對風電功率預測系統(tǒng)中預測精度的討論

楊桂興，常喜強，王維慶，姚秀萍

（1.新疆大學 電氣工程學院，新疆 烏魯木齊 830008；2.新疆電力調度通信中心，新疆 烏魯木齊 830002）

隨著全球氣候問題以及能源危機的出現，人類對可再生能源的依賴越顯突出。風能作為一種可再生潔凈能源的代表，有著廣泛的發(fā)展前景。隨著大規(guī)模風電場的興起，風能越來越多地被應用到發(fā)電行業(yè)。由此也給電力系統(tǒng)帶來一系列問題，例如電壓問題、電能質量、調度方案等[1]，特別是風電場輸出功率的不可預知性，給電網運行帶來極大的困難。對風電場輸出功率進行預測不但能提高電網運行水平，而且可以降低非可再生能源的消耗，提高電力系統(tǒng)經濟性，減少溫室氣體排放，意義重大。

1 研究現狀

國外在開展對風電場出力預測方面已經取得一些成果。在風能開發(fā)水平相對較高的歐美國家，各種模型的預測系統(tǒng)相繼被開發(fā)出來，并投入到實際應用中，取得了良好的預測效果[2]。我國對風電功率預測起步較晚，準備工作也不及國外充分，例如，對風電功率預測系統(tǒng)所需要的基礎數據準備不夠充分，對風電場氣象信息的監(jiān)測和收集技術不夠成熟等，這些都制約著對風電功率預測系統(tǒng)的研究和開發(fā)[3]。因此，對基礎數據的采集、處理和管理以及如何提高預測精度是一個值得研究的內容。

2 預測方法

風功率預測主要有基于時間序列和基于數值氣象預報2種方法。基于數值氣象預報法[19]又分為2種:1）物理方法又叫基于風速的方法：在掌握風電場的地理信息的基礎上，結合實時數值氣象預報，由測風塔測量的風速、風向換算出風電機組輪轂高度的風速、風向進行預測[4]；2）統(tǒng)計方法又叫基于功率的預測方法：需要風電場至少一年的歷史數值氣象數據,歷史運行數據，實時數值氣象數據,并采用合適的數學算法建立預測模型,得出預測出力曲線。

電力系統(tǒng)要求風功率預測系統(tǒng)應具有0～48 h短期以及15 min～4 h超短期風電場出力預測功能，預測誤差一般不超過20%[5]。但遺憾的是，國內的風電功率預測系統(tǒng)的預測精度尚難以達到這個要求[19]。

2.1 用物理模型預測

物理方法的關鍵是要有精確的物理模型以及準確的換算方法，結合風電機組的風功率曲線，得到每個風電機組的預測功率，然后再綜合得到整個風電場出力[4]，流程如圖1所示。

圖1 物理預測模型

采用物理模型進行預測，對模型的精確度有很高的要求。對于具有特殊地理位置的風電場來說，變化頻繁的自然條件和復雜的地形地貌給預測系統(tǒng)增加了困難[6]，且風電場選址一般在比較偏遠的地區(qū)，如山脊、戈壁灘、草原、海灘和島嶼等[7]。安裝在不同海拔高度以及因容量的不同引起風電機組之間在垂直方向的落差，對風電功率預測系統(tǒng)的預測精確度會有一定的影響。

2.1.1 風速引起的誤差

風電機組吸收風能并將其轉化為電能，當風速大于切入風速時風電機組可以發(fā)電，在允許風速范圍內，輸出功率與風速、空氣密度的關系滿足風功率計算公式：

式中，P為實際輸出功率，W；籽為空氣密度；R為圓截面的半徑，m。

預測功率誤差百分數由式（2）計算：

著為風速偏差；（3）式表明預測功率誤差的大小與漬成正比，對于平均風速為6 m/s，風速偏差為0.5 m/s的風電場，其預測功率誤差百分數e=17.12%。對大規(guī)模并網型風電場來說，這個數字顯然讓人難以接受。

2.1.2 風速換算

目前基于物理方法預測的風功率預測系統(tǒng)采用下式進行風速換算：

1）風切變指數的計算，測風塔離風電機組一般有幾百米的距離，測風塔處和風電機組處的風切變指數可能存在差異；

2）計算過程需要至少3個測風計的測量值，無法避免和降低由測風計帶來的誤差，若風速計因本身質量損壞或者自然條件而無法測量風速，則風速換算無法進行。

針對這一問題，本文提出一種新的風速換算方法。當大氣穩(wěn)定度處于中性狀態(tài)時，風速隨高度分布滿足下面公式[10]，

式中，V（Z）為在高度Z時的平均風速；ux為摩擦速度，近地面不隨高度變化；k為卡門系數，一般取0.4；l0為粗糙長度。

設同一區(qū)域在不同高度Z1，Z2（Z1逸Z2）時的風速差為△V，可以由（6）式計算得到：

從而得到單位高度的風速變化率△v：

若高度為H0的測風塔測量風速為V0，并令Z2=H0則根據式（8）得到高度為HZ處的風速：

式（8）在計算過程中有如下優(yōu)點：

1）從計算誤差來講，式（8）有明顯的優(yōu)勢，線性誤差明顯低于冪指數誤差；

2）該方法只需要至少一個風速儀的測量值，大大降低了對儀器的依賴性，可靠性得到增強；

3）摩擦速度ux為湍流切應力與空氣密度比值的平方根，在近地面不隨高度變化，可以視為常數,HZ，H0沒有計算誤差。

2.1.3 基于物理方法的風電場出力模型

文獻[9]給出了對風電場測風塔的安裝要求，對地形復雜的風電場應適當增加測風塔，但沒有給出增加測風塔后風電場出力預測模型。

式（8）表明了對不同高度的風電機組可以分別進行風速換算。對于風速分布差異較大的風區(qū)，本文提出采用分塊預測法,即：將風電場風速分布分成幾塊，對風速相似的風電機組采用同一風速進行功率綜合,考慮到實際風電場的運行方式，風電場預測輸出功率由下式給出：

式中，Pt為t時刻風電場預測輸出功率；Pj為每個塊中每臺風電機組的預測功率；n表示將所有風電機組劃分為n個塊；m表示每個塊中的風電機組個數。

采用分塊預測法可以使風功率預測系統(tǒng)更加準確，但需要建立相應的測風塔。截止第三次全國風資源評估，僅在8個省區(qū)10個風電場安裝了70 m和40 m高度總共40座測風塔[7]，且氣象站距離風電場相當遠，例如玉門氣象站位于風電場東北方向12 km[8]。

2.2 用統(tǒng)計方法預測

統(tǒng)計方法常用基于時間序列的方法以及基于人工智能的算法。采用該方法預測需要分析輸出功率與氣象信息之間的數學關系，建立準確的數學模型（流程圖如圖2所示）。目前統(tǒng)計方法多采用風速、風向、氣溫、氣壓4個氣象參數以及風電機組發(fā)電功率曲線作為基礎數據訓練數學模型。統(tǒng)計方法只需要高質量的基礎數據和實時氣象信息就能做出預測，但對數據的完整性和有效性有很高的要求。

2.2.1 數據采集

氣象數據的獲取通過氣象傳感器采集得到[14]，對收集到的原始數據進行合理處理將提高預測結果的準確度，數據處理流程如圖3所示。

圖2 統(tǒng)計方法模型流程圖

圖3 數據處理流程

根據風的間歇性和波動性特點，將風速的變化在時空域內分為4種類型：基本風速、陣風、漸變風和噪聲風[17]。目前使用的風電機組葉片多采用定槳距和變槳距的控制方式，能在短時間內保持恒定功率輸出，且風力機慣性較大，韌性較強，所以陣風對輸出功率的影響幾乎可以忽略，而在考慮切入風速和切出風速的發(fā)電特性時，在傳統(tǒng)的數據采集方案中應該做一些改進，為了獲得更具有代表性的數據特征，結合電力系統(tǒng)對風電場出力預測系統(tǒng)的要求（15 min超短期預測能力），本文在提高數據采集頻率的基礎上對數據采集系統(tǒng)做了如下改進。

提高采集頻率后按式（10）平均后作為t分鐘預測數據：

式中，xi：t分鐘內風速均值，用作預測系統(tǒng)的輸入數據；ki：以t分鐘為單位下的實時采集值，將小于切入風速的值用零代替，大于切出風速的值用切出風速代替；n：t分鐘內采集次數。

2.2.2 數據管理，驗證

數據驗證是指檢查所有收集到的數據是否完整、合理以及消除錯誤數值。這有利于維持測風計劃期間數據的完整性，對數據進行及時驗證能防止因潛在的測量問題引起的數據丟失[7]。完整性檢驗通過數據完整率表示：

造成原始數據損壞和缺失的原因有：淤測風計本身的測量精度誤差以及風速計旋轉時由于摩擦阻力和風向標的電壓死區(qū)帶來的誤差；于電信號的失真問題；盂存儲設備和人為原因帶來的數據丟失和破壞；榆人為的修改數據造成數據的損壞。對損壞和缺失數據采取的措施。

1）目前對數據缺損的情況大多采用插值填補法，但這種方法只是針對個別缺損數據有效，當數據連續(xù)缺損時，插值法顯得無能為力。本文方案是：對一個風區(qū)應至少安裝兩個以上測風塔，假設一個風區(qū)有A、B兩個測風塔。對A的缺損數據可以根據A、B氣象數據的相關性進行填補，流程圖如圖4所示。

圖4 數據填補流程圖

采用這種填補方法，可以對連續(xù)缺損數據進行填補，精度取決于A，B測風塔的實際的地理位置，以及預測模型的準確率。模型的選擇采用人工智能或者數據挖掘的方法。對于單個數據缺損的數據樣本，采用插值方法更加方便。

2）對缺失的數據進行填補僅針對少數不可靠數據，對統(tǒng)計方法需要的大量數據而言不具有實用性。大量數據不合理或錯誤的氣象因子不能被用作預測，而應該由其他氣象因子替代。可以被用作預測的因子有：風速、風向、氣溫、氣壓、太陽輻射、空氣濕度、空氣密度、降水量、云層高度等9個氣象因子。對不能使用的氣象因子可以采用在計算該氣象因子與其他因子的相關性的基礎上進行替代，由下式給出：

式中，xi'為替代后的氣象因子；xj為其他氣象因子；A為相關矩陣；i、j為氣象因子下標。

3）風電場歷史功率數據的采集可以有兩種方式:風電機組的歷史功率數據和風電場的歷史功率數據。采用對每臺風電機組進行預測的方案可以提高預測精度，風電機組的停機或人為因素控制功率輸出也會影響原始數據的有效性。對只具有氣象數據而沒有歷史功率數據或歷史功率數據錯誤的風電機組，需要對歷史功率數據進行相應替代，從而使模型能得以進行。替代方法可以根據分塊預測方法進行，具體為：基于同型機組，氣象信息相似度最佳以及在控制策略相同的情況下，使用該機組的功率曲線進行替代。若不能滿足以上3種情況，則可以選擇采用塊內其他機組的平均功率曲線進行折算后再代替。

2.3 風電場運行方式對預測系統(tǒng)的影響

風電場自身的運行維護，運行人員對機組的開機、停機，給風電功率預測系統(tǒng)帶來一些問題。

文獻[16]指出，風電穿透功率受諸多因素影響，如系統(tǒng)運行方式、網絡約束常規(guī)機組處理等，所以當風電場輸出功率大于電力系統(tǒng)的接納能力時，風電場將被限電，考慮到風電機組的運行狀態(tài)，風電場實際的功率輸出應按式（13）進行預測。

式中，Pt為t時刻風電場實際輸出功率；Pi為風電場每臺機組的額定輸出功率；△Pm為風電機組未滿發(fā)時的功率缺額；Pl為停運中每臺機組的額定功率。

但對于預測系統(tǒng)來講，人為的控制功率輸出直接影響原始數據的有效性。本文提出建立三組數據庫：控制下的實際輸出功率數據庫玉、不受控制時輸出功率差額數據庫域和理論輸出功率數據庫芋。其中數據庫玉用作風電場功率預測，上報調度部門；數據庫芋用于本風電場數學建模和風電機組的功率預測；數據庫域用作功率缺額對比和計算風電場總的功率預測。

3 對風電場風功率預測系統(tǒng)的展望

采用精確的風電功率預測模型，提高基礎數據的完整率和有效性，結合更加科學的數據處理方法，建立相應的風電場管理制度將會對預測系統(tǒng)帶來很大幫助。本文認為在今后的風電功率預測系統(tǒng)方面還需要做以下工作。

1）開發(fā)相應軟件對風電場氣象信息進行統(tǒng)一管理；數值天氣預報信息能夠提供更高分辨率的氣象信息，至少應適用于本文提出的分塊預測方案。

2）提高風速計的機械可靠性和測量精度，風向標方面，應減少死區(qū)范圍。測量方法可以用電信號來代替目前的機械式方法。

3）將智能算法應用到數據管理中來，基于數據挖掘的機器算法更能發(fā)掘出數據之間的潛在聯(lián)系。

4）未來的風功率預測系統(tǒng)應具備相應的數據處理程序和管理軟件，計算機能夠自動完成數據處理過程，工作人員不再直接處理數據，只起監(jiān)督作用。

4 結語

本文簡述了當前風電給電力系統(tǒng)帶來的挑戰(zhàn)，引出風電功率預測的必要性，簡要介紹風電功率的預測模型，重點分析了當前風電功率預測系統(tǒng)中誤差較大的各種原因，包括預測策略和模型，基礎數據，風電場運行方式，人為因素給預測系統(tǒng)帶來的影響。

針對以上原因，本文給出了適合于風電場預測系統(tǒng)并能提高預測精度的措施。最后對風電功率預測系統(tǒng)進行了展望，提出了在開發(fā)預測系統(tǒng)的過程中還需要進一步做的工作。

[1]范高鋒,趙海翔,戴慧珠.大規(guī)模風電對電力系統(tǒng)的影響和應對策略[J].電網與清潔能源,2008，24（7）：44-48.

[2]韓爽.風電場功率短期預測方法研究[D].北京:華北電力大學，2008.

[3]谷興凱,范高鋒,王曉蓉,等.風電功率預測技術綜述[J].電網技術,2007,31（2）:335-338.

[4]王麗婕,廖曉鐘,高陽,等.風電場發(fā)電功率的建模和預測研究綜述[J].電力系統(tǒng)保護與控制,2009,37（13）：118-121.

[5]楊秀媛,肖洋,陳樹勇.風電場風速和發(fā)電功率預測研究[J].中國電機工程學報,2005,25（11）：1-5.

[6]國家發(fā)改委.風電場場址選擇技術規(guī)定[2003]1403號[S].

[7]高虎,劉薇,王艷,等.中國風資源測量和評估實務[M].北京:化學工業(yè)出版社,2009.

[8]魏子杰,段宇平.風電場風能資源評估[J].發(fā)電設備,2009（5）：376-378.

[9]國家發(fā)改委.風電場風能資源測量和評估技術規(guī)定[M].發(fā)改能源[2003]1403號[S].

[10]牛山泉.新能源技術-風能技術[M].北京:科學出版社,2009：10-16.

[11]肖永山.風電場短期產能預測研究[D].新疆：新疆大學,2007.

[12]傅蓉,王維慶,何桂雄.基于氣象因子的BP神經網絡風電場風速預測[J].可再生能源,2009，27（5）：86-89.

[13]CAO Lei,LI Ran.Short-Term Wind Speed Forecasting Model for Wind Farm Based on Wavelet Decomposition[J].IEEE Trans on DRPT,2008:2525-2529.

[14]雙斌,王維慶,張新燕.基于支持向量機的風速與風功率預測方法研究[J].華東電力,2009，39（9）：1599-1603.

[15]陳梅,洪飛,李鑫,等.風速風向傳感器在風機控制中的應用于研究[J].工業(yè)控制與應用,2008，27（4）：38-43.

[16]雷亞洲,王偉勝,印永華,等.基于機會約束規(guī)劃的風電穿透功率極限計算[J].中國電機工程學報,2002，22（5）：32-35.

[17]楊之俊.基于Matlab的組合風速建模與仿真[J].安徽電氣工程職業(yè)技術學院學報，2008，13（9）：74-77.

[18]羅海洋,劉天琪,李興源.風電場短期風速的混沌預測方法[J].電網技術,2009，33（9）：67-71.

[19]張國強,張伯明.基于組合預測的風電場風速及風電機功率預測[J].電力系統(tǒng)自動化，2009，33（18）：92-95.