基于神经模糊网络的短期风电预测

粟华祥

(广西金腾电力设备监理服务有限责任公司，广西 南宁 530000)

1 引言

随着风力发电技术的日益成熟，风电产业在全球范围内得到大力发展，这不仅缓解了各国电力短缺的压力，解决了部分偏远地区用电困难的问题，而且在减少环境污染的同时，也起到了完善能源结构组成的作用。然而，风电在电力系统中的高渗透给电网带来了诸多挑战，究其原因是风电具有随机性、间歇性和波动性等特性，使得风能无法进行调度。为了将更多的风电引入电力系统，需要在36小时左右的时间范围内进行准确的短期风电预测，从而实现最优的旋转备用容量调度和电网运行。

近年来短期风电预测引起了国内外许多研究机构的关注。根据风力发电预测技术的发展现状[1－3]，主要有两种方法:一种是物理方法，利用控制大气行为的物理规律模拟风电场的局部气流场，然后计算相应的风力发电机组发电量；另一种方法称为统计方法，利用历史数据发现解释变量与发电量之间的关系。另外，预报模式可分为数值预报和非数值预报两大类。一般来说，物理模式必须使用数值预报，但统计模式可以选择使用数值预报。不使用数值预报系统的模式在最初3～4小时内可能具有令人满意的预报精度，但在较长的预报期内会产生不准确的结果。本文着重研究了统计预报方法，由于预报时间范围确定为提前36小时，利用以往的实测资料是不够的，预测了风速、风向、温度、风速等气象变量，必须考虑数值天气预报(NWP)模式的湿度和气压。……