CN106056254A - 一种计及出力水平影响的风电预测误差模拟方法 - Google Patents

Abstract

本发明属于电力系统模拟方法技术领域。涉及一种能计及出力水平对预测误差分布特性影响的预测误差模拟方法，流程如下：步骤1、根据历史数据，分不同的预测出力区间，求取预测误差的经验分布函数F_e；步骤2、t＝1，预测误差模拟生成开始；步骤3、生成在[0,1]区间上服从均匀分布的随机变量的一个样本u；步骤4、根据所在区间的预测误差分布函数的逆函数，确定t时刻的预测误差模拟值步骤5、t＝t+1，模拟继续，若t达到预先设定的模拟次数T，则模拟结束，输出结果，否则转到步骤③。该方法充分利用了历史风电预测误差中蕴含的信息，计及了出力水平对预测误差的分布特性的影响，模拟结果可为电力调度等研究提供更准确的依据。

Description

一种计及出力水平影响的风电预测误差模拟方法

技术领域

本发明属于电力系统的模拟方法技术领域，特别涉及一种计及出力水平影响的风电预测误差模拟方法。

背景技术

近年来，风电发展迅速。风能所固有的波动性特征，使风电输出功率难以准确预测。目前，商业化预测软件的日前预测精度仍不甚理想，其预测误差可达20％。而因为风速本身具有较大随机性，风电的预测精度难以大幅度提升。因此，在现有预测水平的基础上，分析和把握预测误差的特性，并准确表征风电的不确定性，可能更有意义。

在电力系统运行调度相关的研究中，经常要在风电预测值的期望值的基础上，模拟预测误差的可能取值，进而计算相关指标，如弃风期望等。传统上，这一过程通常仅简单考虑预测误差的分布情况，而没有计及出力水平对预测误差的分布特性的影响。实际上，预测误差的分布特性与风电的出力水平相关，如果预测误差的模拟不够精细化，则可能会使研究结果失之偏颇。因此，有必要探索一种能够精细化表征预测误差的分布特性的模拟方法。

发明内容

本发明的目的是提供一种预测误差模拟精度较高的计及出力水平影响的风电预测误差模拟方法。该方法在风电预测误差的模拟过程中，计及出力水平对预测误差的分布特性的影响，使得模拟更加精细化，从而可以为电力调度等研究提供更加准确的依据。

为了实现上述目的，本发明采取的技术方案如下：一种计及出力水平影响的风电预测误差模拟方法，其特征在于：将已知的风电出力预测期望值序列记为该序列即为需要进行预测误差模拟的序列，将与之对应的风电预测误差的模拟值序列记为具体流程如下：

步骤1，根据历史数据，分不同的预测出力区间，求取预测误差的经验分布函数F_e；同时，确定中各量的值；

步骤2，t＝1，预测误差模拟生成开始；

步骤3，生成在[0,1]区间上服从均匀分布的随机变量的一个样本u；

步骤4，根据所在区间的预测误差分布函数的逆函数，确定t时刻的预测误差模拟值

$P_{e,t}^s=F_e^{-1}\left(u;P_{f,t}^s\right)$

式中：为已知的次日风电预测出力期望值，为对应时刻的预测误差模拟值；

步骤5，t＝t+1，模拟继续；若t达到预先设定的模拟次数T，则模拟结束，输出结果，否则转到步骤3。

本发明首先以某风电场的实际运行数据为样本，对预测误差进行分析，揭示其分布特征的规律。在此基础上，利用对经验分布函数求逆的方法，提出了一种计及出力水平影响的预测误差模拟方法。实例仿真证明了本发明方法的有效性。

本发明方法在风电预测误差的模拟过程中，将风电出力对预测误差的分布特性的影响考虑到其中，以预测出力水平作为参数，当预测出力水平不同的时候，选择不同的预测误差的经验分布函数，进行预测误差的模拟，以此考虑出力水平对预测误差分布特性的影响，从而使得模拟更加精细化，准确表征风电的不确定性。

利用本发明所提出的计及出力水平影响的风电预测误差模拟方法，可更加充分利用历史风电预测误差中蕴含的信息，实现对预测误差的精细化模拟。其核心思想在于对预测误差经验分布函数的精细化处理。通过分不同出力区间求取的预测误差的经验分布函数，很好地计及了出力水平对预测误差的纵向分布特性的影响，其模拟结果，可为电力调度等领域的研究提供更准确的依据

下述为本发明的模拟方法的原理：

风电预测误差可定义为风电出力的实际值与预测值之差，如式(1)所示。预测误差的分布特性是指P_e,t的概率分布情况。

P_e,t＝P_r,t-P_f,t (1)

式中:P_e,t为t时刻的风电预测误差；P_r,t为实际值；P_f,t为预测值。

为便于分析与比较，将式(1)中各量进行归一化：

$P_{x,t}^u=\frac{P_{x,t}}{P_N}---\left(2\right)$

式中：为P_x,t的归一化值，x的取值为e、r、f；P_N为风电装机容量。

后续以某风电场2014年的实际数据作为分析基础，数据的时间分辨率为15min。

统计预测误差的分布情况，以频率直方图表示，如图1所示。图1反映的是预测误差的概率密度分布情况，现已有多种对此进行描述的函数形式，如贝塔分布、拉普拉斯分布、分段指数分布、混合偏态分布等。但考虑到本发明的应用实际，在此不对其进行统计拟合，而是求取预测误差的经验分布函数。

考虑到风电出力水平对分布特性的影响，将预测误差依预测出力大小分区间进行统计，能更准确地反映预测误差的分布情况。本发明将风电出力水平分为从A、B、C、D、E五个等长度的区间，与各预测出力区间对应的预测误差的集合如式(3)-(7)所示。

$P_{e,A}^u=\left\{P_{e,t}^u\right|P_{f,t}^u\∈\[0,0.2),\∀t\}---\left(3\right)$

$P_{e,B}^u=\left\{P_{e,t}^u\right|P_{f,t}^u\∈\[0.2,0.4),\∀t\}---\left(4\right)$

$P_{e,C}^u=\left\{P_{e,t}^u\right|P_{f,t}^u\∈\[0.4,0.6),\∀t\}---\left(5\right)$

$P_{e,D}^u=\left\{P_{e,t}^u\right|P_{f,t}^u\∈\[0.6,0.8),\∀t\}---\left(6\right)$

$P_{e,E}^u=\left\{P_{e,t}^u\right|P_{f,t}^u\∈\[0.8,1.0\],\∀t\}---\left(7\right)$

式中：表示与预测出力区间A所对应的预测误差的集合；表示与预测出力区间B所对应的预测误差的集合；表示与预测出力区间C所对应的预测误差的集合；表示与预测出力区间D所对应的预测误差的集合；表示与预测出力区间E所对应的预测误差的集合。

各预测出力水平下，预测误差的经验分布函数如图2所示。由图2可见，出力水平不同时，预测误差的分布规律有所不同。由此说明，在预测误差的模拟中，出力水平是不可忽视的因素，采用分区间细化的表示方式可提高模拟的精度。在实际应用中，出力区间数目的划分，可根据对精度的要求确定。在此，五区间的预测误差经验分布函数可表示为：

$F_e\left(P_{e,t}^u;P_{f,t}^u\right)=\left\{\begin{array}{cc}{F}_{e,A}\left(P_{e,t}^u\right),& P_{e,t}^u\∈P_{e,A}^u\\ F_{e,B}\left(P_{e,t}^u\right),& P_{e,t}^u\∈P_{e,B}^u\\ F_{e,C}\left(P_{e,t}^u\right),& P_{e,t}^u\∈P_{e,C}^u\\ F_{e,D}\left(P_{e,t}^u\right),& P_{e,t}^u\∈P_{e,D}^u\\ F_{e,E}\left(P_{e,t}^u\right),& P_{e,t}^u\∈P_{e,E}^u\end{array}\right.---\left(8\right)$

式中：为预测误差的经验分布函数，为变量，为参量。

作为随机变量的模拟问题，满足特定分布函数F的一维随机变量的模拟步骤为：

步骤1，生成在[0,1]区间上服从均匀分布的随机变量的一个样本u。

步骤2，计算x＝F^-1(u)。其中，F^-1是F的伪逆，若F是严格增的，则伪逆函数就是通常意义下的逆函数。

步骤3，重复步骤1和步骤2，则由x构成的一维变量X的分布函数即为F。

当预测误差的经验分布函数确定后，利用这一原理可保证生成的预测误差的分布特性符合历史误差的统计规律。

附图说明

图1为风电预测误差的频率分布直方图；其中：横坐标为预测误差/p.u.，纵坐标为频率；

图2为不同出力水平下预测误差的经验分布函数；其中：横坐标为预测误差/p.u.，纵坐标为经验分布函数；

图3为本发明流程图；

图4为本发明方法生成的预测误差与实际预测误差的频率分布特性对比的直方图；其中：横坐标为预测误差/p.u.，纵坐标为频率；

图5为在预测误差的模拟过程中未计及出力水平时的模拟结果。其中：横坐标为预测误差/p.u.，纵坐标为分布函数。

具体实施方式

本发明算法的流程如图3所示。将已知的风电出力预测期望值序列记为该序列即为需要进行预测误差模拟的序列。将与之对应的风电预测误差的模拟值序列记为根据前面的分析，本发明方法的具体流程如下：

步骤1，根据历史数据，分不同的预测出力区间，求取预测误差的经验分布函数F_e。同时，确定中各量的值。

步骤2，t＝1，预测误差模拟生成开始。

步骤3，生成在[0,1]区间上服从均匀分布的随机变量的一个样本u。

步骤4，根据所在区间的预测误差分布函数的逆函数，确定t时刻的预测误差模拟值

$P_{e,t}^s=F_e^{-1}(u;P_{f,t}^s)$

步骤5，t＝t+1，模拟继续。若t达到预先设定的模拟次数T，则模拟结束，输出结果，否则转到步骤3。

应用本发明提供方法的仿真分析如下：

对于发明内容部分所述风电场，根据其2014年的实际运行数据，确定相关的经验分布及参数，按照本发明算法流程，仿真产生3.5万个时间分辨率为15min的预测误差模拟值。下面对预测误差的模拟值与实际值进行对比分析。

图4为本发明方法生成的预测误差与实际预测误差的分布特性的对比，可见，两者的分布情况基本相同。此外，分不同预测出力区间统计的分布函数两者也基本相同。由此说明本发明方法能较好保持预测误差的分布特性。

图5为在模拟过程中不计出力水平的影响，即经验分布函数的求取不分出力区间，但在模拟结束后，对预测误差模拟值的分布情况进行分出力区间统计的结果。此时各条曲线基本重合，模拟值不能反映预测误差随出力不同而分布特性有所差别的实际情况，说明若模拟过程中不计及出力水平的影响，模拟的准确度会降低。

仿真分析证明：本发明所提供的一种计及出力水平对预测误差分布特性影响的预测误差模拟方法，通过分不同出力区间求取的预测误差的经验分布函数，很好地计及了出力水平对预测误差的纵向分布特性的影响，其模拟结果，可为电力调度等领域的研究提供更准确的依据。

Claims (1)

1.一种计及出力水平影响的风电预测误差模拟方法，其特征在于：将已知的风电出力预测期望值序列记为该序列即为需要进行预测误差模拟的序列，将与之对应的风电预测误差的模拟值序列记为具体流程如下：

步骤1，根据历史数据，分不同的预测出力区间，求取预测误差的经验分布函数F_e；同时，确定中各量的值；

步骤2，t＝1，预测误差模拟生成开始；

步骤3，生成在[0,1]区间上服从均匀分布的随机变量的一个样本u；

步骤4，根据所在区间的预测误差分布函数的逆函数，确定t时刻的预测误差模拟值

$P_{e,t}^s=F_e^{-1}(u;P_{f,t}^s)$

式中：为已知的次日风电预测出力期望值，为对应时刻的预测误差模拟值；

步骤5，t＝t+1，模拟继续；若t达到预先设定的模拟次数T，则模拟结束，输出结果，否则转到步骤3。