基于相空间重构和误差补偿的风电功率混沌时间序列预测模型

王 兰，王 晞，李华强，刁芳钰

（1.四川大学电气信息学院智能电网四川省重点实验室，成都 610065；2.国网四川省电力公司经济技术研究院，成都 610041）

基于相空间重构和误差补偿的风电功率混沌时间序列预测模型

王 兰1，王 晞2，李华强1，刁芳钰1

（1.四川大学电气信息学院智能电网四川省重点实验室，成都 610065；2.国网四川省电力公司经济技术研究院，成都 610041）

针对风电混沌时间序列在多维空间内展现出的短期可预测性，本文提出将误差补偿思想与相空间重构理论结合，将误差补偿模型推广至多维空间。由于风电实测数据同时包含线性特征与非线性特征，使用向量自回归模型和Elman神经网络模型分别对多维空间内的风电混沌时间序列的线性特征与非线性特征进行预测，并将两者的结果相加得到最后的预测值。对我国某风电场实测数据的建模仿真结果表明，本文所提方法较单一线性建模和单一非线性建模方法更优，具有更高的预测精度。

风电功率预测；相空间重构；向量自回归；Elman神经网络；

Abstract:Considering that wind power time series shows short-term predictability in the multi-dimensional space be⁃cause of its chaotic characteristic，a forecasting model is proposed by combining an error correction model with phase space reconstruction theory，thus the error correction model is expanded to the multi-dimensional space.The proposed model uses vector auto-regression（VAR）model and Elman neural network model to predict the linear and nonlinear characteristics respectively，because the measured wind power data contain both linear and nonlinear characteristics.In this way，the final forecasting value can be obtained by combining the results of the two models.The simulation results with the data from one wind farm in China show that compared with the single linear model and single nonlinear model，the proposed model has higher prediction accuracy.

Key words:wind power prediction；phase space reconstruction；vector auto-regression（VAR）；Elman neutral network

随着能源危机和环境问题的日益突出，风电等可再生能源越来越受社会的关注[1]。由于自然因素的影响，风能具有波动性和随机性，这给电网的运行带来了大量的不确定性[2-3]。准确预测风力发电，可为电力调度部门提供有效调度计划，节约燃料，减轻环境污染，也能保证供电质量，降低系统的运行成本。同时，准确预测风力发电，可降低风电对电网造成的安全稳定影响，为风电的大规模上网提供有利条件[4-5]。……