消除小氣候?qū)︼L(fēng)電場風(fēng)電功率預(yù)測系統(tǒng)預(yù)測準(zhǔn)確率的影響

中電投廣西興安風(fēng)電有限公司 楊 民 賓世楊 王嘉鑫

?

消除小氣候?qū)︼L(fēng)電場風(fēng)電功率預(yù)測系統(tǒng)預(yù)測準(zhǔn)確率的影響

中電投廣西興安風(fēng)電有限公司 楊 民 賓世楊 王嘉鑫

【摘要】為了合理地利用風(fēng)電，提高電力系統(tǒng)經(jīng)濟(jì)性，需要對風(fēng)電場輸出功率進(jìn)行預(yù)測，初步建立的風(fēng)功率預(yù)測平臺為基礎(chǔ)，對降尺度風(fēng)場建模進(jìn)行校正；對不同的統(tǒng)計學(xué)方法在風(fēng)場發(fā)電功率預(yù)測校正實際效果的優(yōu)化程度進(jìn)行比較和驗證；根據(jù)研究分析結(jié)果用于現(xiàn)有風(fēng)功率預(yù)測平臺的技術(shù)升級，提高預(yù)測準(zhǔn)確率。

【關(guān)健詞】風(fēng)功率預(yù)測；預(yù)測模型；數(shù)據(jù)處理；預(yù)則精度及結(jié)果

1 研究現(xiàn)狀

我國對風(fēng)功率預(yù)測起步較晚，對風(fēng)功率預(yù)測系統(tǒng)所需要的基礎(chǔ)數(shù)據(jù)準(zhǔn)備不夠充分，對風(fēng)電場氣象信息的監(jiān)測和收集技術(shù)不夠成熟等，都制約著對風(fēng)功率預(yù)測系統(tǒng)的研究和開發(fā)，因此，對數(shù)據(jù)的采集，處理和模開型校正及數(shù)據(jù)誤差分析。

2 實施方案

對風(fēng)場當(dāng)?shù)氐奈⒂^建模根據(jù)實際的地形地貌和實際測風(fēng)數(shù)據(jù)進(jìn)行校正，以校正過的微尺模型計算結(jié)果作為預(yù)測的基礎(chǔ)數(shù)據(jù)引入預(yù)測功能平臺，之后根據(jù)積累的風(fēng)場運(yùn)行數(shù)據(jù)著重研究預(yù)測結(jié)果的統(tǒng)計學(xué)后處理的不同方法，評估不同的校正方法對最終預(yù)測準(zhǔn)確率的提升效果，最終生成預(yù)測校正參數(shù)并引入現(xiàn)在運(yùn)行中的預(yù)測系統(tǒng)。

3 微尺度模型校正

使用以CFD（計算流體力學(xué)）為核心的WT軟件對某風(fēng)電場進(jìn)行風(fēng)場微尺度建模，是風(fēng)場所使用的預(yù)測軟件前期必須的計算環(huán)節(jié)，在這一階段的建模計算中，實現(xiàn)對風(fēng)場當(dāng)?shù)仫L(fēng)流變化的計算。微尺度模型的計算結(jié)果受到實際風(fēng)場的地形數(shù)據(jù)和地表覆蓋物環(huán)境影響，兩類數(shù)據(jù)對風(fēng)場實際自然環(huán)境的描述準(zhǔn)確性決定了微尺度模型最終結(jié)果的準(zhǔn)確性。

3.1 實測數(shù)據(jù)的篩選

對測風(fēng)數(shù)據(jù)進(jìn)行篩選，篩選出強(qiáng)風(fēng)狀態(tài)下的樣本值。用于數(shù)據(jù)篩選的風(fēng)速閾值根據(jù)測風(fēng)數(shù)據(jù)的70米測風(fēng)點(diǎn)（最高測風(fēng)高度）的實測湍流強(qiáng)度曲線進(jìn)行考察，如下圖，取曲線趨于平穩(wěn)處的風(fēng)速10m/s做為篩選閾值。而選擇強(qiáng)風(fēng)狀態(tài)的數(shù)據(jù)作為建模校正的依據(jù)，在于從氣象學(xué)角度的一個經(jīng)驗性結(jié)論：強(qiáng)風(fēng)狀態(tài)下大氣熱穩(wěn)定度為中性穩(wěn)定。

3.2 初期風(fēng)場微環(huán)境建模情況

風(fēng)場建模的范圍覆蓋全部風(fēng)機(jī)，地形數(shù)據(jù)準(zhǔn)備采用SRTM地形數(shù)據(jù)庫90米分辨率地形數(shù)據(jù)，而地表粗糙度地圖則根據(jù)衛(wèi)星照片和實地踏勘照片進(jìn)行人工制作。計算半徑4176米，風(fēng)場中心坐標(biāo)對應(yīng)高斯6度帶北京1954投影系下的XY坐標(biāo)為（23343456，5075586）。由于東北地區(qū)冬季地表長期為積雪覆蓋，則地表覆蓋物性質(zhì)隨季節(jié)變化，因此建模數(shù)據(jù)的粗糙度地圖分為雪季和非雪季，建模計算也對應(yīng)分為雪季項目和非雪季項目。

3.3 校正后用于預(yù)測計算的微尺度模型

上述的風(fēng)廓線比較是一個重復(fù)的過程，對于粗糙度地圖的調(diào)整根據(jù)已知原則和前次調(diào)整效果進(jìn)行嘗試，直到確認(rèn)效果較好的調(diào)整后的粗糙度地圖，如圖1、圖2所示。

用于計算的微尺度模型具備不同熱穩(wěn)定度下的降尺度轉(zhuǎn)換系數(shù)，但實際的熱穩(wěn)定度等級的計算則是根據(jù)中尺度預(yù)測數(shù)據(jù)按照如下公式計算得到的：

根據(jù)理查森數(shù)Ri的取值范圍對應(yīng)的WT中對應(yīng)于熱穩(wěn)定度等級，來確定在微尺度模型計算結(jié)果中的哪一組轉(zhuǎn)換參數(shù)被用于風(fēng)電場功率預(yù)測。

圖1 WT建模校正雪季粗糙度地圖

圖2 WT建模校正非雪季粗糙度地圖

3.4 預(yù)測統(tǒng)計模型校正

提高風(fēng)功率預(yù)測準(zhǔn)確性的可能，則是從統(tǒng)計學(xué)入手。風(fēng)場在實際運(yùn)行過程中，風(fēng)機(jī)不會嚴(yán)格按照理論功率曲線進(jìn)行發(fā)電，實際情況與預(yù)測軟件中根據(jù)理論功率曲線進(jìn)行計算的情況本身就有差別，采用統(tǒng)計模型進(jìn)行預(yù)測校正的過程并不僅僅是對小氣候環(huán)境影響的消除，同時也是對其他無法在預(yù)測計算時作為已知量考慮在計算過程中的因素導(dǎo)致的影響的修正。

3.5 線性統(tǒng)計校正方法

線形統(tǒng)計校正的實現(xiàn)首先需要進(jìn)行樣本分類分析，將主要影響因素作為現(xiàn)象校正樣本分類依據(jù)。對于預(yù)測技術(shù)方案來說，首先是由物理模型實現(xiàn)對風(fēng)流變化的預(yù)測，包括風(fēng)速風(fēng)向，之后才是根據(jù)風(fēng)機(jī)屬性即功率曲線與尾流效應(yīng)曲線來進(jìn)行風(fēng)功率預(yù)測。

3.6 神經(jīng)網(wǎng)絡(luò)校正

神經(jīng)網(wǎng)絡(luò)模型是用人工智能的方法提取輸入和輸出間的關(guān)系，而不是以解析法的形式來描述，這種方式所建模型為非線性模型。

一個完整的人工神經(jīng)網(wǎng)絡(luò)運(yùn)行結(jié)構(gòu)被兩個數(shù)值定義：層級的數(shù)量與每層神經(jīng)節(jié)點(diǎn)的數(shù)量。因此神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)類型存在巨大數(shù)量的可能性，相應(yīng)的運(yùn)行效果也不相同。一個過于簡單的神經(jīng)網(wǎng)絡(luò)不夠健全，因此也無法得到正確的運(yùn)行結(jié)果。而一個過于復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)則會導(dǎo)致對入口數(shù)據(jù)的過度擬合。

神經(jīng)網(wǎng)絡(luò)校正后的誤差分析：

誤差計算方法，在《風(fēng)電功率預(yù)測系統(tǒng)功能規(guī)范》中有明確規(guī)定：

（1）均方根誤差（RMSE）

（2）平均絕對誤差（MAE）

而目前項目執(zhí)行的發(fā)電功率預(yù)測屬于日前預(yù)測，即在每日中午12點(diǎn)之前向電網(wǎng)調(diào)度機(jī)構(gòu)提交次日0時到24時每15分鐘共96個時間節(jié)點(diǎn)風(fēng)電有功功率預(yù)測數(shù)據(jù)和開機(jī)容量。

4 項目研究成果

關(guān)于消除小氣候?qū)︼L(fēng)電場發(fā)電功率預(yù)測的影響，在本次項目框

架內(nèi)實現(xiàn)了預(yù)期幾個方面的目標(biāo)：

（1）實現(xiàn)了微尺度模型校正，使中尺度預(yù)測數(shù)據(jù)降尺度外推環(huán)節(jié)更為準(zhǔn)確。

（2）實現(xiàn)了某風(fēng)場預(yù)測結(jié)果的線性統(tǒng)計學(xué)校正效果評估，生成了可用的校正參數(shù)。

（3）實現(xiàn)了某風(fēng)場預(yù)測結(jié)果的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練和校正參數(shù)的生成，并通過風(fēng)場實際數(shù)據(jù)進(jìn)行了效果驗證，基本達(dá)到了預(yù)期提高準(zhǔn)確率的水平（針對每個月的情況有所不同，隨著今后數(shù)據(jù)的不斷積累，校正參數(shù)的應(yīng)用效果會更好）。

（4）在具體風(fēng)場項目上實現(xiàn)了不同校正方法的效果比對，進(jìn)一步確立了采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行校正，用以消除小氣候?qū)Πl(fā)電功率預(yù)測影響的技術(shù)路線有效性和優(yōu)越性。值得指出的是，風(fēng)電場如果能夠進(jìn)一步提供風(fēng)場運(yùn)行更豐富的信息，包括每臺風(fēng)機(jī)的實時運(yùn)行狀態(tài)、停機(jī)維護(hù)計劃等信息，則對于風(fēng)機(jī)實時狀態(tài)的描述會更為清楚，對分析預(yù)測過程中的典型情況的分析也會能有利。

（5）項目范圍內(nèi)除了數(shù)據(jù)分析、模型校正和參數(shù)生成與驗證外，還包含設(shè)計開發(fā)內(nèi)容，除了風(fēng)場風(fēng)流建模模擬的Google earth三維演示外，還包含了一項演示工具：風(fēng)功率預(yù)測圖譜實時二維演示模塊工具，用于動態(tài)展示某風(fēng)電功率預(yù)測系統(tǒng)的技術(shù)特征。

5 總結(jié)

對將CFD風(fēng)流建模理論和統(tǒng)計學(xué)尤其是智能網(wǎng)絡(luò)理論在風(fēng)電功率預(yù)測準(zhǔn)確率提高的實際需求中的作用得到了驗證，實現(xiàn)了從理論到實際應(yīng)用的轉(zhuǎn)化。

參考文獻(xiàn)

［1］王步華，李同，金翼，趙宏雷.淺談提高負(fù)荷預(yù)測準(zhǔn)確率的方法與措施［A］.2007中國電機(jī)工程學(xué)會電力系統(tǒng)自動化專委會供用電管理自動化學(xué)科組（分專委會）二屆三次會議論文集［C］.2007.

［2］趙巖，張新平，劉錦英，鄭凱.“移動平均法”提高日負(fù)荷預(yù)測準(zhǔn)確率在地區(qū)電網(wǎng)中的應(yīng)用［A］.山東電機(jī)工程學(xué)會第五屆供電專業(yè)學(xué)術(shù)交流會論文集［C］.2008.

［3］李西泉，陳偉，朱軍飛.提高湖南電網(wǎng)短期負(fù)荷預(yù)測準(zhǔn)確率的分析與思考［A］.中南七省（區(qū)）電力系統(tǒng)專業(yè)委員會第二十二屆聯(lián)合學(xué)術(shù)年會論文集［C］.2007.