基于时间序列分析的风电功率预测研究_钱晓东.docx

《基于时间序列分析的风电功率预测研究_钱晓东.docx》由会员分享，可在线阅读，更多相关《基于时间序列分析的风电功率预测研究_钱晓东.docx（56页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 山西大学 2015届硕士学位论文 基于时间序列分析的风电功率预测研究 作者姓名 钱晓东 指导教师 刘维奇教授 学科专业 应用统计 研究方向 时间序列分析 培养单位 数学科学学院 学习年限 2013年 9月至 2015年 6月 二一五年六月 Thesis for Master9 s degree, Shanxi University, 2015 Wind Power Forecasting Model Based On Time Series Analysis Student Name Xiao-dong Qian Supervisor Prof. Wei-qi Liu Major Appli

2、ed Statistics Specialty Time Series AnalysisDepartment School of Mathematical Science Research Duration 2013.09-2015.06 June, 2015 中 文 摘 要 . I ABSTRACT . II m-m .i 1.1研宄背景及现状 . 1 l.i.i研宄背景 . 1 1.1,2職现状 . 2 1.2研宄内容、方法及框架 . 3 1.2.1研究内容与方法 . 3 1.2.2 4 1.3创新点 . 5 第二章时间序列建模理论 . 7 2.1随机过程的基本概念 . 7 2.1.1随机

3、过程的定义 . 7 2.1.2随机过程的数字特征 . 7 2.1.3严平稳随机序列 . 8 2.1.4宽平稳随机序列 . 8 2.1.5两种平稳随机序列的关系 . 8 2.2四类重要的平稳随机过程 . 9 2.2.1白噪声过程 . 9 2.2.2滑动平均过程 . 10 2.2.3自回归过程 . 11 2.2.4自回归滑动平均过程 . 14 2.3线性 ARMA模型的建立 . 14 2.3.1平稳性检验与平稳化处理 . 14 2.3.2模型识别 . 15 2.3.3模型检验 . 17 2.4预测及预测效果评估 . 17 2.5小结 . 18 第三章基于时间序列分析风电功率值预测的实证研究 . 1

4、9 3.1样本选取与数据来源 . 19 3.2数据平稳化处理 . 19 3.3模型识别与建立 . 24 3.4预测与预测效果评估 . 25 3.5小结 . 28 第四章基于 GUI交互式风电功率值预测系统的设计与实现 . 29 4.1 GUI . 29 4.2 GUI界面设计 . 29 4.2.1设计原则 . 30 4.2.2设计步骤 . 30 4.2.3设计过程 . 31 4.2.4界面效果 . 35 4.3 36 第五章结论与展望 . 37 5_1 麟 . 37 5.2不足之处 . 37 5.3展望 . 38 # # & M. 39 攻读学位期间取得的研究成果 . 42 a m . 43

5、个人简况及联系方式 . 44 . 45 学位论文使用授权声明 . 46 Abstract in Chinese Contents Abstract . 1 Introduction . 1.1 The research badkground and status 1.1.1 The research background . 1.1.2 The research status . lJTheresearchcontentmethodsandframeworlc. 1.2.1 The research content and methods 1.2.2 The research framewor

6、k . 1.3 Innovative Pionts . 2 The theory of the time series modeling 2.1 The basic concepts of the random process 2.1 1 The definition of the random process 2丄進麵 oce 2.1.3 Strictly stationaiy random sequence. 2.1.4 Widely stationary random sequence 二 2.1.5 The relationship between the two kinds of s

7、tatioi 2.2 Four important types of stationaiy random process. 2.2.1 White-noise process . . 2.2.2 Moving average processes 2.2.3 Auto-regressive process . 2.2.4 Auto-regressive Moving Average process. 2.3 The establishment of the linear ARMA model. 2.3.1 Stationarity test and smooth processing 2.3.2

8、 Model recognition . 2.3.3 Model test . 2.4 Prediction and forecasting effect assessment. 2.5 Brief summary . 3 Based on Ihe research on the time series analysis of wind power prediction . 19 3.1 Sample selection and data sources . 19 3.2 Data smooth processing . 19 3.3 Identifying and establishing

9、model . 24 3.4 Prediction effect assessment . 25 3.5 Brief summary . 28 4 Based on the design and implementation of the GUI interactive wind power prediction system . 29 4.1 The brief introduction of GUI . 29 4.2 The interfacial design of GUI . 29 4.2.1 Design philosophy . 29 4.2.2 Design procedure

10、. 30 4.2.3 Design process . 31 4.2.4 Interfacial effect . 35 4.3 Brief summary . 36 5 Conclusions and prospects . 37 5.1 Conclusion . 37 5.2 Deficiencies . 37 5.3 Prospects . 38 References . 39 Research achievement . 42 Acknowledgements . 43 Personal profiles . 44 Letter of commitment . 45 Authoriza

11、tion statement . 46 中 文 摘 要 近年来，在国家能源科技高速发展的推动下，作为可再生性的风能因具有的清 洁环保受到人们的高度重视。其资源丰富，而且开采与运输成本低，于是迅速成为 一种被大规模开发与利用的能源。在现今发展较快和技术较为成熟的发电领域内， 风力发电和常规能源相比较，不仅其无污染性深受人们青睐，其成本较低也为大规 模地开发与利用提供了可能。但是，风力发电也具有自身的缺陷，在风电场输出功 率时，由于其具有的波动性与反调峰的特征，这使得风电场难以输出稳定的风电功 率，这就给电力系统的相关调度部门制定风力发电计划带来诸多困难。当大规模风 电接入之后，国家电网调度部门的

12、工作就受到了巨大挑战。所以加大力度去开 展风 电功率的精确预测工作，对于调度安排风电系统的发电计划、降低风电机组备用容 量和运行成本、保证电力系统的安全稳定运行等方面有着重要意义。 首先，本文在国家风电大规模幵发的背景下，展开了对山西电网的调查与研宂， 认识到精确的风电功率值预测对山西电网乃至全国电网的安全稳定性具有重要意 义。其次，站在国内外针对风电功率值预测现有研究成果的角度，对风电功率值预 测研宄情况进行了文献梳理，并分析了对风电功率值预测方法、数值天气预报对风 电功率值预测的影响。再次，基于风电功率历史数据具有的时间序列特性，应用时 间序 列分析方法建立模型，对风电场的发电功率值进行短

13、期和中长期预测，同时分 析单一机组和汇聚机组对预测效果的影响。然后，通过实证研究结果表明，利用时 间序列分析方法，能比较精确地预测风电场发电功率，且短期内预测平均绝对百分 比误差不超过 15%，预测的合格率己超过 85%，并且集中开发的方式可以减少预测 误差。同时，通过对模型预测结果与实际真实值存在的偏差进行了分析，探究了预 测偏差存在的原因。最后，完成了基于 GUI交互式风电功率值预测系统的设计与实 现，给出了智能化的图形用户界面，为风电系统预测管理的工作人员提供了 技术支 持与人性化的服务。 关键词 ：风电功率值预测；时间序列分析； ARMA模型；短期预测；中长期预 测；预测系统 ABST

14、RACT In recent years, with the rapid development of energy technology in our country, wind power as a kind of clean and renewable energy attaches great importance. It becomes one of the large-scale development and utilization of the objects in a short time， since it is rich in resources and it need

15、not be mined and transported. Today, wind power is the fastest growing and most mature of renewable energy power generation technology, compared with conventional power, not only its no polluting is favored by people, but also the cost is low that it is available to provide the opportunity of develo

16、pment and utilization on a large scale. However, Mnd power has its own disadvantages, when wind power output, since it has the characteristics of volatility and peak shaving, and these features make it hard for the wind farm be outputted wind power steadily. This gives the related operation departme

17、nt of power system many difficulties in planning wind power. The work of state grid dispatching department has been a huge challenge when large scale wind power access to the power system. Therefore, it is significant for the scholars to strengthen the precise prediction research of wind power, beca

18、use it can schedule the wind power system of power generation planning, reduce the wind power unit spare capacity and running cost and guarantee the safe and stable operation of power system. First of all, under the background of the national wind power with a large-scale development, the paper is l

19、aunched with the investigation and study of Shanxi power grid, we realized that it is of great significance for the safety of Shanxi power grid as well as the natiresult of the empirical study shows that with the method of time series analysis, it can more accurately predict the wind power. The mean

20、 absolute percentage error is less than 15% and the percent of pass is also more than 85% in the short term prediction. We knew the concentrated development way can reduce the prediction error. Then, it analyses the existed deviation based on the model prediction results and the actual real value to

21、 explore the reasons of the existence of the prediction deviation. Finally, it completed the design and implementation of the wind power prediction system based on the GUI interactive and gave the graphical user interface based on intelligence. It also provided technical support and personalized ser

22、vice for the wind power system management staff to forecast. Key words： Wind power output prediction； lime series analysis； ARMA model； Short-term wind power forecasting； Mid-long-term wind power forecasting； Prediction system m 第一章绪论 1.1研究背景及现状 1.1.1研究背景 能源问题一直是国家战略规划的核心问题，也是与人们生活息息相关的重要话 题。当常规能源具有

23、的污染性与不可再生性带来的危害日益突出，深刻地影响着人 们的生活时，人们开始寻找一种可再生的清洁能源的需求越来越强烈。这时风电能 源由于其自身具有的清洁性、可再生性的特征被人们广泛接受。在清洁能源经济发 展的现代，与传统常规的电源发电相比较，风电作为可再生能源的主力之一，其无 污染性、可再生性越来越得到重视，因此在未来的能源结构调整的战略中，其拥有 良好的前景。目前风力发电主要通过近地风能实现，但是近地风能有自身的缺点， 如波动性大、间歇性强与能量密度低等固有特点，而且大多数风电还具有不可控制 的反调峰特性，如果不能有效地对风电功率进行精确预测，电网中就需要专门 准备 有风电最大出力的旋转备用

24、容量，以此来调节风电的大幅度范围内的波动，但是该 方式在电网中风电接入规模比较小的时候才会有效。 随着风电规模开发规模的加大，尤其是在千万千瓦级风电基地的建设后，通过 旋转备用克服风电波动的方式己无法适用。根据对山西电网的统计结果，截止 2012 年底，山西省共拥有 564座 110千伏及以上的变电站，变电容量己达到 11005万千 伏安，输电线路己经达到了 32896千米。根据国家电网山西电力公司官方最新资料 显示，截止 2014年底，山西电网共拥有 110千伏及以上线路开工 1368.56千米，投 产 2230千米；变电容量开工 421.3万千伏安，投产 966万千伏安。 2014年完成省

25、内 售电量 1372.28亿千瓦时；外送电量 343.3亿千瓦时，同比增长速度为 13.05%。 11目 前，山西省电网的主网架虽然己经形成，但是根据相关资料显示，在目前的生产领 域中，风电的反调峰概率有时可能达到 60%以上。仅仅在 2010年 1月至 8月份时期 内，在总出力波动 30分钟以内的风电容量超过 9万千瓦的就己经达到 207次，在这 种情况下，风电装机井喷式的增长容量对电网的影响特别严重。根据国家电网山西 电力公司官方资料显示， 2013年底山西电网风电装机容量己经达到 300万千瓦 ,2015 年己经达到 1200千瓦，未来在全省范围内还将增加数十座风电场。这些大容量的风 基

26、于时间序列分析的风电功率预测研宂 电并网将对山西电网的安全稳定性带来巨大的影响。因此，在风力发电的生产领域 中，尽可能准确地对风电场的发电功率进行预测，是确保电网的功率平衡和安全运 行的重要环节。 根据国家电力调度管理部门的科学安排，风电功率值预测方式主要有两种，分 别为日前预测和实时预测。日前预测指的是预测次 日时至 24小时 96个时点（每 15分钟作为一个时点）的风电功率数值。实时预测主要是预测每个时点未来 4小时 内的 16个时点（每 15分钟作为一个时点）的风电功率数值。目前，关于风电功率 的预测方法也较多 2_5:按照预测的物理量进行分类，分为两种：一是直接进行输出 功率的预测，二

27、是先进行风速预测，然后根据风电机组或风电场功率曲线，再输出 功率进行预测；按照数学模型进行分类，主要有持续预测方法、卡尔曼滤波法、 ARMA 模型方法、智能方法等；按照输入数据进行分类，主要有不采用数值天气预报数据 和采用数值天气预报 数据；而按照预测的时间尺度进行分类，也分为超短期预测（数 分钟）、短期预测 （ 数小时或数天 )、中长期预测（数周或数月 ） 和长期预测（数年 )。 1.1.2研究现状 关于风电场发电功率的预测研宄工作，国外起步较早。在 1990年 Landberg团队 率先研发出了一套风电场发电功率的预测系统 6，其主要采用了基于类似欧洲风图集 的原理与方法，将风速、风向等这

28、些由数值天气预报提供的数据，利用科学有效的 转换方法后，从而得到了风电机组关于轮毂髙度的风速与风向情况的数据，再结合 功率曲线进行计算，就会得到风电场的出力，同时依据风电场的效率进行不同适当 程度的修正与改进。 1994年丹麦学者 Ris0基于物理方法开发出了 Prediktor风电功率 值预测系统，同时，丹麦技术大学科研团队分别在 1994年和 2003年基于统计方法 和物理方法研制开发出了 WPPT和 Zephyr的风电功率值预测系统 71。除此之外，关 于风电场发电功率的预测系统研发方面，比较有代表性的还有德国奥尔登堡大学于 2002年基于物理方法开发的 Previento预测系统，西班

29、牙卡洛斯三世大学于 2002年 基于统计方法研制开发的 Sipredlico预测系统，西班牙可再生能源中心于 2001年基 于物理方法研制开发的 LocalPred - RegioPred预测系统以及德国 ISET研究所基于统 计方法于 2001年开发的 WPMS预测系统等。这些预测系统在开发的过程中，主体 思想均是基于利用数值天气预测得到风机轮毂高度的风速、风向等重要预测信息， 再根据风电功率值预测模块完成风电功率值预测的工作。 2 第一章绪论 我国国内关于风力发电功率预测的研宄工作起步较晚，但是近年来在 国家电力 部门的正确引导下，全国目前已经有二十多个省级调度部门上线使用了风电功率值 预

30、测系统，我国自主幵发的风电功率值预测系统也己经幵始在国内大约三百个风电 场投入使用，其发展形势比较乐观。但是不足之处在所难免，尤其是其速度过快的 发展，造成了风电行业出现了重量不重质的结果。虽然风电累计装机容量仍然在不 断持续的发展，但是其增长率明显减慢，我国在未来发电战略中，由速度一规模导 向型发展转向质量一效率导向型发展已是大势所趋。国内的学者对于风电功率值预 测的研究工作也取得了显著的成效，己涌现出大量的研究成果。王 彩霞等 M2011年 基于非参数回归模型建立风速与风电功率之间的转换模型，得到风电功率的点预测 值；徐曼等 1()2011年对短期风电功率值预测提出了一种包含纵向误差、横向

31、误差、 相关因子与极端误差等在内的综合评价方法；陈颖等 112011年基于多层前馈人工神 经网络 (BP-ANN)的间接预测法对超短期风电场输出功率进行预测 ； 罗毅等m32012 年基于主成分一遗传神经网络理论对短期风电功率进行了预测等。此外，也有学者 提出了基于人工神经网络、时间序列分析 17、卡尔曼滤波 1W9、支持向量机 等方法进行短期风电功率值预测。除此之外，还有学者利用小波分析 21、混沌理论 2M4、 模糊神经网络 25等各种智能方法建立并改善预测模型 26_29，选取合适的线性 或非线性方式对多种预测方法的预测结果进行组合优化。但是这些预测方法在应用 对象上大多只是针对单一风电

32、机组，在预测的时间上也停留在短期甚至超短期上， 没有涉及到中长期和长期。虽然长期和中长期的风电功率值预测由于涉及国家政策 法规、能源资源远景规划及风电功率数值波动性等方面影响，不确定性较强，预测 的准确率具有一定的限制，但是对于国家电网 部门在发展战略方面的长期规划和经 济的实效方面仍具有一定的价值。 1.2研究内容、方法及框架 1.2. 1研究内容与方法 本文探讨的不仅仅是短期发电功率预测，也进行了中长期的预测，并根据实际 情况，讨论了汇聚风电机组对风电功率的影响。由于时间序列包含了数据顺序与数 据大小，对客观世界的某一动态过程能够很好地表现出来，能够较好地反映出客观 世界以及客观世界变化的

33、信息。结合风电场发电功率数值是按时间进行排序和以及 3 基于时间序列分析的风电功率预测研宂 风电功率数值具有的离散性特征，因此本文基于时间序列分析方法对风电场发电功 率展开了预测工作。在通过对原始时间序列数据平稳性检验与数据预处理之后，根 据风电功率序列的统计特性以及不同时间序列模型具有的统计特性对风电功率时间 序列模型进行识别，在模型的定阶过程中，采用了 AIC准则函数，用最小二乘法对 参数进行了估计，并运用该模型进行了短期和中长期的风电功率值预测，最后计算 了单一风电机组和汇聚风电机组的预测误差，分析了两种不同形式的风电机组对预 测误差的影响。如图 1所示： 图 1研宂技术路线图 1.2.

34、 2论文框架 针对本课题的研宄内容，论文做了如下布局： 第一章从清洁能源经济发展的时代背景出发，指出了风电功率的精确预测对实 际生产的现实意义。即从减少环境污染、降低电网运行成本、保证电网系统安全性、 4 第一章绪论 优化电力市场中的电力价值等角度考虑，对短期风电功率值预测，乃至中长期风电 功率值预测的重要性给予说明。并且通过对国内外在预测风电功率研宄现状的梳理， 鉴于现有理论研宂方面的不足，提出了本研宂的方案。 第二章提供了所要研宄问题的理论基础，对常见的四类重要的平稳随机过程进 行了重点探讨，从基本定义入手，分别计算了各自具有的特征参数，并对各自的适 用范围做出了界定。重点归纳了三种基本类

35、型的时间序列，分别从原始数据平稳性 检验与平稳化处理、模型识别 （ 包括模型选择、模型定阶、参数估计 )、模型检验、 预测效果评估等方面给予理论说明。 第三章是本文的实证部分，采用了大唐赤峰东山风电场一期工程的部分数据， 在不考虑机器故障、人为操作等因素对风速影响，纯粹根据历史风电功率数据进行 预测的情况下，在第二章的理论基础上，通过 MATLAB语言编程，得到了对该风电 场发电功率进行预测的时间序列模型，并运用该模型对风电功率进行了短期和中长 期预测，同时分析了单一机组和汇聚机组对预测效果的影响。 第四章完成了基于 GUI交互式风电功率值预测系统的设计与实现，给出了智能 化的风电功率值预测系统的图形用户界面，为了确保该系统的稳定性与准确性，进 行了测试工作。基于 GUI交互式风电功率值预测系统的设计与实现工作的完成，为 风电系统预测管理的工作人员提供了技术支持与人性化的服务。 第五章是本研宄所得到的结论与启示，对不足之处进行了深