基于预处理算法和优化理论的短期风速预测新方法

基于预处理算法和优化理论的

短期风速预测新方法

研究背景

短期风速预测对于风电并网至关重要，然而，由于风速的非高斯性和非平稳性，极大程度加大了风速预测的难度。许多学者对此展开了相关研究，可大致分为四类方法：物理方法、统计方法、人工智能方法以及组合方法。本文选取陕西省延安市的两台测风塔的长期实测风速数据为研究对象，利用预处理方法去除风速序列的非高斯特性和日非平稳特性，基于误差最优化理论，结合多种预测模型，提出短期风速预测的组合模型，并与现有其它多种预测模型进行了深入对比研究。

风速序列预处理

利用以上方法对实测风速序列进行预处理风速分布组合模型，去除序列中的非高斯特性和日非平稳特性。经过预处理后的#2716测风塔的日时均风速和标准差如图1风速分布组合模型，可以看出，日时均风速的变化特征较为明显，通常在中午风速较低，而晚上风速较高。

图1 #2716测风塔的预处理后的日时均风速

对比经过预处理前后的测风塔实测风速序列的高斯分布特性如图2，可以发现，经过该预处理可有效去除原风速时程序列中的非高斯特性，对于提高风速预测的准确性与稳定性十分有利。

图2 #2716测风塔的预处理前后数据高斯特性对比

风速预测组合模型

针对预处理后的风速序列，分别利用多个预测模型进行预测，然后基于以上组合预测优化理论，提出短期风速预测的组合预测模型。

短期风速预测案例研究

基于以上理论，针对每个月最后一天的测风塔风速数据进行预测，并与其它多种预测模型进行对比，包括持续法、ARIMA模型、ANN模型、SVM模型、WT模型、EMD模型、EWT模型以及多种组合预测模型等。绘制各预测模型的误差分布箱线图和误差指标如图3和表1，其中HM2为本文提出的短期风速预测组合模型。由图和表均可以看出，与其它对比的预测模型相比，提出的组合预测模型预测精度更高，且长期预测的稳定性更强。

图3 各预测模型短期风速1步预测结果的误差箱线图(#2716)

表1 各预测模型短期风速预测误差指标对比(#2716)

结论

本文结合预处理算法和优化理论提出了一种短期风速预测组合模型，可有效考虑风速序列的非高斯性和非平稳性，可一定程度提高风速预测的准确性与可靠性。结果表明，经过预处理后的风速时程序列更有利于提高短期预测的精度；与对比的其它预测模型相比，本文提出的短期风速预测组合模型可分别提高1步预测、2步预测、3步预测精度的3.1%~13.6%、4.3%~19.3%、5.2%~22.9%。

全文下载链接：

文 献 引 用：

Hu W, Yang Q, Chen H, etal. New hybrid approach for short-term wind speed predictions based on preprocessing algorithm and optimization theory,[J]. Renewable Energy, 2021(179):2174-2186.

扫

码

关

注