[发明专利]一种风电场功率不确定预测方法

说明书

本发明属于新能源电力系统运行控制领域，尤其涉及一种风电场功率不确定预测方法，包括以下步骤：根据预测精度要求将风速从切入风速至切出风速划分为s个风速区间；统计风电场在任意风速区间下输出功率的概率密度函数；针对任意概率密度函数曲线，采用P‑Q分段法及正态转化法将其划分成n_p个正态分布曲线；采用云模型拟合任意风速区间正态分布曲线，并采用贝叶斯估计法估计分段云模型参数值，建立任意风速区间下风电场功率不确定映射模型；基于马尔科夫模型的状态转移函数，对风电场功率进行预测，本发明方法通过引入云模型，能够充分考虑风电场风速‑功率之间对应的不确定性，显著提高风电场功率预测精度。

技术领域

本发明属于新能源电力系统运行控制领域，尤其涉及一种风电场功率不确定预测方法。

背景技术

风电场功率预测是减轻大规模风电并网对电力系统不利影响的有效手段之一。由于风能波动性以及预测误差的影响，单一估计值的功率预测给电网调度计划或风电场运行决策引入了较大的风险。风电场功率预测技术是减轻风电场并网对电缆系统造成不利影响、提高风电并网比例的有效途径之一，为电力系统及风电场的安全、稳定、经济运行提供了技术支持。单一预测结果难以满足电网和风电场运行风险决策的要求，风电场功率预测不确定性分析可以提供在某置信水平下功率预测值可能发生的波动范围，大大提高单点预测的抗风险能力。因此，通过预测结果的不确定性分析来提高预测精度是风电场功率预测研究的重点。

随着能源资源的枯竭及环境问题的日益严峻，可再生能源发电，尤其风力发电技术成为当下世界电力领域的趋势。但随着风力发电的大规模开发，风电波动性及随机性给电网安全运行和调度控制等带来巨大挑战，因此为电力系统提供精确的风电场功率输出对电力安全生产至关重要。风电场的输出功率与风速紧密相关，因此研究以风速为基础的风电场功率预测模型具有重要意义。

目前风电场功率预测时在风速预测的基础上，按照厂家提供的标准风速-功率特性曲线进行预测计算，但运行经验表明，联网运行的风电机组并不是完全按照厂家给定的风速–功率特性曲线运行的，而是运行在一个很宽的区域内，具有较大分散性，对于同一风速，风电场的输出功率并不相同，采用标准风速- 功率特性曲线进行预测具有较大误差。基于此，电力工作者开始研究全新的风电场功率预测方法，主要分为以下两个方面：基于实测数据的外特性预测和基于机理建模的预测方法。前者基于历史实测数据进行预测，不考虑风机的运行特性；后者以风机数学模型为基础进行风电场功率预测。上述方法对提高风电场功率预测模型精度奠定了重要基础，但均采用单条曲线进行拟合，未考虑风速-功率的分散性，在已知风速的基础上，得到的风电场输出功率依然存在误差。

1995年，李德毅教授提出了基于概率统计的定性定量转换的认知模型—云模型。云模型是以概率理论为基础研究定性定量转换的不确定性认知模型，利用云发生器算法实现定性概念与定量数据之间的双向转换，可以建立模糊性与随机性的关联。其中，正态云模型已在电力系统负荷预测、短期电价预测及变电站运营成本分析等问题中得到广泛应用，有效克服确定性模型无法描述不确定性、分散性问题的缺陷。然而，正态云模型具有对称特性，不适用于直接描述风速-功率的不确定性。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于P-Q分段混合云模型的风电场功率不确定预测方法，用于解决目前大型风电场由于运行分散性引起的风速-功率预测误差较大的问题，保证新能源电网的经济、安全运行。

为实现上述目的，本发明采用如下技术方案：

一种风电场功率不确定预测方法，包括以下步骤：

S1：根据预测精度要求将风速从切入风速至切出风速划分为s个风速区间；

S2：统计风电场在任意风速区间[v_i,v_i+1]的功率概率密度函数作为风电场在相应风速典型值下输出功率的概率密度函数f(v_i-min)；