混合风电预测框架

预测误差降幅显著

整合确定性预测与区间预测，并采用改进优化算法自适应平衡区间覆盖率与宽度，提升风电功率预测的可靠性与实用性。

侯国莲 · 王俊杰 · Fan, Yuzhen · 张建华 · 黄从智

Renewable Energy 2024

参数信息

均方根误差降低

8.5 %

平均绝对百分比误差降低

16.98 %

平均绝对误差降低

11.49 %

综合评估指标CWC降低

10.51 %

综合评估指标CWC降低

9.62 %

综合评估指标CWC降低

12.95 %

技术优势

数据清洗更彻底

通过四分位法与模糊C均值聚类相结合，既能剔除分散的异常值，又能有效识别集中出现的异常值，从而为后续预测模型提供更干净的数据，提升预测精度。

区间预测更优

通过改进北方苍鹰优化算法对核密度估计与正态分布两种区间预测方法的权重系数进行优化，生成的预测区间克服了单一区间预测模型的局限，在提高覆盖率的同时有效降低区间宽度。

应用场景

• 风电功率预测：提供高精度确定性预测和可靠的区间预测，辅助风电场制定发电计划和检修安排。
• 电网调度：预测区间可量化不确定性，帮助调度人员预留备用容量，降低弃风限电风险。
• 可再生能源并网：更准确的预测减少了风电并网对电网稳定性的冲击，促进可再生能源消纳。