基于PCC-RBF网络的风电功率短期预测方法*

游坤奇， 熊 殷， 贾永青， 赵 健， 虢 优， 易灵芝

(1.湖南电器科学研究院有限公司，湖南 长沙 410009；2.湘潭大学 自动化与电子信息学院 湖南省多能源协同控制技术工程研究中心，湖南 湘潭 411105)

0 引 言

随着煤炭等传统能源的日益消耗，寻找一种新的无污染、可再生能源显得尤其重要。风能来自大自然，属于可再生无污染的新能源，若能有效利用，将大大缓解当前能源用量紧张的局面[1]。风电功率短期预测是风力发电的重要组成部分，精确的功率预测能够保证风力发电场安全运行，为电网调度提供参考[2]。因此，研究风电功率短期预测对风电场安全运行具有重大意义。

近年来，国内外学者针对风电功率预测进行了广泛研究[3-4]，其中包括传统的物理方法[5]、基于统计学的方法[6]与智能预测方法。(1)物理方法。物理方法需要大量的风电机组、天气、环境等多方面信息，工作量大，预测过程复杂，难以实现风电功率准确而快速的短期预测，一般只适用于长期预测。文献[7]采用高层气象大数据进行风电场中长期功率预测，预测精度较好，但该方法需要求解大量方程组，计算量大，不适合短期预测。(2)基于统计学的方法，包括贝叶斯法[8]、卡尔曼滤波法[9]、概率分布法等。文献[10]根据发电调度对系统备用容量安全性和经济性的要求，建立一个能够计算任意概率水平气，且符合Beta分布最小概率区间的模型，但该方法无法更加准确地表达出预测误差随预测功率大小变化的关系。文献[11]使用高斯混合分布模型统计风电功率预测误差，能较好地反映出风电功率预测误差的分布与变化情况，但该模型运行时间较长，且拟合精度有待进一步提高。……