of Electric Power Systems Vol. 45, Issue 5, Pages: 79-85(2021)
- 作者机构：
  
  现代电力系统仿真控制与绿色电能新技术教育部重点实验室（东北电力大学），吉林省吉林市 132012
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China
- DOI：10.7500/AEPS20200426001
  CLC：
- Received：26 April 2020，
  
  Revised：2020-08-27，
  
  Published Online：16 December 2020，
  
  Published：10 March 2021
- 稿件说明：
移动端阅览
杨茂,董昊.基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测[J].电力系统自动化,2021,45(5):79-85.

YANG Mao,DONG Hao.Short-term Wind Power Interval Prediction Based on Wind Speed of Numerical Weather Prediction and Monte Carlo Method[J].Automation of Electric Power Systems,2021,45(5):79-85.
杨茂,董昊.基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测[J].电力系统自动化,2021,45(5):79-85. DOI： 10.7500/AEPS20200426001.

YANG Mao,DONG Hao.Short-term Wind Power Interval Prediction Based on Wind Speed of Numerical Weather Prediction and Monte Carlo Method[J].Automation of Electric Power Systems,2021,45(5):79-85. DOI： 10.7500/AEPS20200426001.

摘要

随着风电在现代电网的渗透率越来越高，电力系统优化运行对风电功率区间预测的可靠性提出了更高要求。现有的风电功率区间预测通常针对历史数据整体的误差，或者基于不同的出力水平进行分类误差建模，难以反映预测模型对于不同风况下的适应性。鉴于此，提出了一种基于数值天气预报(NWP)风速和蒙特卡洛法的短期风电功率区间预测模型。首先，按照NWP风速对历史时段的点预测误差进行层次聚类，利用经验分布模型对不同风况下的误差进行概率分布拟合。然后，对待预测时刻的NWP风速所对应的累计经验分布概率值进行蒙特卡洛抽样

并在给定的置信水平下求取短期内各个待预测时点可能发生的功率波动区间。最后，以中国吉林省某风电场运行数据为例，与常用的概率预测方法相比，验证了所提方法的可靠性。

Abstract

With the increasing penetration rate of wind power in modern power grid

the optimal operation of power systems has higher requirements for the reliability of wind power interval prediction. The existing wind power interval prediction usually aims at the overall error of the historical data or different output levels to perform classification error modeling

which is difficult to reflect the adaptability of the prediction model to different wind conditions. Based on this

this paper proposes a short-term wind power interval prediction model based on numerical weather prediction (NWP) wind speed and Monte Carlo method. First

according to the NWP wind speed

the point prediction error of the historical period is hierarchically clustered

and the empirical distribution model is used to fit the probability distribution of errors with different wind conditions. Then

Monte Carlo sampling is performed on the value of the cumulative empirical distribution probability corresponding to the NWP wind speed at the prediction moment

and at a given confidence level

the power fluctuation interval that may occur at each predicted point in the short term is solved. Finally

taking the operation data of a wind farm in Jilin Province of China as an example

compared with the commonly used probability prediction method

the reliability of the proposed method is verified.

关键词

Keywords

references

黎静华，桑川川，甘一夫，等 . 风电功率预测技术研究综述［J］. 现代电力， 2017 ， 34 （ 3 ）： 1 - 11 .

LI Jinghua ， SANG Chuanchuan ， GAN Yifu ， et al . Overview of wind power prediction technology research ［J］. Modern Electric Power ， 2017 ， 34 （ 3 ）： 1 - 11 .

薛禹胜，雷兴，薛峰，等 . 关于风电不确定性对电力系统影响的评述［J］. 中国电机工程学报， 2014 ， 34 （ 29 ）： 5029 - 5040 .

XUE Yusheng ， LEI Xing ， XUE Feng ， et al . Review on the impact of wind power uncertainty on power system ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 29 ）： 5029 - 5040 .

李国庆，张钰，张明江，等 . 基于MRMR的集合经验模态分解和支持向量机的风电功率实时预测［J］. 东北电力大学学报， 2017 ， 37 （ 2 ）： 39 - 44 .

LI Guoqing ， ZHANG Yu ， ZHANG Mingjiang ， et al . Real time prediction of wind power based on MRMR and support vector machine ［J］. Journal of Northeast Electric Power University ， 2017 ， 37 （ 2 ）： 39 - 44 .

YAN Jie ， LIU Yongqian ， HAN Shuang ， et al . Reviews on uncertainty analysis of wind power forecasting ［J］. Renewable and Sustainable Energy Reviews ， 2015 ， 52 ： 1322 - 1330 .

刘蕾 . 基于谱分析的大规模风电场功率超短期概率区间预测研究［D］. 吉林：东北电力大学， 2019 .

LIU Lei . Study on ultra short term probability interval prediction of large scale wind farms based on spectral analysis ［D］. Jilin ： Northeast Electric Power University ， 2019 .

MEN Z ， YEE E ， LIEN F ， et al . Short-term wind speed and power forecasting using an ensemble of mixture density neural networks ［J］. Renewable Energy ， 2016 ， 87 ： 203 - 211 .

刘燕华，李伟花，刘冲，等 . 短期风电功率预测误差的混合偏态分布模型［J］. 中国电机工程学报， 2015 ， 35 （ 10 ）： 2375 - 2382 .

LIU Yanhua ， LI Weihua ， LIU Chong ， et al . Hybrid skew distribution model of short-term wind power prediction error ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 10 ）： 2375 - 2382 .

杨宏，闫玉杰，王瑜 . Beta分布在风电预测误差模型中的适用性［J］. 电测与仪表， 2020 ， 57 （ 11 ）： 37 - 41 .

YANG Hong ， YAN Yujie ， WANG Yu . Applicability of Beta distribution in wind power forecast error model ［J］. Electrical Measurement and Instrumentation ， 2020 ， 57 （ 11 ）： 37 - 41 .

ZHANG Gang ， LI Zhixuan ， ZHANG Kaoshe ， et al . Multi-objective interval prediction of wind power based on conditional Copula function ［J］. Journal of Modern Power Systems and Clean Energy ， 2019 ， 7 （ 4 ）： 802 - 812 .

何志昆，刘光斌，赵曦晶，等 . 高斯过程回归方法综述［J］. 控制与决策， 2013 ， 28 （ 8 ）： 1121 - 1129 .

HE Zhikun ， LIU Guangbin ， ZHAO Xijing ， et al . Overview of Gaussian process regression methods ［J］. Control and Decision ， 2013 ， 28 （ 8 ）： 1121 - 1129 .

杨锡运，张璜，关文渊，等 . 基于滑动分块百分位数Bootstrap法的风电功率概率区间预测［J］. 太阳能学报， 2019 ， 40 （ 2 ）： 430 - 437 .

YANG Xiyun ， ZHANG Huang ， GUAN Wenyuan ， et al . Wind power probability interval prediction based on sliding block percentile Bootstrap method ［J］. Journal of Solar Energy ， 2019 ， 40 （ 2 ）： 430 - 437 .

王钊，王勃，冯双磊，等 . 区域多风电场功率的分位数回归概率预测方法［J］. 电网技术， 2020 ， 44 （ 4 ）： 1368 - 1375 .

WANG Zhao ， WANG Bo ， FENG Shuanglei ， et al . Quantile regression probability prediction method of regional multi-wind farm power ［J］. Power System Technology ， 2020 ， 44 （ 4 ）： 1368 - 1375 .

ZHANG Xiaoying ， ZHANG Xiaomin ， LIAO Shun ， et al . Error analysis of wind power prediction based on clustering and nonparametric kernel density estimation ［J］. Journal of Solar Energy ， 2019 ， 40 （ 12 ）： 3594 - 3604 .

吴文静 . 基于相关向量机的风电功率短期预测及其不确定性研究［D］. 郑州：华北水利水电大学， 2018 .

WU Wenjing . Research on wind power short-term prediction and its uncertainty based on correlation vector machine ［D］. Zhengzhou ： North China University of Water Conservancy and Hydropower ， 2018 .

杨茂，杨春霖 . 考虑风向的风电功率预测不确定性研究［J］. 东北电力大学学报， 2018 ， 38 （ 5 ）： 9 - 15 .

YANG Mao ， YANG Chunlin . Study on uncertainty of wind power prediction considering wind direction ［J］. Journal of Northeast Electric Power University ， 2018 ， 38 （ 5 ）： 9 - 15 .

朱思萌，杨明，韩学山，等 . 多风电场短期输出功率的联合概率密度预测方法［J］. 电力系统自动化， 2014 ， 38 （ 19 ）： 8 - 15 .

ZHU Simeng ， YANG Ming ， HAN Xueshan ， et al . Joint probability density prediction method for short-term output power of multiple wind farms ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 19 ）： 8 - 15 .

郭阳，孔文佳，冯和宁，等 . 大数据挖掘用于电力企业评价体系构建［J］. 数学的实践与认识， 2019 ， 49 （ 8 ）： 117 - 123 .

GUO Yang ， KONG Wenjia ， FENG Hening ， et al . The application of big data mining in the construction of power enterprise evaluation system ［J］. Mathematical Practice and Understanding ， 2019 ， 49 （ 8 ）： 117 - 123 .

吴家佳 . 基于极端学习机的短期风电功率预测研究［D］. 北京：华北电力大学， 2017 .

WU Jiajia . Short term wind power prediction based on extreme learning machine ［D］. Beijing ： North China Electric Power University ， 2017 .

王勃，刘纯，张俊，等 . 基于Monte-Carlo方法的风电功率预测不确定性估计［J］. 高电压技术， 2015 ， 41 （ 10 ）： 3385 - 3391 .

WANG Bo ， LIU Chun ， ZHANG Jun ， et al . Uncertainty estimation of wind power prediction based on Monte Carlo method ［J］. High Voltage Engineering ， 2015 ， 41 （ 10 ）： 3385 - 3391 .

杨锡运，关文渊，刘玉奇，等 . 基于粒子群优化的核极限学习机模型的风电功率区间预测方法［J］. 中国电机工程学报， 2015 ， 35 （增刊1 ）： 146 - 153 .

YANG Xiyun ， GUAN Wenyuan ， LIU Yuqi ， et al . Wind power interval prediction method based on particle swarm optimization kernel extreme learning machine model ［J］. Proceedings of the CSEE ， 2015 ， 35 （ Supplement 1 ）： 146 - 153 .

阎洁，李宁，刘永前，等 . 短期风电功率动态云模型不确定性预测方法［J］. 电力系统自动化， 2019 ， 43 （ 3 ）： 17 - 23 .

YAN Jie ， LI Ning ， LIU Yongqian ， et al . Uncertainty prediction method of short-term wind power dynamic cloud model ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 3 ）： 17 - 23 .

彭小圣，熊磊，文劲宇，等 . 风电集群短期及超短期功率预测精度改进方法综述［J］. 中国电机工程学报， 2016 ， 36 （ 23 ）： 6315 - 6326 .

PENG Xiaosheng ， XIONG Lei ， WEN Jinyu ， et al . Summary of short-term and ultra short-term power prediction accuracy improvement methods of wind power cluster ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 23 ）： 6315 - 6326 .

杨茂，张强 . 风电功率超短期预测误差的非参数估计分布研究［J］. 东北电力大学学报， 2018 ， 38 （ 1 ）： 15 - 20 .

YANG Mao ， ZHANG Qiang . Research on the distribution of non-parametric estimation of wind power ultra-short-term forecast errors ［J］. Journal of Northeast Electric Power University ， 2018 ， 38 （ 1 ）： 15 - 20 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Identification Method for User-transformer Relationship Based on Multi-feature Symbolic Aggregate Approximation and Hierarchical Clustering

Reserve Capacity Determination and Its Cost Allocation Considering Stochastic Characteristics of Renewable Energy

Risk Assessment of Cascading Failures in Flexible Interconnected Power Distribution System

Early Warning for Transmission Line Damage Under Typhoon Disaster Based on Random Wind Field Probability Weighting

Related Author

ZENG Ying

HUA Jimin

FENG Yanjun

MAO Huan

ZHOU Gan

CHEN Qixin

YANG Zhifang

YANG Yan

Related Institution

Guangdong Power Grid Co., Ltd.

State Grid Wuxi Power Supply Company of Jiangsu Electric Power Co., Ltd.

School of Electrical Engineering, Southeast University

State Key Laboratory of Power Transmission Equipment & System Security and New Technology(Chongqing University)

Chongqing Key Laboratory of Computational Intelligence (Chongqing University of Posts and Telecommunications)

⁰