| 集合选优方法在短期风功率预测中的应用研究 |
| |
| 引用本文： | 张路娜,冯强,刘立群,陈水明,郭闪.集合选优方法在短期风功率预测中的应用研究[J].热带气象学报,2024(2):285-296. |
| |
| 作者姓名： | 张路娜 冯强 刘立群 陈水明 郭闪 |
| |
| 作者单位： | 1.大唐可再生能源试验研究院有限公司，北京100053;2.大唐滑县风力发电有限责任公司，河南安阳455000;3.上海远景科创智能科技有限公司，上海200000 |
| |
| 摘 要： | 为提高短期风速及功率预测的准确率，减小风电不确定性对电网系统的影响，尝试利用预测窗口期的风速观测进行数值天气预报的集合成员选优，挑选和实际风速更接近的相似预报成员，并构成选优集合进行机器学习模型的训练和测试。相较仅使用集合平均的常规方法，该方法考虑了不同集合成员之间的预报差异，避免了引入误差较大的集合成员，从而有利于改善预报风速偏差。利用不同海拔高度、不同地形特征的河南、甘肃两个风电场中不同集合的表现及敏感性试验结果，确定风电场最佳选优集合数量。相较于集合平均的结果，集合选优方案在不同天气过程中能较好地预报风速的起降，与实际风速更接近，且海平面气压场整体更接近ERA5。对不同风电场进行连续十一个月的风速及功率预测对比试验，结果表明，集合选优方法预报的风速日变化形态和月均风速较原集合平均方法均有改善。分析两个风场不同时长范围、不同速率变化的上坡风和下坡风观测数据可知，在0~2h及2~4h内，风速变化为2~4m/s的个例最多。对比集合平均结果，集合选优方案对于该类型上、下坡风的预测精度均有较为明显的提升。利用机器学习算法对选优集合预报进行训练，能进一步降低风速的绝对偏差和均方根误差，从而有效改善功率预测精度。
|
| 关 键 词： | 短期风速预测 短期功率预测 集合预报 机器学习 支持向量回归 |
Application of Ensemble Selection Method in Short-term Wind Power Forecasting |
| |
| ZHANG Lun,FENG Qiang,LIU Liqun,CHEN Shuiming,GUO Shan.Application of Ensemble Selection Method in Short-term Wind Power Forecasting[J].Journal of Tropical Meteorology,2024(2):285-296. |
| |
| Authors: | ZHANG Lun FENG Qiang LIU Liqun CHEN Shuiming GUO Shan |
| |
| Institution: | 1. Datang Renewable Energy Test and Research Institute Co., Ltd., Beijing 100053, China;2. Datang Huaxian Wind Power Generation Co, Ltd., Anyang, Henan 455000, China;3. Shanghai Envision Digital Co., Ltd., Shanghai 200000, China |
| |
| Abstract: | |
| |
| Keywords: | short-term wind speed prediction short-term wind power prediction ensemble forecast machine learning support vector regression |
|
| 点击此处可从《热带气象学报》浏览原始摘要信息 |
| 点击此处可从《热带气象学报》下载免费的PDF全文 |
|
