不同时间分辨率的风功率时间序列ARIMA模型预测

doi:10.11930/j.issn.1004-9649.2016.06.176.05

中国电力 ›› 2016, Vol. 49 ›› Issue (6): 176-180.DOI: 10.11930/j.issn.1004-9649.2016.06.176.05

不同时间分辨率的风功率时间序列ARIMA模型预测

张立栋¹，李继影²，吴颖³，余侃胜⁴，朱明亮⁵，迟俊宇6

1. 东北电力大学能源与动力工程学院，吉林市 132012;
2. 中广核风电有限公司辽宁分公司，辽宁沈阳 110000;
3. 国网江西省电力公司检修分公司，江西南昌 330096;
4. 国网江西省电力科学研究院，江西南昌 330096;
5. 吉林省东能电力工程有限公司，吉林长春 130033;
6. 宾县大个岭风力发电有限公司，黑龙江哈尔滨 150400

收稿日期:2015-11-26 修回日期:2016-06-16 出版日期:2016-06-16 发布日期:2016-06-16
作者简介:张立栋(1980-)，男，吉林市人，副教授，从事风电场建模与仿真及颗粒混合装置研究。E-mail: nedu1015@aliyun.com

ARIMA Model Forecast for Wind Power Time Series with Different Temporal Resolutions

ZHANG Lidong¹, LI Jiying², WU Ying³, YU Kansheng⁴, ZHU Mingliang⁵, CHI Junyu6

1. Institute of Energy and Power Engineering, Northeast Electric Power University, Jilin 132012, China;
2. CGN Wind Energy Limited Liaoning Branch, Shenyang 110000, China;
3. State Grid Jiangxi Maintenance Company, Nanchang 330096, China;
4. State Grid Electric Power Research Institute of Jiangxi Province, Nanchang 330096, China;
5. Jilin East Power Engineering Co., Ltd., Changchun 130033, China;
6. Binxian Dageling Wind Power Generation Co., Ltd., 150400, China

Received:2015-11-26 Revised:2016-06-16 Online:2016-06-16 Published:2016-06-16

摘要/Abstract

摘要： 以某风电场同一风力机为研究对象，采用自回归积分滑动平均模型(ARIMA)对5种时间分辨率实际输出功率的时间序列进行预测研究。结果表明:风功率时间序列某些明显的特征点，随着时间分辨率的减小而越来越少直至消失;对预测结果采用平均绝对误差分析，得出随着时间分辨率增大，ARIMA模型预测绝对误差呈现逐渐减小的趋势，1 min的时间分辨率误差最小。

关键词: 时间分辨率, 风电场, ARIMA, 功率预测

Abstract: By taking a wind turbine of a farm as a case, the ARIMA model is used to predict the wind power time series according to five time resolutions. The results show that the number of characteristic points of power time series decreases with the reduction of time resolution until the characteristic point disappears completely. The mean absolute error (MAE) is used to analyze the prediction results, and it is concluded that the absolute error of the ARIMA-predicted results decreases gradually with the increase of time resolution with the MAE of 1min resolution being the minimum.

Key words: time resolution, wind farm, ARIMA, power prediction

中图分类号:

TM614

张立栋，李继影，吴颖，余侃胜，朱明亮，迟俊宇6. 不同时间分辨率的风功率时间序列ARIMA模型预测[J]. 中国电力, 2016, 49(6): 176-180.

ZHANG Lidong, LI Jiying, WU Ying, YU Kansheng, ZHU Mingliang, CHI Junyu6. ARIMA Model Forecast for Wind Power Time Series with Different Temporal Resolutions[J]. Electric Power, 2016, 49(6): 176-180.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2016.06.176.05

https://www.electricpower.com.cn/CN/Y2016/V49/I6/176

参考文献

[1] 杨正瓴，冯勇，熊定方，等．基于季风特性改进风电功率预测的研究展望[J]．智能电网，2015，3(1):1-7.
YANG Zhengling, FENG Yong, XIONG Dingfang, et al． Research prospects of improvement in wind power forecasting based on characteristics of monsoons [J]． Smart Grid, 2015, 3(1): 1-7.
[2] 张娜，王守相，王亚旻. 基于掩模经验模态分解的风速组合预测模型[J]. 中国电力，2014，47(5):129-135．
ZHANG Na, WANG Shouxiang, WANG Yamin. Wind speed forecasting modelling by combination of masking signal based empirical mode decomposition and GA-BP neural network[J].Electric Power, 2014, 47(5): 129-135.
[3] 祝晓燕，张金会，付士鹏，等. 基于改进PSO的SVM参数优化及其在风速预测中的应用[J]. 中国电力，2013，46(11):105-108．
ZHU Xiaoyan, ZHANG Jinhui, FU Shipeng, et al. Parameter optimization of SVM based on improved PSO and its application in wind speed predictions [J]. Electric Power, 2013, 46(11): 105-108.
[4] 田超，陈颖，张贲，等. 京津唐电网风电场群发电功率短期预测[J]. 中国电力，2013，46(9):65-70．
TIAN Chao, CHEN Ying, ZHANG Ben, et al. Short-term forecasting of wind farm groups in Beijing-Tianjin-Tangshan power grid [J]. Electric Power, 2013, 46(9): 65-70.
[5] 南晓强，李群湛，邱大强. 基于符号时间序列法的风电功率波动分析与预测[J]. 中国电力，2013，46(6):75-79．
NAN Xiaoqiang, LI Qunzhan, QIU Daqiang. Analysis and forecast of wind power fluctuation based on symbolized time series theory [J]. Electric Power, 2013, 46(6): 75-79.
[6] 杨正瓴，张广涛，林孔元，等．时间序列法短期负荷预测准确度上限估计[J]．电力系统及其自动化学报，2004，16(2):36-39.
YANG Zhengling, ZHANG Guangtao, LIN Kongyuan, et al． Upper limit estimating of short term load forecasting precision by time series analysis [J]． Proceedings of the EPSA, 2004, 16(2): 36-39.
[7] YANG Zhengling, FENG Yong, XIONG Dingfang, et al． Analytical fitting functions of finite sample discrete entropies of white Gaussian noise [J]． Transactions of Tianjin University, 2015, 21(4): 299-303
[8] 何育，高山，陈昊．基于ARMA-ARCH模型的风电场风速预测研究[J]．江苏电机工程，2009，28(3):1-4.
HE Yu, GAO Shan, CHEN Hao. Wind speed forecast for wind farms based on ARMA-ARCH Model[J]．江苏电机工程， 2009, 28(3): 1-4
[9] 孙斌，姚海涛，齐城龙．基于ELMAN神经网络的短期风速预测[J]．东北电力大学学报，2012，32(1):30-34.
SUN Bin, YAO Haitao, QI Chenglong. The wind speed short-term forecast analysis based on the elman neural network predict model [J]． Journal of Northeast Dianli University, 2012, 32(1):30-34.
[10] 冯双磊，王伟胜，刘纯，等．风电场功率预测物理方法研究[J]．中国电机工程学报，2010，30(2):1-6.
FENG Shuanglei, WANG Weisheng, LIU Chun, et al. Study on the physical approach to wind power prediction [J]. Proceedings of the CSEE, 2010, 30(2): 1-6.
[11] 别朝红，安佳坤，陈筱中，等．一种考虑时空分布特性的区域风电功率预测方法[J]．西安交通大学学报，2013，47(10):68-74.
BIE Zhaohong, AN Jiakun, CHEN Xiaozhong, et al. Regional wind power prediction considering temporal and spatial characteristics[J]． Journal of Xi’an Jiaotong University, 2013, 47(10): 68-74.
[12] 刘立阳，吴军基，孟绍良．短期风电功率预测误差分布研究[J]．电力系统保护与控制，2013，41(6):65-70.
LIU Liyang, WU Junji, MENG Shaoliang. Research on error distribution of short-term wind power prediction [J]． Power System Protection and Control, 2013, 41(6): 65-70.
[13] 王晓兰，李辉．基于EMD分解的风电场风速和输出功率年度预测[J]．太阳能学报，2011，32(3):301-306.
WANG Xiaolan, LI Hui． Annual forecasting of wind speed and power in wind farm based on EMD[J]． Acta Energiae Solaris Sinica, 2011, 32(3): 301-306.
[14] ERGIN E, JING S. ARMA based approaches for forecasting the tuple of wind speed and direction[J]. Applied Energy,2011, 88: 1405-1414.
[15] 谢品杰，谭忠富，尚金成，等．基于小波分析与广义自回归条件异方差模型的短期电价预测[J]．电网技术，2008，32(16):96-100.
XIE Pinjie, TAN Zhongfu, SHANG Jincheng, et al. Short-term electricity price forecasting based on wavelet transform and generalized autoregressive conditional heteroskedasticity model [J]． Power System Technology, 2008, 32(16): 96-100.
[16] POUL S, NICOLAOS A C, ANTONIO V R, et al. Power fluctuations from large wind farms[J]． IEEE Trans on Power Systems, 2007, 22(3): 958-965.
[17] 徐茂峻，雷阳，王文海，等. 数据分辨率影响风电功率预测精度分析[J]. 电网与清洁能源，2015，31(4):95-99．
XU Maojun, LEI Yang, WANG Wenhai, et al. Analysis of the influence of data sampling on the short-term wind power prediction accuracy [J]. Power System and Clean Energy, 2015, 31(4): 95-99.
[18] 国家能源局NB/T 31046-2013. 风电功率预测系统功能规范[S]． 2014-4-1.
[19] 薛禹胜，雷兴，薛峰，等．关于风电不确定性对电力系统影响的评述[J]．中国电机工程学报，2014，34(29):5029-5040.
XUE Yusheng, LEI Xing, XUE Feng, et al. A review on impacts of wind power uncertainties on power systems[J]. Proceedings of the CSEE, 2014, 34(29): 5029-5040.
[20] 薛禹胜，郁琛，赵俊华，等．关于短期及超短期风电功率预测的评述[J]．电力系统自动化，2015，39(6):141-151.
XUE Yusheng, YU Chen, ZHAO Junhua, et al. A review on short-term and ultra-short-term wind power prediction[J]. Automation of Electric Power Systems, 2015, 39(6): 141-151.
[21] 杨建萍．基于ARIMA模型的用电量时间序列建模和预报[J]．工程数学学报，2008，25(4):611-615.
YANG Jianping. ARIMA time series modeling and forecasting of electricity consumption[J]． Chinese Journal of Engineering Mathematics, 2008, 25(4): 611-615.
[22] 范高峰，裴哲义，辛耀中．风电功率预测的发展现状与展望[J]．中国电力，2011，44(6):38-41.
FAN Gaofeng, PEI Zheyi, XIN Yaozhong. Wind power prediction achievement and prospect [J]． Electric Power, 2011, 44(6): 38-41

不同时间分辨率的风功率时间序列ARIMA模型预测

ARIMA Model Forecast for Wind Power Time Series with Different Temporal Resolutions

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

[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]	王一蓉, 陈浩林, 林立身, 唐进. 考虑电力行业碳排放的全国碳价预测[J]. 中国电力, 2024, 57(5): 79-87.
[5]	战文华, 车建峰, 王勃, 丁禹. 基于网格化数值天气预报的区域光伏发电多输出功率预测方法[J]. 中国电力, 2024, 57(3): 144-151.
[6]	杨国华, 祁鑫, 贾睿, 刘一峰, 蒙飞, 马鑫, 邢潇文. 基于CEEMD-SE的CNN&LSTM-GRU短期风电功率预测[J]. 中国电力, 2024, 57(2): 55-61.
[7]	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.
[8]	李翰章, 冯江涛, 王鹏程, 荣澔洁, 柴宇唤. 基于TDE-SO-AWM-GRU的光伏发电功率预测模型[J]. 中国电力, 2024, 57(12): 41-49.
[9]	杨鹏伟, 赵丽萍, 陈军法, 甄钊, 王飞, 李利明. 基于相似时段匹配与Transformer网络建模的分布式光伏超短期功率预测方法[J]. 中国电力, 2024, 57(12): 60-70.
[10]	吴晓刚, 阎洁, 葛畅, 唐雅洁, 倪筹帷, 季青锋. 基于改进GRU-CNN的风光水一体化超短期功率预测方法[J]. 中国电力, 2023, 56(9): 178-186,205.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

模态框（Modal）标题

不同时间分辨率的风功率时间序列ARIMA模型预测

ARIMA Model Forecast for Wind Power Time Series with Different Temporal Resolutions

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