风电场输出功率波动性较强，难以精确预测，掌握其输出功率的分布规律对含有风电场电力系统的运行决策具有重要意义。本文在分析风电场有功功率输出特性的基础上，提出应对风电场输出功率实施多时段联合分布预测，利用风电场输出功率在时段间较强的相关性，掌握其波动的幅度与速度特征，为系统运行提供更为全面的决策信息。文中结合多元回归估计CCC-MGARCH模型（常条件相关-多元广义自回归条件异方差模型）与稀疏贝叶斯学习方法，给出了一种基于数值天气预报信息的风电场输出功率的短期多时段联合概率密度预测方法。该方法依据CCC-MGARCH模型思想，将未来多个时段风电场输出功率的联合概率密度预测问题分解为风电场在各个时段独立的输出功率概率密度预测子问题与时段间关联的输出功率相关系数矩阵估计子问题，利用稀疏贝叶斯学习方法在概率密度预测问题上的优势，形成预测效果好、计算效率高的风电场输出功率多时段联合概率密度预测方法。文中通过应用实例与分析，说明了方法在实际中应用价值。

>>查看原文初稿链接<<

>>更多科技论文<<