基于高阶markov链模型风电功率预测性能分析

《基于高阶markov链模型风电功率预测性能分析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第4O卷第6期电力系统保护与控制、，01．40No．62012年3月16日PowerSystemProtectionandControlMar．16，2012基于高阶Markov链模型的风电功率预测性能分析周封，金丽斯，王丙全，张再利(哈尔滨理工大学，黑龙江哈尔滨150080)摘要：为了提高短期风电功率预测的精度，提出一种基于Markov链理论的预测算法。该算法直接对风电功率数据进行分析，划分了四种状态空间，并根据状态空间数和建模数据量的不同分别建立一阶和二阶Markov链模型。采用新误差公式NRMSE，给出不同状态空间数和建模数

2、据量下的一阶、二阶Markov链模型预测性能比较结果。进一步给出在选取相同状态空间数、相同建模数据量的情况下，一阶和二阶Markov链模型的灵敏度分析。经实例验证，该算法能有效地提高单点值预测精度，并且给出了与预测值相关的概率分布结果。关键词：风电功率预测；Markov链；多状态空间；高阶模型Analysisofthewindpowerforecastingperformancebasedonhigh—orderMarkovchainmodelsZHOUFeng，JINLi—si，WANGBing-quan，ZHANGZai-li

3、(HarbinUniversityofScienceandTechnology，Harbin150080，China)Abstract：AforecastingalgorithmbasedonMarkovchaintheoryisproposedtoimprovetheprecisionofshort-termwindpowerforecasting．ThedataofthewindpoweroxeanalyzeddirectlyandfoBEkindsofstate．spacesareformed．Theorder．1andor

4、der-2modelsarebuiltaccordingtothenumberofstate-spaceandthedifferencesofmodelingquantities．Thecomparisonresuksbetweenorder-1andorder-2Markovmodelsunderdifferentnumbersofstate．spacesandmodelingdataalepresentedthroughthenewerrorformulaNRMSE．Andthensensitivityanalysesofor

5、der．1andorder一2Markovmodelsareprovidedbasedonthesanlenumberofstate—spacesandmodelingquantity．ExperimentalresuRsshowthattheproposedmethodcanimprovethepredictionaccuracy，anditprovidesprobabilitydistributionresultsassociatedwithpredictionvalue．Keywords：windpowerpredictio

6、n；Markovchain；multi·-statespace；high·-ordermodel中图分类号：TM315文献标识码：A文章编号：1674．3415(2012)06．0006．05统才能达到一个比较合理的预测精度。而对于超短0引言期预测，统计学方法则表现出了很好的性能[5]。例由于风具有随机性，所以无论是发电系统还是如常用的时间序列法、持续法、卡尔曼滤波法等。供电系统都需要风电功率预测。风电功率预测使安超短期预测对于风电系统的每日负荷管理的决策过排发电计划成为可能，并且使电力市场管理者能提程是足够的。前做出相关决议，进

7、一步使风电系统有效并且成本对于采用统计学方法建立预测模型，直接针对合理地集成到电网】。此外，风电功率预测也有助风电功率数据建立的模型要比基于风速数据建立的于负荷、能量存储单元和发电机组的控制策略最优模型精度更高。这是由于对于后者建立预测模型必化[。须有风电场的功率曲线，而建立风电场的功率曲线物理方法和统计方法是目前比较先进的两种风必须同时考虑单个风机的功率曲线，以及风机所在电功率预测’7去l训。物理方法使用输入数据和一些物位置的地理特性，风电场塔影效应等，再对风速的理因素来提供未来时刻的风电功率数据估计；统计预测转换为对功率的预测

8、。而这一系列步骤的执行，方法则是将历史数据的变化规律同其受风速、温度、都无形中增加了误差的累积。气压等因素的影响建立关系来进行预测。这两种方现在人们所使用的预测方法通常只提供风电功法都可以对风电功率进行超短期、短期和长期预测。率的单点预测，如文献【