评价风电功率预报结果的方法优化

时间：2023-06-30 理论教育版权反馈

【摘要】：风电功率预测系统评价流程采用以上两类指标对不同预测系统的预测结果进行综合评价，最终实现对预测系统的择优并提出改进意见。其中，基于灰色理论法的风电功率预测模型预测结果的MAE和RMSE曲线幅值波动非常大，基于建模域均值法和线性回归法的误差指标变化曲线虽然形状不尽相同，但曲线波动范围大概一致。

评价风电功率预报结果的方法优化

1.常规方法

通常采用的预测结果的评价方法大都基于常规统计学指标，缺乏合理的评价体系来评价某特定风电场所选取预测模型的优劣。常规的预测效果评价方法包括平均相对误差（Mean Relative Error，MRE）法、方均根误差（Root Mean SquaredError，RMSE）法、绝对值平均误差（Mean Absolute Error，MAE）法、方均误差（Mean Squared Error，MSE）法等。

预测系统的绝对误差E_i定义为

E_i＝P_Mi-P_Pi （2-2）

式中，P_Mi表示i时刻的实际功率；P_Pi表示i时刻预测功率。

（1）平均相对误差（MRE）法

如式（2-3）所示，MRE法需要比较误差与对应时刻的真实值，并借此考虑系统的预测精度。MRE法广泛应用于负荷预测及风电功率预测，但该方法针对实际并网风电场的风电功率预测效果仍有待进一步评估。由于风电场的输出功率的波动性和间歇性极强，势必引起实际风电机组出力在某一时刻可能接近0，造成E_MRE过大，无法准确反映预测结果偏离实际值的程度，造成无法再采用MRE法来衡量风电功率预测系统的精度。

（2）方均根误差（RMSE）法

该方法如式（2-4）所示，其中，P_cap为风电场开机容量。

（3）绝对值平均误差（MAE）法

该方法如式（2-5）所示，即

（4）方均误差（MSE）法

该方法如式（2-6）所示，即

以上误差指标均为目前应用较广泛的系统误差评价依据，实际工程应用中往往还需要采用一种或两种组合评价指标，利用计算数值的大小判断预测系统的优良。另外，现有预测评价指标皆从误差角度出发，单一评价预测模型的优劣，并没有结合风电场实际预报需求，提出相关的指标来指导实际运行生产中发电计划的安排和实时调度。

2.多指标风电功率预测系统评价方法

针对风电功率预测结果常规评价方法存在的不足，有学者提出将评价指标分为误差评价指标和预报考核指标两大类，通过综合误差评价指标与预报考核指标，形成了一种多指标风电功率预测系统评价方法。该方法的特点为具有系统误差分析功能，以及风电场所需的预报考核指标，使得不同地区的风电场可以根据其风电输出功率变化的特点，通过选择预测模型，合理评价风电场输出功率预测效果。

（1）误差评价指标

1）绝对值平均误差（MAE），用于综合评价误差平均幅值，相对于平均相对误差（MRE）而言，不受某一时刻风电输出功率波动的影响。

2）方均根误差（RMSE），用于衡量预测系统误差的分散度，能够评价预测系统的整体性能。一般不单独用于衡量误差，往往通过与MAE结合后对预测系统模型长期运行状态进行“宏观”评价。

3）误差评价指标主要包含MAE和RMSE，通过对比不同预测系统计算出的MAE和RMSE，判断系统预测效果的好坏及误差产生原因。

（2）预报考核评价指标

1）准确率，如式（2-7）所示，式中，r₁为预测曲线准确率；P_Mk为k时段的实际平均功率；P_Pk为k时段的预测平均功率；N为日考虑总时段数。在风电场在实际运行中，开机容量邻随当日发电计划的变化而变化，难以准确计算，可以采用额定装机容量来替代。月（年）平均风电预测计划曲线准确率（％）为日平均预测计划曲线准确率的算术平均值。

2）合格率，如式（2-8）～式（2-10）所示，其中，月（年）平均风电预测计划曲线合格率（％）为日平均预测计划曲线合格率的算术平均值。

(www.xing528.com)

3）预报考核指标主要包括准确率与合格率，首先，判断某一预测系统是否满足实际风电场并网对预报系统预报结果的相应要求；其次，有助于结合风电场实际并网需求在不同预测模型中进行筛选，即先筛选出预测结果准确率较高的预测模型，再通过对比合格率的高低找出最优预测模型。当预测准确率普遍较低时，也可以通过以上方法实现不同预测模型间的择优。与此同时，相关部门还可以根据该指标对不同风电场是否满足并网要求进行调度。

（3）风电功率预测系统评价流程

采用以上两类指标对不同预测系统的预测结果进行综合评价，最终实现对预测系统的择优并提出改进意见。具体流程如图2-5所示。

图2-5 风电功率预测系统评价流程图

3.应用举例

图2-6所示为吉林某风电场2012年1月6～31日，共计26天的历史输出功率的观测数据，该序列采样时间分辨率按照国家能源局规定标准为15min/个，共2496个点。取2012年1月6日前15点数据作为超短期预测模型建模域，分别采用线性回归法、建模域均值法及灰色理论法对该风电场进行提前4h的超短期风电功率预测。