点击文章名，在线阅读全文

万灿，宋永华/新能源电力系统概率预测理论与方法及其应用/,45(1):2-16.

01

研究背景

新能源大规模开发是实现国家“碳中和”战略的必然途径,高比例新能源已成为中国电力系统发展的突出特征。新能源发电功率的间歇性和波动性使电力系统的供需态势呈现较高的不确定性，给电力系统系统安全与经济运行带来了严峻的挑战。概率预测技术通过估计预测不确定性的概率分布，实现对预测不确定性的量化分析，为新能源电力系统提供更为丰富准确的不确定性信息，是新能源电力系统安全、经济和高效运行的重要保障。

02

新能源电力系统概率预测基本框架

1基本概念

新能源电力系统概率预测是对预测不确定性进行条件化建模，给出在一定条件下的预测对象的概率分布信息，实现对预测不确定性的有效量化。概率预测以分位数估计、预测区间估计、概率密度估计为输出，提供待预测对象的有效概率统计信息。

2预测对象

1)负荷预测：负荷预测受季节、温度、负荷自身变化规律以及电价等多因素影响。间歇性、波动性显著的分布式光伏大规模接入电网，增强了电力系统负荷的随机波动性。有无光伏耦合情况下的净负荷曲线如图1所示。

图1有无光伏耦合情况下的净负荷曲线

2)风电功率预测：风速-功率曲线通常是一条近似的“S”曲线，如图2所示。由于风速风向与风电功率的物理关系复杂，且功率预测的不确定性难以被现有概率分布函数表征，需探索新方法实现对风电功率预测不确定性的有效量化。

图2风速-功率散点图

3)光伏功率预测：太阳辐照度是光伏输出功率最直接、最显著的影响因素。光伏实际输出功率还受云量、风速风向等因素影响，出力随机性、波动性强。

4)电价预测：电价通常受到历史电价、电力负荷变化、发电商报价、时段等因素影响，具有较强的波动性。

3预测时间尺度

新能源电力系统概率预测可分为超短期、短期、中期和长期预测，不同时间尺度的预测结果可应用于不同场合，如图3所示。

图3不同预测时间尺度下的概率预测应用场合

4性能评价指标

可靠性指标可通过预测得到的概率分布与预测对象实际分布之间的偏差体现，是概率预测模型评估的主要指标；锐度指标用于衡量概率预测结果集中于实际值的程度；综合性能评价指标用于评估概率预测的整体性能。

03

概率预测方法及电力系统应用

物理方法是指直接构建物理环境信息与预测对象之间的关系模型，或者将物理信息作为预测模型的主要输入变量构建预测模型；统计学方法通过对历史记录数据的分析，建立历史数据与预测对象之间的函数模型；人工智能凭借其在复杂非线性映射中良好的学习表现，成为概率预测领域的一类重要方法；基于多种预测模型的组合方法可以整合多种方法的优势，实现多场景灵活适用。

新能源电力系统概率预测广泛应用于新能源电力系统规划、调度与运行、机组组合优化、储能配置与调控、电力市场化交易与需求响应、稳定分析与控制等场景。

04

问题与展望

1)大数据背景下的数据辨识：大数据背景下需开发先进数据有效性辨识算法，建立自适应、自学习的大数据处理方法，更好地适应新能源电力系统概率预测问题。

2)预测时间分辨率的提升：需进一步开发利用实时环境监测与预测等技术开展新能源电力系统高分辨率概率预测，更好地服务于新能源电力系统实时运行与控制。

3)预测方法的泛化性能检验：现有预测模型往往存在对数据的依赖性，可以建立标准数据集实现对预测方法的规范化、标准化检验。

4)理论创新下的实际应用：未来概率预测技术研究应突出问题导向，特别是在新能源电力系统规划、调度运行、储能调控、市场交易、稳定分析等高随机不确定性场合发挥作用，结合随机优化、鲁棒优化、区间优化等方法，将理论创新与实际场景结合。

05

未来研究方向

1)由模型驱动向数据驱动转化：基于数据驱动方法建立自适应的概率预测模型是一大发展趋势。数据驱动方法对数据有效性辨识、关联变量选取提出更高要求，是未来新能源电力系统概率预测技术研究的关键之一。

2)由集中式到分布式：新能源发电朝着小规模、分布式方向发展，呈现出小容量、分散式、多点化特点，出力波动性更大。一定区域内站点的空间分布可作为不同地理位置的环境变量“监测站”，为相邻站点预测提供数据信息。

3)由单一预测对象到多对象耦合：新能源电力系统概率预测不仅需要将单一能源形式作为预测对象，还要统筹考虑各种能源形式间的耦合互补关系以及供给侧和需求侧的信息交互，建立耦合联动、供需互补的新能源电力系统预测模型。

06

结语

准确高效的预测在新能源电力系统安全与经济运行中发挥重要作用，概率预测可实现预测不确定性的有效量化。在当前新能源电力系统不确定性显著增大的背景下，综述了概率预测的基本理论与方法，总结了概率预测在新能源电力系统中的应用，归纳了新能源电力系统概率预测存在的问题，并展望了其未来发展趋势。

延伸阅读

1

阎洁,李宁,刘永前,等.短期风电功率动态云模型不确定性预测方法［J］.电力系统自动化,,43(3):17-23.

2

施云辉,王橹裕，陈玮，等.基于风电预测误差聚类的分布鲁棒含储能机组组合［J］.电力系统自动化，，43（22）：3-12.

3

WANC,ZHAOC,SONGY.Chanceconstrainedextremelearningmachinefornonparametricpredictionintervalsofwindpowergeneration[J].IEEETransactionsonPowerSystems,,35(5):-.

4

ZHAOC,WANC,SONGY.Anadaptivebilevelprogrammingmodelfornonparametricpredictionintervalsofwindpowergeneration[J].IEEETransactionsonPowerSystems,,35(1):-.

5

CAOZ,WANC,ZHANGZ,etal.Hybridensembledeeplearningfordeterministicandprobabilisticlow-voltageloadforecasting[J].IEEETransactionsonPowerSystems,,35(3):-.

原文发表在《电力系统自动化》年第45卷第1期，欢迎品读！

引文信息

万灿,宋永华.新能源电力系统概率预测理论与方法及其应用[J].电力系统自动化,,45(1):2-16.DOI:10./AEPS0811008.

WANCan,SONGYonghua.Theories,MethodologiesandApplicationsofProbabilisticForecastingforPowerSystemswithRenewableEnergySources[J].AutomationofElectricPowerSystems,,45(1):2-16.DOI:10./AEPS0811008.

作者简介

万灿

研究员，博士生导师，主要研究方向：新能源电力系统预测与优化控制、综合能源系统与智能配电网、人工智能及其电力系统应用。E-mail：canwan

宋永华

教授，博士生导师，主要研究方向：智能电网和低碳电力。E-mail:yhsong

近期发布内容可通过本