風機發電風功率預測系統的研究與應用

摘 要：隨著社會經濟的發展，能源需求的日益增多，風機發電技術也日益發展。有效優化電網的調度可以更準確地實現對風電場發電功率的預測，不但能夠使電網經濟運行，更對提高風電場在電力市場中的競爭地位有著至關重要的作用。該文首先提出了具有先進的統計方法的風功率預測系統，對國內風功率預測技術的發展現狀作了簡要敘述，同時把高精度數值氣象預報作為重要基礎，力求搭建完備的數據調查和記錄的系統，針對風功率預測精度低的問題提出了相應的改進方法，使之更好地利用各個通訊口采集風電場的監控數據，力求為風電場的運行和管理提供更有效的輔助作用，供大家研究和參考。

關鍵詞：風機發電 功率預測 系統 研究與應用

中圖分類號：TM614 文獻標識碼：A 文章編號：1672-3791（2016）08（a）-0026-02

隨機變化的風速、風向導致風電場輸出功率具有間歇性、波動性以及隨機性等特點，大量風電場集中并網不僅會對電網的安全、穩定以及經濟運行帶來重要影響，更直接限制著電網接納風電的效率[1]。風電功率預測系統的應用，可以使調度運行人員根據數據預測的波動的情況，更加合理地采取應對措施，保障電網運行的安全性和可靠性。功率預測和負荷預測的結合，還有很多好處，比如更夠調整調度運行的人員、優化常規電廠的發電計劃、增加風電的并網的容量、改善電網的調峰能力，對改善電力系統運行的經濟性，減少溫室氣體的排放具有非常重要的意義[2]。

另外，對風電功率的預測還能夠提高風電在電力市場中的競爭力，對提高上網電價也具有重要作用。對普通的風電場而言，風電功率的預測還能夠對企業合理安排檢修計劃起到重要的參考作用，從而進一步提高企業的盈利能力。

1 關于國內外風功率預測的現狀研究

我國的風功率預測系統經過二十余年的發展，已經取得了突飛猛進的發展，在全球已經獲得了很廣泛的應用。近年以來，國際上都十分重視風機發電風功率預測系統的研究，已經開始開發更高級的預測模型，各發達國家已經開始研究在復雜地形、極端天氣以及海上風電等惡劣條件下的風功率的預測系統。當下，西班牙和丹麥等風電大國的風電技術領先世界，如西班牙已經能夠達到提前48 h、平均誤差在20%之下、提前24 h平均誤差在10%之下[3]。

我國的風機發電風功率預測系統也取得了很大進展，雖然起步較晚，但是我國經過許多年的技術創新和投入，已經具備完善的解決難題和實際中出現的問題的能力?？梢哉f是成就斐然。我國相關的風機發電風力預測的機構結合當地的實際情況，建立和健全了大量的風功率預測模塊，這種人工智能的算法和體系在很大程度上提高了風功率預測的精度。另外，我國還提出了有效的風功率預測方案，這能在很大程度上解決因為大規模接入風電對電網所造成的沖擊問題。

2 風機發電風功率預測系統的組成

功率預測系統主要由以下幾部分組成：功率預測主機、NWP處理處理器、防火墻、反向物理隔離裝置、預測系統客戶端以及網絡設備和附屬設備等[4]。

3 風機發電風功率預測技術方法總結分類

利用空氣動力學、熱力學等基本的原理，也就是數值天氣預報就是風功率的預測技術，它基本是借助歷史天氣的試驗為重要的經驗，利用數值計算的方法來預測風場輸出功率的一門科學。

風機發電風功率預測技術的直接方法是以風速為基礎的預測方法，基于功率的預測方法被稱為間接方法，這兩種方法的功率預測都由預測的數學模型來確定。

物理方法利用NWP數據（主要是風速）作為輸入的參考數據，并且需要充分考慮風電場的地形以及地表的粗糙程度，附近的障礙物、風機輪的高度，機械的轉動的結構、風機特性曲線和風機的控制策略等技術作為建設模型的對象來確定相對適合風功率預測的中長期預測。

另一種常用的方法是統計方法，這一方法的實質是在風功率預測系統的輸入端和風功率預測系統的輸出端這兩個端口建立一種映射函數，在不考慮風速的情況之下，直接利用NWP這一數據來對風場的輸出功率進行直接的預測。常見的統計方法大致有以下幾個：時間序列法、指數平滑法、概率預測法、灰色預測法、小波分解方法和數據挖掘方法[5]。在這些方法中，最典型的方法是時間序列，其特點是隨機性高、具有平穩的數據，且必須要計算機的程序才能夠識別。另外，這種方法所采用的數據相對單一，預測的周期很短，其對誤差的設計也不夠合理，因為它具有以上的優點，所以其多用于優化控制。

描述系統輸入和輸出之間關系的時候，需要用到解析方程來解決，建立非線性預測的學習模型。常見的學習方法有：支持向量機法、神經網絡法、混合專家經驗法、模糊邏輯法等。最典型和最常見的就是神經網絡法，這種方法因其具有很強大的自動適應能力，自動學習能力以及優良的容錯性和泛化能力，因而被廣泛地應用于信號的管理、模式的識別、智能檢測以及汽車和金融等領域。

4 風機發電風功率預測系統的誤差分析

風機發電風功率的預測畢竟只是預測，誤差存在也是客觀的，因為風速會受到不確定的天氣狀況影響，受限于風電機組，預測數學模型等不良數據的影響，具體的誤差有下面幾點。

（1）波動的風速給預測模型的輸出帶來了誤差，這是因為風資源具有很大的隨機性和不確定性，這使得誤差不可避免。

（2）數學模型的精確度低。在當前我國使用的風功率預測的數據模型很單一，這不能夠全面地反映實際的濕度和地貌等因素，盡管也有些組合的精度大大提高，但是就整體而言國內的預測技術并不是很成熟。

5 風機發電風功率預測系統的不足之處和改進方法

風機發電風功率預測系統的不足之處有風電消納能力的局限、輸入數據單一及周圍的環境和物理因素的影響。另外，不完善的測風塔采集系統，使得誤差沒有經過人為修正，誤差很大。具體的改進措施如下。

（1）優化組合風力預測的模型，預報NWP的信息，這可以有效地縮小在惡劣天氣和極端天氣下的誤差，大大提高預測的精準度。

（2）加速NWP更新的頻率，改善數學模型和數據輸入的同時，更新現代的物聯網技術和計算機控制技術，提高輸出的精準度。

（3）充分地利用小波分析、混沌理論、模糊神經網絡等智能方法，對預測的結果進行優化組合分析，提高預測的可靠性和精準度。

（4）在對風功率短期預測的時候，盡快更新NWP的數據，提高風功率預測的技能和方法。

6 結語

總之，我國電網的經濟穩定運行和發展離不開對風速和風力發電功率的預測，對風速和風力發電的準確預測能夠極大地提高風電企業的市場競爭能力。我國已經設計并實現了以神經網絡和經典統計學的風電場功率預測模型，其具有分析訓練簡單、結果穩定可靠、執行速度極快、硬件消耗資源少、精準預測等優點。

盡管自然界的風速變化莫測，風機發電的功率預測的難度也很大，以目前的技術水平來看，其精準度還有待進一步提高，但是有理由相信，隨著技術水平的不斷提高，獲得的歷史數據越來越多，采取新的NWP等數據來應對和預測突發天氣等，這些都能夠進一步提高風機發電功率預測的精準度。

參考文獻

[1]王文剛，劉建鵬，武環宇，等.風功率預測系統的應用與優化的討論[J].科技創新與應用，2013（14）：49-50.

[2]彭加立，馬月，李霸軍.風電場短期風功率預測研究及應用實例分析[J].水力發電2013（10）：86-96.

[3]鐘宏宇，高陽，武良，等.功率預測技術在風電中的研究分析[J].電器與能效管理技術，2015（10）：51-55.

[4]柳玉，白愷，崔正澎，等.風電場短期功率預測水平提升舉措措施研究與實例分析[J].電網與清潔能源，2015（12）：78-81.

[5]秦政，包德梅，賴曉路，等.風電場風功率預測系統研究[J].計算機技術與發展，2013（7）：58-63.