风电场输出功率的多时段联合概率密度预测

• 作者: 朱思萌 杨明 王洪涛 韩学山
• 来源期刊: 电力系统自动化
• 关键词: 电力系统 风电预测 联合概率密度预测 稀疏贝叶斯学习 常条件相关-多元广义自回归条件异方差模型
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 绿色电力自动化
• 页码范围: 23-28
• 页数: 6页
• 字数: 5238字
• 语种: 中文
• DOI: 10.7500/AEPS201205097

摘要

风电场输出功率波动性较强,难以精确预测,掌握其输出功率的分布规律对含有风电场的电力系统的运行决策具有重要意义.文中在分析风电场有功功率输出特性的基础上,提出了风电场输出功率多时段联合概率密度预测,利用风电场输出功率在时段间较强的相关性,估计其波动的幅度与速度特征,为系统运行提供更全面的决策信息.结合多元回归估计常条件相关-多元广义自回归条件异方差(CCC-MGARCH)模型与稀疏贝叶斯学习方法,给出了一种基于数值天气预报信息的风电场输出功率短期多时段联合概率密度预测方法.该方法依据CCC-MGARCH模型思想,将未来多个时段内风电场输出功率的联合概率密度预测问题分解为:风电场在各个时段内独立的输出功率概率密度预测子问题和时段间关联的输出功率预测误差相关系数矩阵估计子问题,利用稀疏贝叶斯学习方法在概率密度预测问题上的优势,形成预测效果好、计算效率高的风电场输出功率多时段联合概率密度预测方法.应用实例与分析说明了该方法的有效性.