基于SVM支撑向量机的风电风速预测模型构建与市场模式研究

（广东电网公司佛山供电局，广东 佛山 528000）

基于SVM支撑向量机的风电风速预测模型构建与市场模式研究

黄昌威

（广东电网公司佛山供电局，广东 佛山 528000）

在今后的几年里，风电并网成本将会得到大幅度的增加，文章总结了欧洲主流国家的风力发电补贴政策，分析了大规模风电并入市场后导致的市场成本的变化，提出了几种风电参与电力市场的市场设计模式。

风电；电力市场；风速预测；支撑向量机

概述

伴随欧盟的可再生能源指导和发布的2020年能源目标，风力发电将会势不可挡的大范围的进入电力市场，伴随风力发电能力在整体的发电比例大量提升，国家电网和电能市场的方面，风力发电有着很严重的影响。

1 分析西欧风力发电补贴系统

我们在本文里面总述了三种被西欧各个国家大范围实施鼓励措施：补助上网费用措施、绿色证书贸易措施和溢价用网电价措施。

在丹麦是把市场的标价作为根基的，而且采取的上调用网电费溢价的措施也是以此为基础的。根据市场电价为基础，进行了上浮溢价政策。

在西班牙国家，大多数的风能发电商一般会选择在二十年以内享用管制补助的电费，也有其他的发电商决定在二十年中进行市场电费的条件下享用变动溢价的贴补。西班牙风力发电企业能够进行一次在20年内有一次二选一的机会，选项分别是，补助电价以及市场中电价与浮动价格补助进行叠加。

在头五年中，德国着手实施上非变式的补助上网电费在以后的十五年之内会将电价慢慢的减少。

法国在开始的十年之内采用非变动式的补助上网电费，对于电费的补助在之后的五年中每年都会逐步的下降。

在荷兰，从2008年开始，只要是风力发电的商家，都能够使用市场上电的价格，同样能够把电费的补贴和上调的溢价的补贴作为参照。二零零八年，依据当前电价或者指导价格和浮动补贴叠加，荷兰风力发电商，从中二选一。

英国在进行市场电费的条件下，可以配合着可再生能源的分配的权证价钱。英国在这个问题是，提出了不同的政策办法，使电价再配合一个可再生能源配额权证的价格。

从以上的几种策略中可以得出，广泛使用的政策就是电价补助，这样以来，能够给所有的风能发电商的电量价格保证，全部都依据一个确定的价格结算，通常来看会高于市场的价格，能够涵盖风能发电成本和环境补助。上网电价溢价政策是一种奖励性的补助，以市场价格为基础，多给予一个补助其提供可再生能源。

2 包括大范围风力发电接入的电力市场规划

绿色可再生的能源有很多，风能是主要的一种，在地里上具有分布相对广泛，功率波动相对大的特点。在风力发电大范围的进入电网之后，它工作的不确定性和风力短期预测的不稳定性让风能发电很难在电力市场交易。

2.1 大范围风力发电进入市场之后造成市场成本的变化

因为风力发电的不确定性，所以在

电力市场里面，造成了系统必须根据风力发电的变化和负荷变化的不匹配性留有一部分来应对这样的特点，而只有燃气机组或者抽水蓄能机组才能提供此部分的备用，交易的代价是十分巨大的，想要降低交易的费用，就需要风力的测量在短时间内要尽可能的精准。

2.2 大规模风电参与日前电力市场的市场模式规划

从不同国家实践的情况来看，荷兰针对风力发电商的政策，如果发电商发电大于预测值，会有16欧元/MWh的奖励，与之相对的，假设发电商达不到预定的电量，就会有120欧元/MWh的罚款，所以，发电商如果预测精度很低的话，收益的损失会巨大，达到50%以上。在丹麦，风能发电的厂商要依据测量的风电功率的误差，另外花费约1.3-2.7欧元/MWh。

但是根据风力发电参与相对活跃的市场，这样的惩罚手段还是可以确定的风能发电测量误差的减小。

进行市场策划时，会出现两种状况一，在风力发电功率比实际风力发电效率少时，所有风力预测发电功率按照实际现货价格结算，在风力测量发点效率大于实践中的功率时，处罚超出的部分是必须的，风能发电厂商最终的收益是：二，在风力发电测量发点效率小于实践中的功率时奖赏超出的部分也是比不可少的风能发电商的总收入是，，当风电预测功率比实际功率大时，和前一种情况相同。

3 大范围风力发电参与日前电力市场的几种市场规划的对比分析发电商，是目前欧洲电力市场的市场参与者，需要在日前的11点时分提交它第二日0点到24点各个时段的报价和容量申报，距离正式交易的时间延期有13小时至37小时的，同通常的传统发电商相对来看，这影响不会特别巨大，但是对风力发电商来说，风力发电的功率预测对报价就显示更加重要了。

4 基于支持向量回归的风速预测

风速是影响风电功率的主要影响因素，两者间有固定的映射关系，能够先预测风速，再依据关系算出风力发电功率的多少。不难看出风速预测是进行风力发电功率预测的基础和前提，利用风速预测和两者的关系就可以开始风力发电功率预测。因此，提高风速预测精度，对于风电发展，特别是大规模风电并入电力市场至关重要。

4.1 算法模型

20世纪90年代，万普尼克等专家指出，支持向量机，建立在统计里面和结构风险最小化之中的一种学习方法，能够把分类、回归类的问题改变为最优化问题，成功的处理了“维数灾”和“过学习”等传统困难[6-7]。用支持向量机的方法来进行功率预测的的数学模型如下式[8-11]：

式中，为x步后风速测量的数字，v（t）是实际测量的数值，τ是停滞后的时间数，m是输入维数，是以前的数据和以后的数据的函数相互映射的联系。与神经网络法是比较相似的，用向量回归解开上述的模型也是依据许多以往的数据实施的训练，表示出以往数据的持续性与反复性。

规避偶然情况的影响，进而让训练出的模型可以应对各种情况，只要未预测数据是里面的某一种情况，既可以获得满意的预测结果。

4.2 算例分析

这里我们以达坂城2006年5月连续28天风电场30米处,每10分钟采集一次得到的风速数据[12-13]，继续第二天5月29号的全日的风速开始短期预测，该数据为每十分钟采样一点，一天共有144个风速的采样点。得到的结果我们以图形显示，图1（a）给出了对于达坂城电厂前一天，前6-12小时和前，一个小时的市场策划，风速测量的状况，和事实上风速的关联的比较图。因此，依据五月份持续28抬得风速的测量数值，联动的测量以后一个星期24小时的风速，一样根据前一天，前6-12小时和前一小时的市场规划。

图1（a）5月29日达坂城电厂提前24h、提前6-12h，以及提前1h的风速预测情况

Fig. 1 （a）The wind speed forcasting of Dabanchen power plant, 24h, 6-12h, and 1h before in 29th May

图1（b）5月29日-6月4日达坂城电厂提前24小时、提前6-12小时，以及提前1小时的风速预测情况

Fig. 1 （b） The wind speed forcasting of Dabanchen power plant, 24h, 6-12h, and 1h before, from 29th May to 4th June

能够看出，预测时间和交易时间越近，风速预测的精准性会有一定的提高，而且和风速有正相关函数拟合关系的风力发电的精确性也会有提高，这样的市场规划的交易成本会越来越小。

结语

世界电力之中，可再生能源以一种势不可挡的发展趋势，风力发电是可再生能源的主力军，文章中提出了几类市场规划方式，市场规划越灵动，风电生产商越是接近交易时段报价，可以准确提升风力发电预测的精确性，进而减少市场运作成本，也只有这样才能保障风力发电的预测精确性。

[1]Cristina L．Archer,Mark Z．Jacobson．Evaluation of Global Wind Power[R]．America: Department of Civil and Environmental Engineering, Stanford University,Stanford,CA,2005．

[2]Klaus Rave,Sven Teske,Steve Sawyer．Global Wind Energy Outlook 2010[R]．Global Wind Energy Council,2010．

[3]Steve Sawyer,Klaus Rave．Global Wind Report: Annual market update 2010[R]．Global Wind Energy Council,2010．

[4]肖创英．欧美风电发展的经验与启示[M]．北京：中国电力出版社，2010．

TM61

A