CN106684930B - 一种考虑功率预测置信区间的风电有功功率控制方法 - Google Patents

Abstract

本发明涉及一种考虑功率预测置信区间的风电有功功率控制方法，包括根据风电功率预测数据确定风电场的相对误差e；建立风电功率预测误差置信评估模型，并确定所述模型参数；根据所述模型参数建立所述参数的回归模型并确定风电功率期望值；确定考虑功率预测误差后风电有功控制的实际需求；根据所述实际需求建立考虑功率预测置信区间的风电有功控制模型，并利用该模型进行功率分配和控制。本发明技术方案能够综合考虑风电功率预测的偏差并对其进行合理评估，区分不同风电场的预测偏差趋势，合理分配有功功率，有助于更加准确的实现控制目标,提高风电场的运营、管理水平。

Description

一种考虑功率预测置信区间的风电有功功率控制方法

技术领域：

本发明涉及新能源发电技术中的风电场控制技术领域，更具体涉及一种考虑功率预测置信区间的风电有功功率控制方法。

背景技术：

我国风电经过连续多年的高速发展，关键技术缺失导致风电场难以完全适应并网要求，风电发展进入平台期，风电在电网适应性上的问题逐渐凸显，大规模的风电并网对电力系统安全稳定运行带来压力，提高风电的电网适应性，建设电网友好型风电场刻不容缓。所谓电网友好即要求风电场能够尽可能的像常规电厂一样实现可测、可控和可调，上述三点要求对风电场运行和控制相关技术提出了明确要求。风电场可控就是要求风电场能够根据功率预测信息和电网安全稳定运行需求，综合考虑风电机组自身的运行约束和响应能力，具备自动调节有功和无功功率对的能力，对电网提供稳态和暂态条件下的支撑。

针对风电的可控问题，国内已开展的研究为风电功率控制提供了有益思路，但研究过程中将风电视为调控整体，未考虑实际过程中相对分散的风电场的出力特性差异。特别在我国“三北”地区的风电基地，风电场之间跨度较大，单个风电场群的输出功率变化时间尺度达到了数十分钟至小时级，由于风电场群中风电场的地理分布分散，不同风电场的出力在不同时间尺度将呈现不同的变化规律，准确掌握风电的出力特性、合理利用风电功率预测误差分布特性对于提高风电运行控制的准确性和合理性具有重要意义。

发明内容：

本发明的目的是提供一种考虑功率预测置信区间的风电有功功率控制方法，能够综合考虑风电功率预测的偏差并对其进行合理评估，区分不同风电场的预测偏差趋势，合理分配有功功率，有助于更加准确的实现控制目标,提高风电场的运营、管理水平。

为实现上述目的，本发明采用以下技术方案：一种考虑功率预测置信区间的风电有功功率控制方法，包括:

根据风电功率预测数据确定风电场的相对误差e；

建立风电功率预测误差置信评估模型，并确定所述模型参数；

根据所述模型参数建立所述参数的回归模型并确定风电功率期望值；

确定考虑功率预测误差后风电有功控制的实际需求；

根据所述实际需求建立考虑功率预测置信区间的风电有功控制模型，并利用该模型进行功率分配和控制。

通过下式确定风电场的相对误差e：

其中，P_pre为风电场预测功率，P_act为风电场实际功率，P_farm为风电场额定功率。

所述风电功率预测误差置信评估模型的建立过程为：设随机变量Y的所有性质都通过其分布函数F(y)＝P(Y≤y)来描述，F(y)的τ分位数函数定义为：

Q(τ)＝inf{y:F(y)≥τ}，0＜τ＜1

小于分位数函数Q(τ)的变量比例为τ，大于分位数函数Q(τ)的变量比例为1-τ；定义“检验函数”为：

ρ(u)＝τuf(u)+(τ-1)uf(u)

式中，f(u)为指示函数，当u≥0时，f(u)＝0；当u<0时，f(u)＝1，设u＝y-δ，代入所述检验函数中并对两边取期望后对δ求导得：

对于随机变量Y的一个随机样本{y₁,y₂,…,y_n}，τ分位数的样本分位数线性回归要求满足：

min_β∈R∑_iρτ(y_i-x′_iβ(τ))

其中，R为功率数据集合，ρ为检验函数，x'_i为功率影响因子；

利用内点法求解arg min_β∈R∑_iρτ(y_i-x′_iβ(τ))得到的参数估计值将式所述检验函数代入上式arg min_β∈R∑_iρτ(y_i-x′_iβ(τ))，求取即为唯一的τ回归分位数。

通过下式确定所述风电功率期望：

其中，e_τ为根据建立的分位回归模型，得到对应的风电功率误差范围，e为相对误差。

所述考虑功率预测误差后风电有功控制的实际需求通过协调集合Ω_pos和Ω_neg的输出功率来满足；所述集合Ω_pos和Ω_neg是按照风电功率预测误差对风电场分类，分别设呈正误差和负误差的风电场集合。

在不计风电功率预测误差的情况下，根据风电功率预测和调度指令得有功功率控制需求量ΔP：

ΔP＝P_dis-P_f＝P_dis-P_fpos-P_fneg

式中，P_dis为调度指令，P_f为风电预测功率，P_fpos为集合Ω_pos的预测功率，P_fneg为集合Ω_neg的预测功率；

根据风电场分类，所述ΔP还确定为：

ΔP＝ΔP_pos+ΔP_neg

式中，ΔP_pos为集合Ω_pos的有功控制需求，ΔP_neg为集合Ω_neg的有功功率需求，ΔP_pos<0，ΔP_neg<0；

采用容量比例控制方式，对于所述集合Ω_pos，其输出功率为：

P_pos＝P_fpos+ΔP_pos

所述集合Ω_pos中风电场的输出功率为：

式中，P_npos,i为集合Ω_pos中风电场i的装机容量，P_fpos，i为集合Ω_pos中风电场i的预测功率：

对于所述集合Ω_neg，其输出功率为：

P_neg＝P_fneg+ΔP_neg

所述集合Ω_neg中风电场的输出功率为：

式中，P_nneg,i为集合Ω_neg中风电场i的装机容量，P_fneg，i为集合Ω_neg中风电场i的预测功率：

计入预测误差，设集合Ω_pos的功率预测误差期望为E_pos，集合Ω_neg的误差期望为E_neg，其中，E_pos>0，E_neg<0，则有各集合的输出功率期望为：

P_Epos＝P_fpos+E_pos

P_Eneg＝P_fneg+E_neg

由于P_Epos大于P_pos，所述集合Ω_pos能够按照有功控制决策得到的输出功率P_pos执行；而若E_neg<ΔP_neg，则P_Eneg<P_neg，所述集合Ω_neg将会有无法按照有功控制决策得到的输出功率P_neg执行的情况，无法满足调度指令需求。

根据所述考虑功率预测误差后风电有功控制的实际需求确定：

ΔP′_pos＝P_pos-P_Epos＝ΔP_pos-E_pos

ΔP′_neg＝P_Eneg-P_neg＝E_neg-ΔP_neg

其中，ΔP′_pos为其输出功率与其输出功率期望的差值，E_pos为集合Ω_pos的功率预测误差期望，ΔP′_neg为其输出功率期望与其输出功率的差值，E_neg为集合Ω_neg的误差期望；

计入预测误差后，各集的输出功率应为：

P_pos＝P_fpos+ΔP_pos

P_neg＝P_fneg+ΔP_neg

ΔP_pos＝ΔP′_pos-ΔP′_neg

ΔP_neg＝E_neg

根据各风电场的预测功率置信度，选择置信水平后，预测功率变为预测功率带，风电场会有出力处于该预测功率带内的情况；为了尽可能降低由于风电预测功率误差引起的控制误差导致经济损失，考虑风电预测功率置信度，

确定集合Ω_neg中各风电场的输出功率为：

P_neg,i＝P_fneg,i+E_neg,i

式中，P_fneg,i为集合Ω_neg中风电场i的预测功率，E_neg,i为集合Ω_neg中风电场i的预测误差期望；

以集合Ω_pos的输出功率与输出功率期望的差值之和最小为目标，建立目标函数对风电场的输出功率进行优化；当风电预测功率大于调度指令时，根据目标函数优化分配风电场输出功率；当风电预测功率小于调度指令时，将根据预测功率得到的功率期望作为控制指令；

目标函数为：

约束条件为：

式中，P_i为集合Ω_pos中风电场i的输出功率，P_Epos,i为集合Ω_pos中风电场i的输出功率期望；

对上述目标函数进行优化即得到各风电场的控制目标。和最接近的现有技术比，本发明提供技术方案具有以下优异效果

1、本发明技术方案为风电场提供了一种考虑功率预测置信区间的风电有功功率控制方法，能够综合考虑风电功率预测的偏差并对其进行合理评估，增强风电场有功功率控制的合理性；

2、本发明技术方案能够区分不同风电场的预测偏差趋势，合理分配有功功率，有助于更加准确的实现控制目标；

3、本发明技术方案能够有助于实现风电场的智能控制，提高风电场的运营、管理水平；

4、本发明技术方案对于提高风电运行控制的准确性和合理性具有重要意义。

附图说明

图1为本发明实施例的方法流程图；

图2为本发明实施例的5个风电场24小时的预测功率、实际发电和给定的调度指令曲线图；

图3为本发明实施例的1#风电场当日的预测功率和实际功率曲线图；

图4为本发明实施例的2#风电场当日的预测功率和实际功率曲线图；

图5为本发明实施例的3#风电场当日的预测功率和实际功率曲线图；

图6为本发明实施例的4#风电场当日的预测功率和实际功率曲线图；

图7为本发明实施例的5#风电场当日的预测功率和实际功率曲线图；

图8为本发明实施例的不考虑风电功率预测误差的有功控制效果曲线图；

图9为本发明实施例的采用容量比例分配方法时1#风电场的有功控制目标值与实际值曲线图；

图10为本发明实施例的采用容量比例分配方法时2#风电场的有功控制目标值与实际值曲线图；

图11为本发明实施例的采用容量比例分配方法时3#风电场的有功控制目标值与实际值曲线图；

图12为本发明实施例的采用容量比例分配方法时4#风电场的有功控制目标值与实际值曲线图；

图13为本发明实施例的采用容量比例分配方法时5#风电场的有功控制目标值与实际值曲线图；

图14为本发明实施例的考虑风电功率预测误差的有功控制效果曲线图；

图15为本发明实施例的采用本发明方法时1#风电场的有功控制目标值与实际值曲线图；

图16为本发明实施例的采用本发明方法时2#风电场的有功控制目标值与实际值曲线图；

图17为本发明实施例的采用本发明方法时3#风电场的有功控制目标值与实际值曲线图；

图18为本发明实施例的采用本发明方法时4#风电场的有功控制目标值与实际值曲线图；

图19为本发明实施例的采用本发明方法时5#风电场的有功控制目标值与实际值曲线图。

具体实施方式

下面结合实施例对发明作进一步的详细说明。

实施例1：

本例的发明提供一种考虑功率预测置信区间的风电有功功率控制方法，包括，如图1所示，如下步骤：

步骤一、根据风电功率预测数据计算风电场的相对误差ε，

若风电场预测功率为P_pre，风电场实际功率为P_act，风电场额定功率为P_farm，则风电场的相对误差ε为，

步骤二、采用分位数回归方法建立风电功率预测误差置信评估模型，利用内点法评估模型参数，

设随机变量Y的所有性质都可以其分布函数F(y)＝P(Y≤y)来描述，F(y)的τ分位数函数定义为：

Q(τ)＝inf{y:F(y)≥τ}，0＜τ＜1 (2)

小于分位数函数Q(τ)的变量比例为τ，大于分位数函数Q(τ)的变量比例为1-τ。定义“检验函数”为：

ρ(u)＝τuf(u)+(τ-1)uf(u) (3)

式中，f(u)为指示函数，当u≥0时，f(u)＝0；当u<0时，f(u)＝1，

设u＝y-δ，代入式(3)并对两边取期望后对δ求导可得：

对于随机变量Y的一个随机样本{y₁,y₂,…,y_n}，通常τ分位数的样本分位数线性回归要求满足：

min_β∈R∑_iρτ(y_i-x′_iβ(τ)) (5)

利用内点法求解arg min_β∈R∑_iρτ(y_i-x′_iβ(τ))可以得到式(5)的参数估计值。将式(3)代入式(5)，求取即为唯一的τ回归分位数；

步骤三、评估风电功率期望值，

由步骤二可得满足一定置信度要求的风电预测功率分位数(τ₁,…,τ_n)，根据分位数(τ₁,…,τ_n)建立分位回归模型，并得到对应的风电功率误差范围e_τ及其概率分布F(P)，进一步得到风电功率期望，

步骤四、计算考虑功率预测误差后风电有功控制的实际需求，

根据风电功率预测误差对风电场分类，设呈正误差和负误差的风电场集合分别为Ω_pos和Ω_neg，在不计风电功率预测误差的情况下，根据风电功率预测和调度指令可得有功功率控制需求量，

ΔP＝P_dis-P_f＝P_dis-P_fpos-P_fneg (7)

式中，P_dis为调度指令，P_f为风电预测功率，P_fpos为集合Ω_pos的预测功率，P_fneg为集合Ω_neg的预测功率，

对风电场分类可知，ΔP还可以表示为，

ΔP＝ΔP_pos+ΔP_neg (8)

式中，ΔP_pos为集合Ω_pos的有功控制需求，ΔP_neg为集合Ω_neg的有功功率需求，ΔP_pos<0，ΔP_neg<0，

采用容量比例控制方式，对于集合Ω_pos，其输出功率应为，

P_pos＝P_fpos+ΔP_pos (9)

集合Ω_pos中风电场的输出功率应为，

式中，P_npos,i为集合Ω_pos中风电场i的装机容量，

对于集合Ω_neg，其输出功率应为，

P_neg＝P_fneg+ΔP_neg (11)

集合Ω_neg中风电场的输出功率应为，

式中，P_nneg,i为集合Ω_neg中风电场i的装机容量，

计入预测误差，设集合Ω_pos的功率预测误差期望为E_pos，集合Ω_neg的误差期望为E_neg，其中，E_pos>0，E_neg<0，则有各集合的输出功率期望为，

P_Epos＝P_fpos+E_pos (13)

P_Eneg＝P_fneg+E_neg (14)

由于P_Epos必大于P_pos，集合Ω_pos能够按照有功控制决策得到的输出功率P_pos执行。而若E_neg<ΔP_neg，则P_Eneg<P_neg，集合Ω_neg将有可能无法按照有功控制决策得到的输出功率P_neg执行，无法满足调度指令需求。此时，需要合理协调集合Ω_pos和集合Ω_neg的输出功率来满足调度指令；

步骤五、建立考虑功率预测置信区间的风电有功控制模型，并利用该模型进行功率分配和控制，

由步骤四可知，

ΔP′_pos＝P_pos-P_Epos＝ΔP_pos-E_pos (15)

ΔP′_neg＝P_Eneg-P_neg＝E_neg-ΔP_neg (16)

则计入预测误差后，各集合的输出功率应为，

P_pos＝P_fpos+ΔP_pos (17)

P_neg＝P_fneg+ΔP_neg (18)

ΔP_pos＝ΔP′_pos-ΔP′_neg (19)

ΔP_neg＝E_neg (20)

在此基础上，根据各风电场的预测功率置信度，选择适当的置信水平后，预测功率变为预测功率带，风电场可能出力处于该预测功率带内。为了尽可能降低由于风电预测功率误差引起的控制误差导致经济损失，应考虑风电预测功率置信度，

确定集合Ω_neg中各风电场的输出功率为，

P_neg,i＝P_fneg,i+E_neg,i (21)

式中，P_fneg,i为集合Ω_neg中风电场i的预测功率，E_neg,i为集合Ω_neg中风电场i的预测误差期望，

以集合Ω_pos的输出功率与输出功率期望的差值之和最小为目标，建立目标函数对风电场的输出功率进行优化。当风电预测功率大于调度指令时，根据目标函数优化分配风电场输出功率；当风电预测功率小于调度指令时，将根据预测功率得到的功率期望作为控制指令，

目标函数为：

约束条件为：

式中，P_i为集合Ω_pos中风电场i的输出功率，P_Epos,i为集合Ω_pos中风电场i的输出功率期望，

对上述目标函数进行优化即可得到各风电场的控制目标。

所述方法用于调节风电场输出有功功率满足电网调度部门有功调节指令的情况。以国内某风电基地的风电功率预测和实际运行数据为基础，选取该风电基地内的5个风电场(总装机容量1104MW)2011年某日的预测功率和实际发电数据。前16小时的数据用于风电场预测功率误差置信评估，后8个小时的数据用于对比验证有功优化控制策略的效果。图2给出了5个风电场24小时的预测功率、实际发电和给定的调度指令。5个风电场的装机容量分别为：1#风电场201MW，2#风电场201MW，3#风电场300MW，4#风电场201MW，5#风电场201MW。图3-图7给出5个风电场当日的预测功率和实际功率。

根据功率预测数据可以得到5个风电场功率预测误差概率分布函数分别为N(21.79,24.26)\N(34.38,25.97)\N(-51.96,61.16)\N(-27.73,9.33)\N(-42.74,17.1),选择置信水平为0.95的分位数，可得该置信水平下5个风电场的预测功率误差范围分别为16.94～-26.64、29.19～39.58、-64.19～-39.72、-29.59～-25.86、-46.16～-39.32。

不考虑风电功率预测误差，采用容量比例分配方法的风电有功控制效果如图8所示。图9-图13给出了采用容量比例分配方法时各风电场的有功控制目标值与实际值。由图可见，在3.5小时前风电预测功率值小于调度指令，不考虑功率预测的误差，各风电场按最大功率跟踪方式以功率预测值为控制目标。3.5小时后风电场预测功率大于调度指令，根据容量比例方法能够计算得到满足调度指令要求的控制目标值，但4#和5#风电场出现负预测误差，两个风电场的实际输出功率无法达到控制目标值，具有正预测误差的2#和3#风电场其实际发电大于控制目标值，但受控制目标值的约束无法增加输出功率平衡4#和5#风电场的功率缺额，将导致所有风电场的实际总输出功率小于控制目标值。

考虑风电功率预测误差后采用本文方法的风电有功控制效果与容量比例分配方法的风电有功控制效果对比如图14所示。图15-图19给出了采用本发明方法后各风电场的有功控制目标值与实际值。

由图6和图7可见，在3.5小时前风电预测功率值小于调度指令，考虑功率预测的误差，各风电场按最大功率跟踪方式以满足置信水平0.95的功率期望值为控制目标，相比于采用容量比例方法得到的控制目标，所提方法相对接近于实际值。3.5小时后风电场预测功率大于调度指令，根据所提方法时，由于4#和5#风电场出现负预测误差的概率较大，故将两个风电场的控制目标设为其输出功率期望值，而将其可能产生的功率缺额转移到具有正预测误差的1#、2#和3#风电场进行平衡，并通过优化方法实现了3个风电场的功率分配。图15-17给出了三个风电场的控制目标值，可见1#和2#风电场的控制目标优于容量比例方法得到的控制目标，特别是在3.5～4.2小时间由于实际值大于调度指令，采用所提方法能够满足调度指令，而容量比例方法无法满足调度指令，在其它调节时段的控制目标也更接近于实际值。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员尽管参照上述实施例应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (5)

1.一种考虑功率预测置信区间的风电有功功率控制方法，其特征在于：包括:

根据风电功率预测数据确定风电场的相对误差e；

建立风电功率预测误差置信评估模型，并确定所述模型参数；

根据所述模型参数建立所述参数的回归模型并确定风电功率期望值；

确定考虑功率预测误差后风电有功控制的实际需求；

根据所述实际需求建立考虑功率预测置信区间的风电有功控制模型，并利用该模型进行功率分配和控制；

所述考虑功率预测误差后风电有功控制的实际需求通过协调集合Ω_pos和Ω_neg的输出功率来满足；所述集合Ω_pos和Ω_neg是按照风电功率预测误差对风电场分类，分别设成 正误差和负误差的风电场集合；

在不计风电功率预测误差的情况下，根据风电功率预测和调度指令得有功功率控制需求量ΔP：

ΔP＝P_dis-P_f＝P_dis-P_fpos-P_fneg

式中，P_dis为调度指令，P_f为风电预测功率，P_fpos为集合Ω_pos的预测功率，P_fneg为集合Ω_neg的预测功率；

根据风电场分类，所述ΔP还确定为：

ΔP＝ΔP_pos+ΔP_neg

式中，ΔP_pos为集合Ω_pos的有功控制需求，ΔP_neg为集合Ω_neg的有功功率需求，ΔP_pos<0，ΔP_neg<0；

采用容量比例控制方式，对于所述集合Ω_pos，其输出功率为：

P_pos＝P_fpos+ΔP_pos

所述集合Ω_pos中风电场的输出功率为：

式中，P_npos,i为集合Ω_pos中风电场i的装机容量，P_fpos，i为集合Ω_pos中风电场

i的预测功率：

对于所述集合Ω_neg，其输出功率为：

P_neg＝P_fneg+ΔP_neg

所述集合Ω_neg中风电场的输出功率为：

式中，P_nneg,i为集合Ω_neg中风电场i的装机容量，P_fneg，i为集合Ω_neg中风电场i的预测功率：

计入预测误差，设集合Ω_pos的功率预测误差期望为E_pos，集合Ω_neg的误差期望为E_neg，其中，E_pos>0，E_neg<0，则有各集合的输出功率期望为：

P_Epos＝P_fpos+E_pos

P_Eneg＝P_fneg+E_neg

由于P_Epos大于P_pos，所述集合Ω_pos能够按照有功控制决策得到的输出功率P_pos执行；而若E_neg<ΔP_neg，则P_Eneg<P_neg，所述集合Ω_neg将会有无法按照有功控制决策得到的输出功率P_neg执行的情况，无法满足调度指令需求。

2.如权利要求1所述的一种考虑功率预测置信区间的风电有功功率控制方法，其特征在于：通过下式确定风电场的相对误差e：

其中，P_pre为风电场预测功率，P_act为风电场实际功率，P_farm为风电场额定功率。

3.如权利要求1所述的一种考虑功率预测置信区间的风电有功功率控制方法，其特征在于：所述风电功率预测误差置信评估模型的建立过程为：设随机变量Y的所有性质都通过其分布函数F(y)＝P(Y≤y)来描述，F(y)的τ分位数函数定义为：

Q(τ)＝inf{y:F(y)≥τ}，0＜τ＜1

小于分位数函数Q(τ)的变量比例为τ，大于分位数函数Q(τ)的变量比例为1-τ；定义“检验函数”为：

ρ(u)＝τuf(u)+(τ-1)uf(u)

式中，f(u)为指示函数，当u≥0时，f(u)＝0；当u<0时，f(u)＝1，

设u＝y-δ，代入所述检验函数中并对两边取期望后对δ求导得：

对于随机变量Y的一个随机样本{y₁,y₂,…,y_n}，τ分位数的样本分位数线性回归要求满足：

min_β∈R∑_iρτ(y_i-x′_iβ(τ))

其中，R为功率数据集合，ρ为检验函数，x_i'为功率影响因子；

利用内点法求解argmin_β∈R∑_iρτ(y_i-x′_iβ(τ))得到的参数估计值将所述检验函数代入上式argmin_β∈R∑_iρτ(y_i-x′_iβ(τ))，求取即为唯一的τ回归分位数。

4.如权利要求3所述的一种考虑功率预测置信区间的风电有功功率控制方法，其特征在于：通过下式确定所述风电功率期望：

其中，e_τ为根据建立的分位回归模型，得到对应的风电功率误差范围，e为相对误差。

5.如权利要求1所述的一种考虑功率预测置信区间的风电有功功率控制方法，其特征在于：根据所述考虑功率预测误差后风电有功控制的实际需求确定：

ΔP′_pos＝P_pos-P_Epos＝ΔP_pos-E_pos

ΔP′_neg＝P_Eneg-P_neg＝E_neg-ΔP_neg

其中，ΔP′_pos为其输出功率与其输出功率期望的差值，E_pos为集合Ω_pos的功率预测误差期望，ΔP′_neg为其输出功率期望与其输出功率的差值，E_neg为集合Ω_neg的误差期望；

计入预测误差后，各集的输出功率应为：

P_pos＝P_fpos+ΔP_pos

P_neg＝P_fneg+ΔP_neg

ΔP_pos＝ΔP′_pos-ΔP′_neg

ΔP_neg＝E_neg

根据各风电场的预测功率置信度，选择置信水平后，预测功率变为预测功率带，风电场会有出力处于该预测功率带内的情况；为了尽可能降低由于风电预测功率误差引起的控制误差导致经济损失，考虑风电预测功率置信度，

确定集合Ω_neg中各风电场的输出功率为：

P_neg,i＝P_fneg,i+E_neg,i

式中，P_fneg,i为集合Ω_neg中风电场i的预测功率，E_neg,i为集合Ω_neg中风电场i的预测误差期望；

以集合Ω_pos的输出功率与输出功率期望的差值之和最小为目标，建立目标函数对风电场的输出功率进行优化；当风电预测功率大于调度指令时，根据目标函数优化分配风电场输出功率；当风电预测功率小于调度指令时，将根据预测功率得到的功率期望作为控制指令；

目标函数为：

约束条件为：

式中，P_i为集合Ω_pos中风电场i的输出功率，P_Epos,i为集合Ω_pos中风电场i的输出功率期望；

对上述目标函数进行优化即得到各风电场的控制目标。