風電場風速數值預報的動態(tài)修訂方法的探討

吳息,黃林宏,周海,王知嘉,江燕如

(1.氣象災害省部共建教育部重點試驗室(南京信息工程大學),江蘇 南京210044;2.國網電力科學研究院 清潔能源發(fā)電研究所,江蘇 南京210003)

風電場風速數值預報的動態(tài)修訂方法的探討

吳息1,黃林宏1,周海2,王知嘉2,江燕如1

(1.氣象災害省部共建教育部重點試驗室(南京信息工程大學),江蘇 南京210044;2.國網電力科學研究院 清潔能源發(fā)電研究所,江蘇 南京210003)

針對風電場風功率預測所需的定點、逐時風速預報,對利用中央氣象臺發(fā)布的MM5格點輸出的數值預報風速插值到福建沿海某個風電場測風塔高度的預報結果進行誤差分析,發(fā)現由于海陸交界的特殊下墊面等原因,存在一定的系統(tǒng)誤差;根據誤差的后延相關性和測風塔實時發(fā)回的氣象資料,探討了利用前期誤差觀測值和測風塔湍流指標對MM5數值預報風速進行動態(tài)修訂的方法,建立了訂正值方程,結果表明,訂正后的預報風速平均絕對誤差降低31%～54%,有效提高了預報精度。

風速數值預報;測風塔;風電場;MM5模式;動態(tài)修訂

0 引言

風能是一種清潔的可再生能源,近年來由于化石能源危機以及嚴重的環(huán)境污染和溫室效應問題,促使風電發(fā)展越來越迅速(李澤椿等,2007)。然而,隨著風電在電力需求中所占比例的增加,由于風功率輸出的不穩(wěn)定而導致的風力發(fā)電對電網穩(wěn)定運行的不利影響也逐漸體現出來(Chai et al.,2005;遲永寧等,2007;吳息等,2009)。供電系統(tǒng)需要進行有效的計劃和調度(李晶等,2004;韓小琪,2010;Saifur,2011),這就需要對風電場風速及功率輸出做出有效的預報,準確的風力預報將有助于電力公司更好地利用風力發(fā)電、降低成本,是21世紀能源體系建設的重要內容。我國的《可再生能源產業(yè)發(fā)展指導目錄》中(國家發(fā)展和改革委員會,2005)指出,要進行“風電場發(fā)電量預測及電網調度匹配軟件”的技術開發(fā)。然而風速的變化除了與環(huán)流背景場及中小尺度天氣系統(tǒng)密切相關外,還明顯受到地形地貌的影響(趙彥廠等,2008;路屹雄等,2009;楊曉玲等,2012),具有隨機性、間隙性、不穩(wěn)定等多種不確定性特征,我國針對風電場服務的高時間分辨率的定點位置的精細化風速預報技術尚未成熟和產業(yè)化。

風電場風速預報按時間長短可分為長期預報、中期預報和短期預報及超短期預報,短期預報方法主要有統(tǒng)計預報、數值預報和動力—統(tǒng)計結合預報三類方法(Landberg,2001;Thanasis et al.,2006;劉永前等,2007)。盧峰本(1998)曾基于T63數值預報產品,應用卡爾曼濾波方法,制作1995年11月和1996年1月防城港市逐日最大風力36～132 h預報,黃輝和陳淑琴(2006)利用海島測風站資料研究了MM5數值預報產品在舟山海域風力分區(qū)預報中的釋用技術,楊秀媛等(2005)提出了預測風速的時序神經網絡法。而數值動力預報是最常用和最有效的方法,大型風電場可以考慮建立和運行天氣數值預報模型,但這投入的成本很高。國內也有一些風電場的預測系統(tǒng)直接購買歐洲中期數值預報中心或德國天氣在線等機構的風速數值預報風速。

沿海區(qū)域和近海海面是風力資源儲存量和可開發(fā)量非常豐富的區(qū)域(黃世成等,2009;McElroy et al.,2009),是已建風電場主要分布區(qū),也是擬建新的風電場的重點區(qū)域。海岸線附近,從海岸近地層到近海面層,下墊面的機械特征和熱力特征出現很大的差異,特別是熱力特性在冬夏季又明顯不同,這可能導致風場變化在該處不均勻,而格點輸出的數值預報風速產品不易體現這種特殊的微尺度空間變化,尤其在數值模型的空間分辨率不高時,插值到風電場風力機高度的誤差較大,利用統(tǒng)計方法對低分辨率的風速數值預報產品進行修訂將有利于預報精度的提高。

根據風功率預測系統(tǒng)功能規(guī)范(國家電網公司調度通信中心,2011),每個風電場都建有測風塔SCADA系統(tǒng)(監(jiān)控和數據采集),以監(jiān)測風力和風電功率的變化,預測系統(tǒng)建模使用的數據應包括歷史測風塔數據、歷史數值天氣預報、風電機組信息、地形地貌等數據。風電場功率短期預測需要逐時風速定量預報,本研究收集了1 a的福建近海兩座測風塔數據及同期數值預報歷史產品數據。探討利用測風塔資料及數值產品資料做出海面風電場功率預測所需逐時風速預報的方法。

1 相關研究資料概況

1.1 測風塔資料

測風塔資料來自福建平潭縣和漳浦縣近海小島上的兩座測風鐵塔(國網電力科學研究院清潔能源發(fā)電研究所所建,編號1、2號塔)。

1號塔離岸約為20 km,四周布有若干大小不一、錯落參差的島嶼,西面1 km即是平潭主島(圖1),坐標位置為119°48′E、25°39′N,塔基約30 m,風速共有4個觀測層次,儀器來自Gill公司的Windsonic超聲風速、風向傳感器,觀測層次高度為10、20、30、40 m,儀器實際海拔為40、50、60、70 m;其中第1層和第4層另外安裝了羅卓尼克公司的CP01溫濕度傳感器。

2號塔坐標位置為117°48′E、23°57′N。2號塔塔體所在小島為小尖山礁,離岸最近距離約為10 km,距六鰲半島(西側)約3 km(圖1),該島礁面積很小,塔體基座海拔12.8 m,風速共有4個觀測層次,儀器型號同1號塔,觀測層次高度為10、30、50、70 m,儀器實際海拔為22.8、42.8、62.8、82.8 m;其中第1層和第4層安裝了與1號塔相同的溫濕度傳感器。

圖1 1(a)、2(b)號測風塔周邊環(huán)境示意圖Fig.1 Landscape around the two wind towers a.tower 1;b.tower 2

兩座塔數據采集期1 a(2009年12月—2010年11月),觀測數據有:10 min平均風速、風向、水平風速標準差σV、平均溫度、相對濕度等。

1.2 數值預報產品(MM5)資料

除測風塔實測資料外,還使用了數值預報產品資料,該資料為MM5中尺度數值預報產品(來自中央氣象臺),每天兩次更新,更新時間為08時和20時(北京時間,下同),時間分辨率和最長預報時效分別為3 h、48 h,表1給出了部分MM5產品要素資料介紹。

2 MM5風速數值預報的效果分析

以測風塔頂層風速V(1號塔位離平均海水面70 m,2號塔位距平均海水面82.8 m高度)的小時平均值為預報量,由于發(fā)布的MM5預報風速的時間和空間分辨率不能滿足風電場風功率預測的技術需要,將MM5數值預報風速插值到2個測風塔各自的頂層位置,采用線性內插方式將3 h時間分辨率插值到1 h,空間上的水平插值(風速由MM5格點插值到測風塔位置)采用反距離權重方法(高歌等,2007);再采用指數律廓線(申華羽等,2009),利用地面風速資料插值到測風塔各自頂層高度得到MM5在該點的預報風速Vm。考慮到模式起算點時間到實際發(fā)布時間的滯后,預報值與實測值按模式起算時間滯后12 h對應,如08時初始場的模式計算結果,實際傳到用戶的時間大約要到15～16 h以后了,為統(tǒng)一起見,實際使用的20 h后的預報值。

根據以上步驟所得出的各季節(jié)數值預報風速Vm的實際預報效果情況如表2所示。

表1MM5中尺度數值預報產品資料簡要介紹

Table 1 Some of the collected data elements of MM5 products

要素資料層次/hPa網格間距/(°)時間分辨率/h位勢高度(H)200、500、700、850、925、10000.25×0.253氣溫(T)200、500、700、850、925、1000、地面0.25×0.253相對濕度(Q)200、500、700、850、925、1000、地面0.25×0.253風速分量(u,v)200、500、700、850、925、1000、地面0.5×0.53氣壓(p)海平面0.25×0.253

表2MM5數值預報風速Vm的預報效果指標

Table 2 The effect indexes of MM5 numerical speed prediction

效果指標1號塔2號塔冬季春季夏季秋季冬季春季夏季秋季平均誤差/(m·s-1)0.751.081.551.09-1.87-0.05-0.42-1.98平均絕對誤差/(m·s-1)1.842.422.732.273.032.492.353.23均方根誤差/(m·s-1)2.333.213.683.093.713.263.054.13相關系數0.860.710.570.840.600.570.530.68

隨機挑選2號測風塔2010年3月2日01時—2010年3月6日24時的MM5數值預報風速Vm與實測風速V并繪制其變化曲線,可以看出誤差還是比較明顯的(圖2)。從表2可以看到,2座塔的各季的平均誤差的絕對值不是很小的值,說明對測風塔定點風速預報存在某種系統(tǒng)誤差,造成預報誤差的原因很復雜,例如海陸交界特殊的下墊面等,本文僅討論減少誤差的方法。

圖2 測風塔實測風速與數值預報風速Fig.2 Field measured wind speed and numerical predicted wind speedat the wind tower

3 MM5風速預報誤差訂正方案

如前所述,MM5風速的風電場定點預報存在系統(tǒng)性誤差,本方法的基本思路是在數值預報的基礎上,對風速預報值進行訂正,從而減少系統(tǒng)性誤差以達到提高預報精度的目的。本研究探討了多種誤差訂正方法,這里介紹其中的兩種。

3.1 系統(tǒng)性訂正方法

以實測風速V作為因變量;數值預報風速Vm為自變量,根據歷史資料建立訂正公式:

(1)

由

(2)

確定系數a、b。

訂正后的擬合預報效果見表3,與表2相比,平均誤差(系統(tǒng)誤差)基本消除,但絕對誤差和均方誤差減少有限。

3.2 誤差后延修訂方法

經資料統(tǒng)計分析后,發(fā)現預報誤差值具有一定的后延相關性,即造成預報誤差的要素具有一定的持續(xù)性,對0～6 h的超短期預報,測風塔風速可以實時發(fā)回,即可以實時獲得數值預報誤差值,這樣就可以采用前若干時次的實際預報誤差ΔVt-i作為自變量,建立后時次的預報誤差的預報方程,即在數值預報風速的基礎上,進一步預測其預報修訂值Dt+i,從而得到0～6 h預報時效的修訂后風速預報值:

(3)

對用于建立修訂值的預報方程的因子的選擇,除前期的預報誤差值外,近地層風速還與大氣湍流強度有關,利用實時發(fā)回的測風塔塔層氣象資料,可得各時次的湍流強度因子有里查遜系數Ri、風廓線指數α,溫度垂直遞減率、風速標準差SV等。經反復的因子篩選和效果統(tǒng)計檢驗,最終統(tǒng)一選取兩個時次的風速預報誤差值ΔVt=Vt-Vmt,ΔVt-1=Vt-1-Vm(t-1)及測風塔風速標準差SV,t作為建立回歸方程的預報因子,根據歷史資料,分季節(jié)建立不同預報時效的修訂值的預報方程:

Dt+i=b0,t+i+b1,t+iΔVt-1+b2,t+iΔVt+b3,t+iSV,t,i=1,2,…,6。

(4)

統(tǒng)計檢驗表明,選用的3個因子均能通過0.01信度的顯著性檢驗。這樣,每6 h可對風速數值預報值進行一次修訂,得到0～6 h風速預報值。

表4給出了2號塔冬、夏季各訂正方程的回歸系數和訂正后的預報絕對誤差,限于篇幅,其他方程回歸系數略。表4最后一行是各方程修訂后的預報絕對誤差,一個明顯的規(guī)律是隨時間后延t+j的加長,相關的減弱,絕對誤差隨后延時間增大。

3.3 誤差后延修訂方法預報效果分析

表3系統(tǒng)性訂正后的擬合預報效果

Table 3 Effect of fitted wind forecast after systematic corrections

誤差指標1號塔2號塔冬季春季夏季秋季冬季春季夏季秋季平均誤差/(m·s-1)00-0.01-0.0200.05-0.020平均絕對誤差/(m·s-1)1.752.262.272.051.952.322.192.09均方根誤差/(m·s-1)2.262.872.982.952.463.062.683.07相關系數0.850.700.580.830.710.550.720.71

表42號塔冬、夏季的各修訂方程回歸系數

Table 4 The regression coefficients of the revised equation in winter and summer at tower 2

冬季夏季t+1t+2t+3t+4t+5t+6t+1t+2t+3t+4t+5t+6b0,j0.1480.087-0.1950.4740.7850.779-0.088-0.146-0.2170.0830.4640.051b1,j-0.191-0.151-0.088-0.124-0.164-0.22-0.11-0.097-0.078-0.026-0.018-0.061b2,j1.1511.0560.9110.8480.7930.7591.0470.9380.850.7080.5560.492b3,j-0.635-0.900-1.846-2.614-3.356-3.6530.2210.4880.324-0.39-1.481-1.986絕對誤差0.741.081.281.491.742.010.831.271.661.781.872.05

圖3 誤差后延修訂后的風速預報值(2號塔)Fig.3 Wind speed forecast after the error lag revised method (tower 2)

將經過預報誤差后延訂正后,全年各季的擬合效果指標列入表5,與表2相比,平均誤差的絕對值近于0,系統(tǒng)性誤差基本消除;平均絕對誤差明顯降低,1號塔各季分別減小0.68、0.75、1.11、0.95 m/s,降低幅度在31%～42%,2號塔各季分別減少1.61、0.84、0.78、1.55 m/s,降低幅度在34%～54%。平均絕對誤差均小于1.69 m/s;均方根誤差的最大值為2.5 m/s,出現在2號塔的秋季,該值訂正前為4.13 m/s,降低了40%;相關系數也有顯著提高。可見,訂正方法能夠有效提高預報精度。

2)外延試驗預報的效果分析(圖4):為進一步檢驗數值預報動態(tài)修訂方法的效果,又收集了2010年12月1—15日共15 d的測風塔和MM5風速數值預報資料,代入公式(4)的冬季預報方程,從而對Vm進行動態(tài)修訂,預報效果指標見表6,對照表5,可見修訂效果與冬季擬合樣本的效果基本相同。

圖4 外延試驗預報的風速預報修訂效果(2號塔)Fig.4 Wind speed forecast after error revised method ofextensional experiment forecast (tower 2)

4 結論

1)風電場風功率預測需要時間高分辨率的定點風速預報,本研究探索近海海面風電場0～6 h預報時效的逐小時短期風速預報方法。

2)針對MM5數值預報風速誤差存在后延相關性的特點,以及測風塔湍流特征指標,探討了對數值預報風速進行動態(tài)修訂的方程和因子,建立了0～6 h的訂正方程,結果表明該方法能顯著的改善風電場短期風速預報效果,平均絕對誤差明顯降低,1號塔各季分別減小0.68、0.75、1.11、0.95 m/s,降低幅度在31%～42%,2號塔各季分別減少1.61、0.84、0.78、1.55 m/s,降低幅度在34%～54%。

表5誤差后延修訂后的擬合效果指標

Table 5 The fitted effect indexes after the error lag revised method

誤差指標1號塔2號塔冬季春季夏季秋季冬季春季夏季秋季平均誤差/(m·s-1)0.00-0.010.110.050.100.000.04-0.03平均絕對誤差/(m·s-1)1.161.671.621.321.421.651.571.68均方根誤差/(m·s-1)1.582.312.212.021.992.332.072.43相關系數0.930.820.800.920.830.770.790.83

表6外延試驗預報的動態(tài)修訂效果

Table 6 Dynamic revised effect of extensional experiment forecast

誤差指標1號塔2號塔MM5預報修訂后MM5預報修訂正后平均誤差/(m·s-1)0.34-0.26-2.270.13平均絕對誤差/(m·s-1)1.941.272.891.40均方根誤差/(m·s-1)2.401.633.451.84相關系數0.880.950.780.87

3)動態(tài)修訂方法能夠對低分辨率的數值預報風速進行修訂,對需要高分辨率的定點風速的風電場風速預報能有效提高預報準確性。該方法簡單、經濟,利于在中小型風電場使用。

遲永寧,劉燕華,王偉勝,等.2007.風電接入對電力系統(tǒng)的影響[J].電網技術,31(3):77-78.

高歌,龔樂冰,趙珊珊.2007.日降水量空間方法研究[J].應用氣象學報,18(5):732-736.

國家電網公司調度通信中心.2011[2012-02-24].風電功率預測系統(tǒng)功能規(guī)范(試行)[S].http://www.docin.com/p-521905403.html.

國家發(fā)展和改革委員會.2005[2012-02-24].可再生能源產業(yè)發(fā)展指導目錄[S].http://www.sdpc.gov.cn/nyjt/nyzywx.

韓小琪.2010.風電出力變化對系統(tǒng)調頻的影響[J].中國電力,43(6):26-27.

黃輝,陳淑琴.2006.MM5數值預報產品在舟山海域風力分區(qū)預報中的釋用[J].海洋預報,23(2):67-71.

黃世成,任健,王冰梅,等.2009.江蘇80 m高度風能評估方法探討[J].氣象科學,29(4):519-523.

李晶,宋家驊,王偉勝.2004.大型變速恒頻風力發(fā)電機組建模與仿真[J].中國電機工程學報,24(6):100-105.

李澤椿,朱蓉,何曉鳳,等.2007.風能資源評估技術方法研究[J].氣象學報,65(5):708-709.

劉永前,韓爽,胡永生.2007.風電場出力短期預報研究綜述[J].現代電力,24(5):7-13.

盧峰本.1998.卡爾曼濾波在沿海冬半年風力預報中的應用[J].氣象,24(3):50-53.

路屹雄,王元,李艷.2009.江蘇風能資源代表年選擇的方法比較[J].氣象科學,29(4):524-526.

申華羽,吳息,謝今范.2009.近地層風能參數隨高度分布的推算方法研究[J].氣象,35(7):54-60.

吳息,趙彥廠,王冰梅,等.2009.江蘇省風電資源的調峰能力評估[J].氣象科學,29(5):633-637.

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

楊曉玲,丁文魁,袁金梅,等.2012.河西走廊東部大風氣候特征及預報[J].大氣科學學報,35(1):121-127.

趙彥廠,江志紅,吳息.2008.基于區(qū)域氣候模式的江蘇省風能評估試驗[J].南京氣象學院學報,31(1):75-82.

Chai Chompoo-inwai,Lee Weijen,Fuangfoo P.2005.System impact study for the interconnection of wind generation and utility system[J].IEEE Transactions on Industry Applications,41(1):163-168.doi:10.1109/TIA.2004.841032.

Landberg L.2001.Short-term prediction of local wind conditions[J].Journal of Wind Engineering and Industrial Aerodynamics,27(3):235-245.

McElroy M B,Lu X,Nielsen C P,et al.2009.Potential for wind-generated electricity in China[J].Science,325:1378-1380.

Saifur R.2011.Operating impacts and mitigation strategies with large-scale wind power penetration in the United States[J].Automation of Electric Power Systems,35(22):4-5.

Thanasis G B,John B T,Minas C A.2006.Long-term wind speed and power forecasting using local recurrent neural network models[J].IEEE Transactions on Energy Conversion,21(1):273-284.doi:10.1109/TEC.2006.871688.

(責任編輯：張福穎)

Discussionondynamiccorrectionsofnumericalpredictionofwindvelocityinwindfarm

WU Xi1,HUANG Lin-hong1,ZHOU Hai2,WANG Zhi-jia2,JIANG Yan-ru1

(1.Key Laboratory of Meteorological Disaster(NUIST), Ministry of Education,Nanjing 210044,China;2.Research Institute of Clean Energy Generation,State Grid Electric Power Research Institute,Nanjing 210003,China)

Considering the required fixed-point and hourly wind speed forecast for the wind power prediction in wind farm,numerical prediction of wind velocity from the MM5 lattice point output released by the Central Meteorological station was interpolated into of an anemometer tower at a certain height in a wind farm along the coast of Fujian in this paper.Through error analysis of forecast results,we found that there were some systematic errors due to special underlying surface at the junction of land and sea.According to the lag correlation of the error and the real-time meteorological data from the anemometer tower,weinvestigated dynamic correction methods for numerical prediction of wind velocity from the MM5 using earlier error observations and anemometer tower turbulent indicators,and established revised equations.The average absolute error of the revised wind velocity forecast was reduced by 31%—54% and the accuracy of prediction was improved effectively.

numerical prediction of wind velocity;anemometertower;wind farm;MM5 model;dynamic corrections

2012-12-08；改回日期2013-10-25

江蘇省科技支撐計劃(BE2010200);江蘇高校優(yōu)勢學科建設工程資助項目(PAPD)

黃林宏,博士生,研究方向為風資源評估,huanglinhong1986@163.com.

10.13878/j.cnki.dqkxxb.20121208005.

1674-7097(2014)05-0665-06

P435

A

10.13878/j.cnki.dqkxxb.20121208005

吳息,黃林宏,周海，等.2014.風電場風速數值預報的動態(tài)修訂方法的探討[J].大氣科學學報,37(5):665-670.

Wu Xi,Huang Lin-hong,Zhou Hai,et al.2014.Discussion on dynamic corrections of numerical prediction of wind velocity in wind farm[J].Trans Atmos Sci,37(5):665-670.(in Chinese)