摘要：为了预防风电事故的发生和制定合理的风电机组检修计划，提出多模型组合的风电中长期功率预测方法，以实现风电功率中长期高精度预测。首先基于灰色理论采用历史发电时间序列进行一次累加生成（1-AGO），构建历史发电量时间序列微分方程模型，然后逆生成得到实际的发电量预测值。其次采用历史风电发电功率数据与气象变量中风速、温度、降雨量和湿度等参数建立风电功率预测模型。最后对两模型的预测结果进行优化加权组合得到风电功率预测值。实际仿真结果表明，多模型优化组合预测风电中长期功率的方法的有效性，预测结果为后续中长期风电功率事件分析奠定了基础。
关键词：灰色理论；气象变量；加权组合；功率预测
0引言
风能是一种无污染可再生能源，风能的开发利用对人类的生活方式、生存和发展具有重要意义[1]。风力发电功率准确预测是大型风电场并网的先决条件，同时对合理安排供电系统调度、降低风电并网运营成本、保证电网稳定运行和提高供电系统的可靠性具有重要意义。
目前风力发电功率预测方法的按预测模型可分为物理方法、统计方法和学习方法。物理方法主要采用基于风速的预测，需要NWP数据，适用于短期风电功率预测；统计方法和学习方法则需要历史数据和NWP信息，用于短期和中长期风电功率的预测[2-3]。物理方法需要有效的NWP数据无需大量历史观测数据，统计方法相对简单，使用数据单一，处理突变信息能力差，学习方法需要大量历史观测数据，预测精度高。上述方法在风电功率短期内预测精度较高，但随着预测时间增大其累计误差则不断增大无法满足实际要求。面对风电装机容量日益增加，高精度的风电功率预测对预防风电事故发生和合理风电机组安排检修计划提高风电利用小时数十分重要。
为了解决风电功率中长期预测问题，文献[4]提出模型组合预测方法，利用数值天气预报提供的未来天气预报数据和因果检测法筛选有效气象变量来构建组合预测模型，提高了风电功率中长期预测精度。文献[5]提出粗糙集理论的中长期风速预测，利用粗糙集理论求出影响风速主要因素，然后将其作为粗糙集神经网络的输入得到中长期预测的风速。文献[6]提出灰色理论模型用于风力发电容量中长期预测，利用预装风电机组装机容量结合风速气象资料建立风速-功率函数，从而得到每天的发电容量数据。
为进一步提高风电功率中长期预测的精度，结合上述分析，本文提出多模型组合风电功率中长期预测方法。该方法利用历史气象数据中影响风电出力的主要因素风速、温度、湿度、降雨量和历史风电输出功率数据建立中长期风电功率预测模型，与此同时基于历史风电功率数据构建灰色新陈代谢功率预测模型，通过对两模型输出值进行优化加权组合从而获得组合预测模型以此来预测中长期风电功率。该方法不仅考虑气象变量对风电功率的影响，而且考虑历史数据对后期风电功率的变化的影响，从而保证预测精度的提高。最后，通过实际算例仿真分析，结合误差指标评估验证所提方法的有效性。
作者：王大虎，卢正帅，贾 倩