点击蓝字关注我们
随着全球能源高速增长,气候变化和生态环境问题日益突出,风能作为一种可再生能源,受到各国重视。2013年,中国新增装机容量16088.7MW,累计装机容量91412.89MW,新增装机和累计装机均居世界第一,风电已成为我国继火电、水电后的第三大能源。风能具有独特的波动性、间歇性和反调峰特性,大量风电场并网为电网的安全、稳定及正常运行带来挑战。通过风功率预测系统的预测结果,可提供电网的安全性和可靠性和电网接纳风电的能力。《风电场接入电力系统技术规定》(GB19963-2011)中对风电场功率预测做了强制性规定,《风电场并网标准》中也对风速及风功率预测的分辨率和准确性提出了要求,风电场应向电网调度部门提供未来15分钟~4小时、次日24小时的风电场输出功率预测值(时间分辨率为15分钟),预测误差(平均相对误差)应不大于25%。现阶段国外内学者提出了各种理论来进行风功率预测,典型的预测模型有统计模型、物理模型、动态时空的相关模型以及基于人工神经网络的智能模型。
各预测模型评价
1 统计模型
统计模型也称为时间序列模型,主要基于测风历史数据,依据统计学的参数估计的方法并结合模式识别来建立数学模型,该模型适合小时尺度的短期(6h以内)预测。
2 物理模型
典型的物理模型为数值天气预报,主要依据取得的大气风向、风速数据,通过给定初始、边界条件,依据流体力学和热力学的方程,进行数据计算后的结果,该方法比较适合中期(一般大于6h)的风速预测。