超短期風電功率預測研究現狀

文/侯夢玲

到目前為止，國際上已經研究出了許多風電功率預測方法，總的來說分為兩類：物理方法和統計方法。物理方法主要是利用數值天氣預報，并結合風電場周圍地形地貌等物理信息對風電場的風速和風能進行預測得到預測功率；而統計方法則是在統計模型方法的基礎上利用風電場的歷史實測數據，用線性或者非線性的方法在歷史數據和未來風速之間建立映射關系。在所有的統計方法當中，最簡單的為持續法。持續法很好地將歷史數據以及現階段天氣變化情況對風電功率的影響考慮在內，所以在超短期風電功率的預測時準確率較高。但是由于風力本身存在著多變性，所以風電場超短期風電功率預測準確率并不穩定。為了保證風電功率預測有明顯的改進，預測方式還有待提高。

1 超短期風電功率預測研究現狀

對超短期風電功率進行預測雖然不會減少風電功率的隨機性，但是卻能有效地降低其模糊性，使其從整體不確定的范圍縮小到一定誤差區間，對電網來說電力調度部門能夠提前在風電出力變化前及時調整調度計劃，優化電網調度，合理制定風電場控制策略，降低電網旋轉備用容量，減小其對電力系統以及電力市場的干擾，進而降低風電成本，提高風電上網競價的競爭力。從風電場本身來說，可以根據預測結果，選擇小風天氣安排機組維護和檢修,從而提高發電量，減少發電損失。

2 影響超短期風電功率預測的因素

2.1 數據的采集與處理

在進行超短期風電功率預測時，既需要風機運行數據，也需要氣象相關數據，這兩項數據的完整性和真實性都會對最終的預測效果產生巨大的影響。氣象數據與風機運行數據的缺失,風電場數據采集、傳輸與處理軟件及設備的缺陷及故障,都會影響風電場超短期風電功率預測的準確率。數據預處理技術包括數據同步、異常數據的識別與處理、缺失數據的替代等。處理參數的選擇也會影響最終的結果，通過整合數據源,完善處理體系能夠較好的提高預測準確率。

2.2 預測策略

預測策略是指在進行風電場的超短期風電功率預測時首先著手的角度，經常采用的方法有直接預測風電場的超短期風電功率、對風電場的風速進行監測或者根據部分風機的預測值來進行空間的推算。不同的思路需要的計算量不同，相應的結果精確度也不同，可以明確的是，如果想要得到更高的精確度，必然需要更大的計算量。

2.3 其他因素

風電場的地形地貌會影響風電場超短期風功率超短期風功率的穩定性以及風電場內各個風電機組的相關性，并且地域范圍的增大往往有助于預測誤差的對消。

風電場對超短期風功率進行預測的時候，是將風速的推算值轉換成為風電預測，這種方式有其優越性，但同時也存在著一定的缺陷。由于風速的多變性以及其受周圍地形地貌的影響，所以在預測的時候風電機組的可靠性及檢修計劃的不確定性會對最終預測結構的準確性產生影響。

風電場進行超短期風功率的預測，受周圍環境因素以及風速變化的影響較大，時間越長，風速的多邊形表現得會更加明顯，所以在預測的時候，測量的時間會影響最終結果的準確性。在實際預測的時候，盡量縮短時效將有助于提高預測的整體精度，但在風速波動以及間歇特征明顯的時段內，效果會相對地變差。

3 超短期風電功率預測研究現狀

3.1 在數值天氣預報的基礎之上進行的物理模型計算

在數值天氣預報的基礎上進行的物理模型計算是將天氣過程的物理變化概括成一組物理定律，并用數學的思維方式將其用數學方程式表達出來。使用歷史數據及邊界，用遞進的方式逐時地往前聯立求解天氣演變過程的熱力學和流體力學方程組，進而對未來的天氣進行預測。而想要得到超短期風電功率的預測結果，還需要考慮風電場周圍的地形地貌相，利用相應模型計算出風電機組輪轂高度處的風速與風向等信息，最后通過理論功率計算得到超短期風電功率預測結果。因計算過程需要求解大量偏微分方程，所以需要采用高性能計算機，以滿足龐大的計算量和精細的計算要求。為了防止因計算要求過高導致計算錯誤，在計算時需要采用網格嵌套的方法來減少計算量。同時為提高數值天氣預報的準確性，可以為目標區域定制數值天氣預報數據，并使用數據同化技術。

此方法的優勢在于能夠充分地將周圍的天氣情況和地形地貌的影響考慮在內，減小了預測的誤差。更重要的是，此方法不需要大量的歷史數據，適用于新建的風電場。但是它也存在著一定的缺陷，由于天氣情況的變化具有較大的隨機性，且數值天氣預報的更新頻率較慢，所以在風速突變的情況下，此方法可能存在較大誤差。

3.2 在統計觀念的基礎之上進行的外推模型

在統計觀念的基礎之上進行的外推模型是指建立最新預測值與最近期超短期風電功率值在時間序列之間的線性或者非線性映射關系。這兩者想要建立關系，就必須要歸納歷史風速與功率數據在時間序列上的統計規律。相較于在數值天氣預報的基礎之上進行的物理模型計算來說，在統計觀念的基礎之上進行的外推模型在計算過程中使用了歷史數據，因此能更好地反映出流體、熱力、地形地貌等因素的影響，可以較好地規避物理影響因素對最終的結果產生的影響。優勢就在于考慮到了長時間的天氣變化情況，精確度較高。

3.3 組合預測方法

組合預測是將物理模型與統計模型相結合的預測方法，其核心思想是分攤單獨預測的誤差風險，達到減小最大偏差的目的。中國超短期風功率預測研究的起步相對于國際整體來說較晚，但是今年來也已經有一些預測效果較好的超短期風功率預測軟件問世。

3.4 概率性預測方法以及基于歷史數據的風電功率預測法

基于概率區間內的超短期風功率預測能夠同時量化預測誤差和相關概率，提供重要的概率分布信息，進而降低預測風險所引入的風險。到目前為止，已經建立了當前時段實測風速與下一時段預測風速為聯合條件的預測誤差概率統計模型，采用了離散型概率的表達方式，結合現代化的科學技術，有效地減小了最終結果的誤差。

基于歷史數據的風電場功率預測是指根據歷史數據來預測風電場功率的方法，也就是在若干個歷史數據和風電場的功率輸出之間建立一種映射關系，主要的方法包括：持續法、線性法、人工神經網絡法等等。其中持續法是最簡答的方法，是指把最近一點的風功率預測值作為下一點的預測值，這種方法適用于短時間之內的預測，通常采用時間序列模型，其預測誤差較大且預測的結果具有很大的不穩定性。采用時間序列法可以對風速進行時間序列分析，然后將其轉換為風電場輸出功率，也可以直接對風電場的輸出功率做時間序列分析。在線性法的預測當中，應用較為廣泛的是自回歸-滑動平均模型法，這種方法在數值的準確性和穩定性上都要優于持續法。線性法通常采用的是一組不同階數的自回歸-滑動平均模型，對提前一到六個小時的風速以及風電場的功率進行研究，采用大量的歷史數據來進行建模，經過模型識別、參數估計、模型檢驗來確定一個能夠描述所研究時間序列的數學模型，再由該模型推導出預測模型。線性法的計算精度較高，要想讓最終計算出來的結果真正地發揮其價值，還需要相關人員積累一定的實際經驗，訓練數據和驗證數據的選取。人工神經網絡法是模仿人腦結構及其功能，由大量簡單處理原件以及某種拓撲結構大規模而連接而成的，對復雜問題的求解比較有效。

4 結束語

風電場在進行超短期風電功率預測時，既要考慮天氣變化對預測結果的影響，還要考慮風電場周邊地形地貌對風速以及風向的影響，以全面的角度進行超短期風電功率預測。在計算時需要準確完整的數據輸入，因此要保證設備及軟件的可靠性，避免因數據及程序錯誤影響數據質量。同時為了保證計算的效率還需要減少計算量并選擇性能良好的計算機。準確的風電功率預測結果對于電網及風電場本身都十分有益，因此做好風電功率預測工作非常重要。