计及气象因素和风速空间相关性的风电功率预测模型

胡帅; 向月; 沈晓东; 刘俊勇; 刘继春; 李健华

doi:10.7500/AEPS20200218012

您当前的位置：

首页 >

文章列表页 >

计及气象因素和风速空间相关性的风电功率预测模型

学术研究 | 更新时间：2025-06-16

- 计及气象因素和风速空间相关性的风电功率预测模型
- Wind Power Prediction Model Considering Meteorological Factor and Spatial Correlation of Wind Speed
- 电力系统自动化-方正平台 2021年45卷第7期页码：28-36
- 作者机构：
  
  四川大学电气工程学院，四川省成都市 610065
- 作者简介：
  
  胡帅(1998—)，女，硕士研究生，主要研究方向：新能源发电预测。E-mail：xxnscdx@sina.com
  向月(1987—)，男，通信作者，博士，副教授，主要研究方向：电力系统规划与优化运行、新能源接入等。E-mail：xiang@scu.edu.cn
  沈晓东(1975—)，男，博士，副教授，主要研究方向：电力系统分析。E-mail：shengxd@scu.edu.cn
- 基金信息：
  
  中央高校基本科研业务费专项资金资助项目(YJ201654)
- DOI：10.7500/AEPS20200218012
  中图分类号：
- 收稿日期：2020-02-18，
  
  修回日期：2020-10-05，
  
  网络出版日期：2021-01-05，
  
  纸质出版日期：2021-04-10
- 稿件说明：
移动端阅览
胡帅,向月,沈晓东等.计及气象因素和风速空间相关性的风电功率预测模型[J].电力系统自动化,2021,45(7):28-36.

HU Shuai,XIANG Yue,SHEN Xiaodong,et al.Wind Power Prediction Model Considering Meteorological Factor and Spatial Correlation of Wind Speed[J].Automation of Electric Power Systems,2021,45(7):28-36.
胡帅,向月,沈晓东等.计及气象因素和风速空间相关性的风电功率预测模型[J].电力系统自动化,2021,45(7):28-36. DOI： 10.7500/AEPS20200218012.

HU Shuai,XIANG Yue,SHEN Xiaodong,et al.Wind Power Prediction Model Considering Meteorological Factor and Spatial Correlation of Wind Speed[J].Automation of Electric Power Systems,2021,45(7):28-36. DOI： 10.7500/AEPS20200218012.

摘要

建立了一种计及数值天气预报中气象因素和风速空间相关性的组合加权风电功率预测模型。首先，考虑到数值天气预报数据中的风速精确度不高，建立了基于高斯过程的数值天气预报风速修正模型，计入其他气象因素，如风向、温度、湿度、气压等，进行风电预测。同时，基于目标风电场与相邻风电场区域的风速空间相关性分析，求得其最大相关系数点的延迟时间，建立风速空间相关性预测模型。然后，基于数值天气预报偏差修正的风电功率预测模型和空间相关性预测模型，建立组合加权预测模型，并利用拉格朗日乘子法求得组合模型中各个单一模型的加权值。算例结果表明，所提模型及方法能够有效提高风电功率预测的精度。

Abstract

A combined weighted wind power prediction model is established

which takes meteorological factors and the spatial correlation of the wind speed in numerical weather prediction (NWP) into account. First

considering that the data accuracy of the NWP is not high enough

a wind speed correction model for NWP based on Gaussian process is built

and other meteorological factors

such as wind direction

temperature

humidity

and air pressure

are taken into account for wind power prediction. At the same time

based on the analysis of the spatial correlation of the wind speed between the target wind farm and the adjacent wind farm area

the delay time of the maximum correlation coefficient point is obtained

and the prediction model of spatial correlation for the wind speed is established. Then

based on the wind power prediction model and the spatial correlation prediction model using the deviation correction of the NWP

a combined weighted prediction model is established

and the Lagrangian multiplier method is used to obtain the weighted value of each single model in the combined model. The case results show that the proposed model and method can effectively improve the accuracy of wind power prediction.

关键词

Keywords

references

YANG L ， HE M ， ZHANG J S ， et al . Support-vector-machine-enhanced Markov model for short-term wind power forecast ［J］. IEEE Transactions on Sustainable Energy ， 2015 ， 6 （ 3 ）： 791 - 799 .

OUYANG T H ， ZHA X M ， QIN L . A combined multivariate model for wind power prediction ［J］. Energy Conversion and Management ， 2017 ， 144 ： 361 - 373 .

段偲默，苗世洪，李力行，等 . 计及预测误差动态相关性的多风电场联合出力不确定性模型［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 31 - 37 .

DUAN Simo ， MIAO Shihong ， LI Lixing ， et al . Uncertainty model of combined output for multiple wind farms considering dynamic correlation of prediction errors ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 31 - 37 .

曹俊波，周任军，邓学华，等 . 考虑优化ARIMA模型差分次数的风电功率预测［J］. 电力系统及其自动化学报， 2019 ， 31 （ 1 ）： 105 - 111 .

CAO Junbo ， ZHOU Renjun ， DENG Xuehua ， et al . Wind power forecast considering differential times of optimal ARIMA model ［J］. Proceedings of the CSU-EPSA ， 2019 ， 31 （ 1 ）： 105 - 111 .

方江晓，周晖，黄梅，等 . 基于统计聚类分析的短期风电功率预测［J］. 电力系统保护与控制， 2011 ， 39 （ 11 ）： 67 - 73 .

FANG Jiangxiao ， ZHOU Hui ， HUANG Mei ， et al . Short-term wind power prediction based on statistical clustering analysis ［J］. Power System Protection and Control ， 2011 ， 39 （ 11 ）： 67 - 73 .

彭晨宇，陈宁，高丙团 . 结合多重聚类和分层聚类的超短期风电功率预测方法［J］. 电力系统自动化， 2020 ， 44 （ 2 ）： 173 - 181 .

PENG Chenyu ， CHEN Ning ， GAO Bingtuan . Ultra-short-term wind power forecasting method combining multiple clustering and hierarchical clustering ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 2 ）： 173 - 181 .

范高锋，王伟胜，刘纯 . 基于人工神经网络的风电功率短期预测系统［J］. 电网技术， 2008 ， 32 （ 22 ）： 72 - 76 .

FAN Gaofeng ， WANG Weisheng ， LIU Chun . Artificial neural network based wind power short term prediction system ［J］. Power System Technology ， 2008 ， 32 （ 22 ）： 72 - 76 .

KARAKUŞ O ， KURUOĞLU E E ， ALTıNKAYA M A . One-day ahead wind speed/power prediction based on polynomial autoregressive model ［J］. IET Renewable Power Generation ， 2017 ， 11 （ 11 ）： 1430 - 1439 .

王恺，关少卿，汪令祥，等 . 基于模糊信息粒化和最小二乘支持向量机的风电功率联合预测建模［J］. 电力系统保护与控制， 2015 ， 43 （ 2 ）： 26 - 32 .

WANG Kai ， GUAN Shaoqing ， WANG Lingxiang ， et al . A combined forecasting model for wind power predication based on fuzzy information granulation and least squares support vector machine ［J］. Power System Protection and Control ， 2015 ， 43 （ 2 ）： 26 - 32 .

李霄，王昕，郑益慧，等 . 基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测［J］. 电力系统保护与控制， 2015 ， 43 （ 11 ）： 63 - 69 .

LI Xiao ， WANG Xin ， ZHENG Yihui ， et al . Short-term wind load forecasting based on improved LSSVM and error forecasting correction ［J］. Power System Protection and Control ， 2015 ， 43 （ 11 ）： 63 - 69 .

QUAN H ， SRINIVASAN D ， KHOSRAVI A . Short-term load and wind power forecasting using neural network-based prediction intervals ［J］. IEEE Transactions on Neural Networks and Learning Systems ， 2014 ， 25 （ 2 ）： 303 - 315 .

叶瑞丽，郭志忠，刘瑞叶，等 . 基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测［J］. 电工技术学报， 2017 ， 32 （ 21 ）： 103 - 111 .

YE Ruili ， GUO Zhizhong ， LIU Ruiye ， et al . Wind speed and wind power forecasting method based on wavelet packet decomposition and improved Elman neural network ［J］. Transactions of China Electrotechnical Society ， 2017 ， 32 （ 21 ）： 103 - 111 .

CHEN N Y ， QIAN Z ， NABNEY I T ， et al . Wind power forecasts using Gaussian processes and numerical weather prediction ［J］. IEEE Transactions on Power Systems ， 2014 ， 29 （ 2 ）： 656 - 665 .

冯双磊，王伟胜，刘纯，等 . 风电场功率预测物理方法研究［J］. 中国电机工程学报， 2010 ， 30 （ 2 ）： 1 - 6 .

FENG Shuanglei ， WANG Weisheng ， LIU Chun ， et al . Study on the physical approach to wind power prediction ［J］. Proceedings of the CSEE ， 2010 ， 30 （ 2 ）： 1 - 6 .

李莉，刘永前，杨勇平，等 . 基于CFD流场预计算的短期风速预测方法［J］. 中国电机工程学报， 2013 ， 33 （ 7 ）： 27 - 32 .

LI Li ， LIU Yongqian ， YANG Yongping ， et al . Short-term wind speed forecasting based on CFD pre-calculated flow fields ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 7 ）： 27 - 32 .

XU Q ， HE D ， ZHANG N ， et al . A short-term wind power forecasting approach with adjustment of numerical weather prediction input by data mining ［J］. IEEE Transactions on Sustainable Energy ， 2015 ， 6 （ 4 ）： 1283 - 1291 .

ALEXIADIS M ， DOKOPOULOS P ， SAHSAMANOGLOU H . Wind speed and power forecasting based on spatial correlation models ［J］. IEEE Transactions on Energy Conversion ， 1999 ， 14 （ 3 ）： 836 - 842 .

ZHAO Y ， YE L ， PINSON P ， et al . Correlation-constrained and sparsity-controlled vector autoregressive model for spatio-temporal wind power forecasting ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 5 ）： 5029 - 5040 .

YE X ， LU Z ， QIAO Y ， et al . Identification and correction of outliers in wind farm time series power data ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 6 ）： 4197 - 4205 .

徐梅梅，任祖怡，陈建国，等 . 基于空间相关性和小波-神经网络的短期风电功率预测模型［J］. 南京理工大学学报， 2016 ， 40 （ 3 ）： 360 - 365 .

XU Meimei ， REN Zuyi ， CHEN Jianguo ， et al . Short-term wind power forecasting model based on spatial correlation and wavelet-neural network ［J］. Journal of Nanjing University of Science & Technology ， 2016 ， 40 （ 3 ）： 360 - 365 .

SEMERO Y ， ZHANG J ， ZHENG D . PV power forecasting using an integrated GA-PSO-ANFIS approach and Gaussian process regression based feature selection strategy ［J］. CSEE Journal of Power and Energy Systems ， 2018 ， 4 （ 2 ）： 210 - 218 .

KUPILIK M ， WITMER F ， MACLEOD E ， et al . Gaussian process regression for arctic coastal erosion forecasting ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2019 ， 3 （ 57 ）： 1256 - 1264 .

符杨，郑紫宸，时帅，等 . 考虑气象相似性与数值天气预报修正的海上风电功率预测［J］. 电网技术， 2019 ， 43 （ 4 ）： 1253 - 1260 .

FU Yang ， ZHENG Zichen ， SHI Shuai ， et al . Offshore wind power forecasting considering meteorological similarity and NWP correction ［J］. Power System Technology ， 2019 ， 43 （ 4 ）： 1253 - 1260 .

LI P ， GUAN X ， WU J ， et al . Modeling dynamic spatial correlations of geographically distributed wind farms and constructing ellipsoidal uncertainty sets for optimization-based generation scheduling ［J］. IEEE Transactions on Sustainable Energy ， 2015 ， 6 （ 4 ）： 1594 - 1605 .

薛禹胜，陈宁，王树民，等 . 关于利用空间相关性预测风速的评述［J］. 电力系统自动化， 2017 ， 41 （ 10 ）： 161 - 169 .

XUE Yusheng ， CHEN Ning ， WANG Shumin ， et al . A review on wind speed prediction based on spatial correlation ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 10 ）： 161 - 169 .

叶林，赵永宁 . 基于空间相关性的风电功率预测研究综述［J］. 电力系统自动化， 2014 ， 38 （ 14 ）： 126 - 135 .

YE Lin ， ZHAO Yongning . A review on wind power prediction based on spatial correlation approach ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 14 ）： 126 - 135 .

邱学兴，王东勇，陈宝峰 . T639模式预报系统误差统计和订正方法研究［J］. 气象， 2012 ， 38 （ 5 ）： 526 - 532 .

QIU Xuexing ， WANG Dongyong ， CHEN Baofeng . The statistics and correction of T639 model forecast system errors ［J］. Meteorological Monthly ， 2012 ， 38 （ 5 ）： 526 - 532 .

徐曼，乔颖，鲁宗相 . 短期风电功率预测误差综合评价方法［J］. 电力系统自动化， 2011 ， 35 （ 12 ）： 20 - 26 .

XU Man ， QIAO Ying ， LU Zongxiang . A comprehensive error evaluation method for short-term wind power prediction ［J］. Automation of Electric Power Systems ， 2011 ， 35 （ 12 ）： 20 - 26 .

史坤鹏，乔颖，赵伟，等 . 计及历史数据熵关联信息挖掘的短期风电功率预测［J］. 电力系统自动化， 2017 ， 41 （ 3 ）： 13 - 18 .

SHI Kunpeng ， QIAO Ying ， ZHAO Wei ， et al . Short-term wind power prediction based on entropy association information mining of historical data ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 3 ）： 13 - 18 .

徐正阳，路志英，刘洪 . 基于泄漏积分型回声状态网络的在线学习光伏功率预测［J］. 电力系统及其自动化学报， 2018 ， 30 （ 2 ）： 1 - 7 .

XU Zhengyang ， LU Zhiying ， LIU Hong . Online-learning PV power forecasting based on leaky-integrator echo state network ［J］. Proceedings of the CSU-EPSA ， 2018 ， 30 （ 2 ）： 1 - 7 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

风速相关性对概率潮流计算的影响分析

面向多类型极端天气的新型电力系统规划方案全场景风险评估

超级电容参与风电调频的动态响应优化策略

电力系统风力发电建模与仿真研究综述