基于SARIMA模型的风电场月发电量预测研究

doi:10.11930/j.issn.1004-9649.2016.02.136.05

中国电力 ›› 2016, Vol. 49 ›› Issue (2): 136-141.DOI: 10.11930/j.issn.1004-9649.2016.02.136.05

基于SARIMA模型的风电场月发电量预测研究

郭丹¹，胡博¹，刘俊德²，赵静翔³，朴在林¹

1.沈阳农业大学信息与电气工程学院，辽宁沈阳 110866;
2.国网辽阳供电公司，辽宁辽阳 111000;
3. 中国农业大学信息与电气工程学院，北京 100083

收稿日期:2015-09-24 出版日期:2016-02-18 发布日期:2016-03-21
作者简介:郭丹（1982-），女，辽宁沈阳人，讲师，从事电力系统及其自动化研究。E-mail: goldenflying123@163.com
基金资助:
国家科技支撑计划资助项目（2012BAJ26B01）

Research on Monthly Power Generation Forecast of Wind Power Farm Based on Seasonal Auto-Regressive Integrated Moving Average Model

GUO Dan¹, HU Bo¹, LIU Junde², ZHAO Jingxiang³, PIAO Zailin¹

1. College of Information and Electrical Engineering, Shenyang Agricultural University, Shenyang 110866, China;
2. State Grid Liaoyang Electric Power Supply Company, Liaoyang 111000, China;
3. College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China

Received:2015-09-24 Online:2016-02-18 Published:2016-03-21
Supported by:
This work is supported by National Natural Science Foundation of China(No. 71473083) and Beijing Natural Science Foundation (No. 9142016).

摘要/Abstract

摘要： 风力发电由于其清洁性、波动性、随机性及不稳定性，向电网输送绿色电能的同时也对电网的可靠运行造成了一定的冲击，因此风电发电量预测的准确性对电网科学合理调度、安全稳定运行具有至关重要的作用。以大数据分析、多学科交叉融合为背景，以负荷预测为基础理论，利用计量经济学分析方法对风电场月发电量数据进行分析、建模和预测。对辽宁地区某49.5 MW风电场月发电量数据进行收集整理，利用计量经济学分析软件EVIEWS对采样数据进行分析，并采用SARIMA模型对风电场月发电量数据进行拟合和预测，达到了较好的预测效果。

关键词: 风电场, 月发电量, SARIMA模型

Abstract: Due to the characteristics of volatility and randomness, wind power brings a certain impact on reliable operation of power grid. Therefore, the accuracy of wind power generation forecast plays a critical role in scientific and reasonable dispatching, and will also influence the safe and stable operation of power grid. Under the background of big data analysis and multidisciplinary integration, the econometric method has been applied in this paper to analyze the monthly power generation data of wind power farms and models are constructed for power generation forecast based on the basic theory of load forecasting. The monthly power generation data of a 49.5 MW wind power farm in Liaoning area are collected and analyzed by using the econometric software EVIEWS, and the SARIMA model is used to forecast the monthly power generation of the wind power farm with a satisfactory results.

Key words: wind power farm, monthly power generation, SARIMA model

中图分类号:

TM715
TK81

郭丹，胡博，刘俊德，赵静翔，朴在林. 基于SARIMA模型的风电场月发电量预测研究[J]. 中国电力, 2016, 49(2): 136-141.

GUO Dan, HU Bo, LIU Junde, ZHAO Jingxiang, PIAO Zailin. Research on Monthly Power Generation Forecast of Wind Power Farm Based on Seasonal Auto-Regressive Integrated Moving Average Model[J]. Electric Power, 2016, 49(2): 136-141.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2016.02.136.05

https://www.electricpower.com.cn/CN/Y2016/V49/I2/136

参考文献

[1] 韩荆. 基于Census X12与HP滤波下的现金投放分析[J]. 工业技术经济，2009，28（10）：143-144.
HAN Jing. The cash input analysis based on Census X12 and HP filtering[J]. Journal of Industrial Technological Economics, 2009, 28(10): 143-144.
[2] 邱敦国，杨红雨. 一种基于双周期时间序列的短时交通流预测算法[J]. 四川大学学报：工程科学版，２０１３，４５（５）：６４－６８．
QIU Dunguo, YANG Hongyu. A short-term traffic flow forecast algorithm based on double seasonal time series[J]. Journal of Sichuan University: Engineering Science Edition, 2013, 45(5):64-68.
[3] 杜勇宏，王健. 季节时间序列理论与应用[M]. 天津：南开大学出版社，2008.
[4] 张丽，牛惠芳. 基于SARIMA模型的居民消费价格指数预测分析[J]. 数理统计与管理，２０１３，３２（１）：１－６．
ZHANG Li, NIU Huifang. The predictive analysis of consumer price index based on SARIMA model[J]. Journal of Applied Statistics and Management, 2013, 32(1): 1-6.
[5] 刘家国，曹静，李根，等. Eviews统计分析在计量经济学中的应用[M]. 北京：机械工业出版社，2014.
[6] 国家能源局.一季度风电弃风限电形势加剧全国电力需求放缓[EB/OL]. (2015-04-29)[2015-09-24].http://www.nea.gov.cn/2015-04/29/c_134195076.htm
[7] 谢国辉，樊昊. 东北地区风电运行消纳形势及原因分析[J]. 中国电力，2014，47（10）：152-155.
XIE Guohui, FAN Hao. Analysis on the situations and reasons of wind power operation and consumption in northeast China[J].Electric Power, 2014, 47(10): 152-155.
[8] 孟岩峰，胡书举，邓雅，等. 风电功率预测误差分析及预测误差评价方法[J]. 电力建设，２０１３，３４（７）：６－９．
MENG Yanfeng, HU Shuju, DENG Ya, et al. Analysis and evaluation method of wind power predicted-error[J]. Electric Power Construction, 2013, 34(7): 6-9.

[1]	宋许鹏, 杨小洋, 樊征臻. 基于电流合成矢量轨迹特性的双馈风电场主变压器差动保护[J]. 中国电力, 2025, 58(2): 9-21.
[2]	王泽嘉, 韩民晓, 范溢文. 基于SVG附加电流反馈阻抗重塑的双馈风电场次/超同步振荡抑制策略[J]. 中国电力, 2024, 57(8): 55-66.
[3]	叶婧, 蔡俊文, 张磊, 周广浩, 何杰辉, 翟学. 考虑海缆实际载流量的海上风电集电系统拓扑优化[J]. 中国电力, 2024, 57(7): 173-181.
[4]	李丹, 梁云嫣, 缪书唯, 方泽仁, 胡越, 贺帅. 基于高斯混合聚类和改进条件变分自编码的多风电场功率日场景生成方法[J]. 中国电力, 2024, 57(12): 17-29.
[5]	董淑文, 刘宝柱, 胡俊杰. 计及线路优化投切限流的含风电电网扩展规划方法[J]. 中国电力, 2023, 56(8): 117-125,142.
[6]	徐艳春, 范钟耀, 孙思涵, MI Lu. 基于去趋势分析的大规模双馈风电场送出变压器差动保护[J]. 中国电力, 2023, 56(7): 186-197.
[7]	叶婧, 周广浩, 张磊, 杨莉, 翟学, 蔡俊文. 考虑馈线交叉规避的海上风电场海缆路径优化[J]. 中国电力, 2023, 56(6): 167-175.
[8]	梁伟, 吴林林, 赖启平, 李东晟, 徐曼, 沈沉. 风电直流送出系统送端交流故障下风机过电压研究[J]. 中国电力, 2023, 56(4): 28-37.
[9]	王朝辉, 黄松阁, 林斌, 陈雨薇, 范淑敏, 施朝晖. 基于海上风电场区66 kV集电系统海缆最大截面经济性分析[J]. 中国电力, 2023, 56(11): 20-28.
[10]	李建华, 曹路, 杨仁炘, 邓桢彦, 李征, 蔡旭. 华东沿海风电场群电网主动频率支撑策略[J]. 中国电力, 2023, 56(11): 49-58, 112.
[11]	吴亚宁, 罗毅, 雷成, 黄豫, 梁宇, 周生存, 聂金峰. 基于改进型PEM和L指标的含风电场电力系统静态电压稳定评估[J]. 中国电力, 2022, 55(9): 192-203.
[12]	周庆锋, 王思淳, 李德鑫, 刘佳琪, 李同. 基于DDPG的风电场动态参数智能校核知识学习模型[J]. 中国电力, 2022, 55(5): 32-38.
[13]	盛师贤, 周鑫, 王德林, 廖佳思, 李婧祺, 康积涛. 虚拟同步风电场协同光伏电站附加阻尼控制方法[J]. 中国电力, 2022, 55(3): 177-186.
[14]	严晓生, 李岳, 高晓霞, 王喜. 复杂地形风电场中风加速效应的实验研究[J]. 中国电力, 2022, 55(3): 187-192,212.
[15]	王天翔, 程雪坤, 李伟超, 郑金鑫. 基于变参数减载控制的风电场一次调频策略[J]. 中国电力, 2021, 54(12): 94-101.

基于SARIMA模型的风电场月发电量预测研究

Research on Monthly Power Generation Forecast of Wind Power Farm Based on Seasonal Auto-Regressive Integrated Moving Average Model

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

基于SARIMA模型的风电场月发电量预测研究

Research on Monthly Power Generation Forecast of Wind Power Farm Based on Seasonal Auto-Regressive Integrated Moving Average Model

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics