省級風電及光伏運行監測分析平臺研究

楊勤勝，李 劍，祝永晉，郝雨辰

（1.江蘇方天電力技術有限公司，江蘇 南京 210000；2.國網江蘇省電力有限公司，江蘇 南京 210000）

0 引言

新能源作為非化石能源的重要組成部分，對我國構建清潔低碳、安全高效的能源體系有著非常重要的作用。隨著大規模的新能源接入電力系統，電網的安全穩定運行面臨巨大挑戰［1］。近年來，在相關新能源發展政策的引導下，江蘇省新能源發電產業（特別是太陽能發電和風力發電）呈持續發展趨勢。據國網江蘇省電力公司統計，2015—2020 年江蘇省新能源并網情況如表1所示。6年來江蘇省新能源并網逐年增長，特別是在2020 年風電/光伏迎來并網高峰，12 月甚至出現風電搶裝潮。

表1 江蘇省新能源近幾年并網情況 （單位：萬千瓦）

由于新能源電站對氣象依賴度大，具有波動性、隨機性大等特點，使其難以可靠預測，也難以指定準確的發電計劃，對電網可靠性以及運行經濟性帶來一定的影響。因此迫切需要建設省級風電及光伏運行監測平臺，通過完備的全過程運行監測以及精準的發電負荷預測，加強電源與電網的統籌規劃建設、科學的調度控制以滿足新能源發電管理要求。

本文從電網調度需求出發，參照國家及地方政府要求，研發適用于江蘇電網規模和新能源并網特征的監管平臺。

1 平臺設計

1.1 數據來源

省級風電及光伏運行監測平臺數據主要包括風電場/光伏電站全站統計數據、風電場/光伏電站單機數據、風電場/光伏電站預測數據以及高精度數值天氣預報數據，具體如表2所示。接入的數據特點如下。

表2 監測平臺所需數據

（1）數據的多源化。接入的數據來源于各個業務系統，數據相對比較分散。例如：風電場/光伏電站全站統計數據以及單機數據來源于調度D5000系統；風電場/光伏電站功率預測數據來源于中國電科院；高精度數值天氣預報數據來源于科陽電力。

（2）數據的多樣化。隨著風電及光伏電站并網規模的不斷擴大，接入的數據量也持續增長。同時接入的數據種類較多、數據維度多，且數據的實時性要求不一致。例如：高精度數值天氣預報數據及風電場/光伏電站功率預測數據采集頻率均為15 min，而風電場/光伏電站全站統計數據及單機數據的采集頻率為1 min。

（3）數據的復雜化。各類數據之間的關系較為復雜。比如，風電場/光伏的功率、風機待機/停運情況等均會受到氣象因素的影響。因此，需對各層數據之間的關系展開深入的研究分析，挖掘各層數據的潛在價值，為更好地服務新能源消納做準備。

1.2 平臺架構

監測分析平臺分為數據處理模塊和運行監測可視化模塊，具體如圖1所示。

圖1 平臺架構

數據處理模塊對風電場/光伏電站全站統計數據、單機設備數據、功率預測數據以及高精度數值天氣預報數據進行解析、存儲、統計分析等處理；運行監測可

視化模塊實現模型管理、運行情況監視、氣象資源監視、并網電能質量監測、消納監測分析等展示功能。平臺后續可根據需求，開展更深入的數據分析工作，例如風電場指標分析及評價等，具有較好的延展性。

1.3 平臺功能設計

平臺共分為9個功能模塊。

（1）數據接入與數據處理。與各個業務系統建立數據接口，接入江蘇省新能源發電監測所需數據，包括全站統計數據、單機設備數據、功率預測數據以及高精度數值天氣預報數據，并對接入的數據進行梳理、存儲、整合以及計算分析。

為規范數據存儲流程，設計統一持久化模塊，所有的數據均通過統一數據持久化模塊完成分區存儲。江蘇省統調風電/光伏單機數據通過在并網期間上報對應設備各個數據項點號至平臺，形成數據模型與數據點號的對應關系，通過對應關系對數據進行解析并轉換為數據模型，使用平臺數據持久化模塊完成存儲；對于全站統計數據則通過前期整理的遙測編號形成對應關系；功率預測數據由平臺側統一定義文件格式和內容，上報后按照預先分配的電站ID 標示電站并檢查文件格式內容是否符合要求，根據定義的動態文件解析規則對文件進行解析。

（2）模型管理。對江蘇省各電站的信息進行配置。例如：對電站的基本信息（名稱、類型、總容量、并網容量、地理位置）等信息進行設置。

（3）采集數據質量管理。建立采集數據質量監控體系，實現對新能源發電監控數據的有效、全面治理。設計各種信息校驗算法，對采集到的數據進行檢驗，通過數據質量考核，實現對數據質量的有效監控。

（4）綜合場景監測。按照區域、地市、電站、單機的維度對新能源電站的運行狀態開展集中監控。分別從地市/區域維度體現地市/分區的總裝機容量、實時出力、發電量情況等；從電站維度對電站的基本信息、機組分布情況、電站的出力/風速走勢、消納情況及電量走勢進行全面監視；從單機維度對單機的運行狀態、功率、電量情況進行全面監視。

（5）并網電能質量監測。依據已接入數據，設計新能源發電并網電能質量考核指標體系。根據建立的指標體系，對新能源發電電能質量開展在線監測分析，及時掌握并網電壓、功率越限等情況，并進行越限告警。

（6）消納監測分析。設計監控指標，對風電機組狀態重新規范化定義，實現理論發電量、電網限額、受損電量、場外陪停受損電量等功能，準確區分場內、場外棄風電量，進行在線監測。通過準確的電量計算結果，在平臺中生成地區、風電場機組利用小時數，完成差異率統計，根據統計結果評估風電場設備情況及運行維護情況。

（7）氣象資源監視。依托接入的高精度數值天氣預報數據，通過風速、降水、輻照度、溫度、濕度等不同維度對江蘇/華東/送端地區的氣象情況進行全面監視；同時對地市平均風速、平均風速同比/環比情況進行監視。

（8）營銷分布式光伏出力估計。根據接入的光伏電站（含營銷分布式光伏電站）數據以及高精度數值天氣預報數據，建立營銷分布式光伏實時出力估計模型及預測模型，估計江蘇省各區域營銷分布式光伏實時出力，并結合0~72 h高精度數值天氣預報，預測營銷分布式光伏電站出力。

（9）發電預測。依托采集的電站預測數據，結合高精度數值天氣預報，開展電站出力預測工作。對上報的預測數據進行優化整合，實現電站、地址、分區多維度的電站出力預測。

2 關鍵技術

2.1 多源數據處理技術

平臺接入的數據比較多源化，各系統或單位提供的數據格式有所不同，因此需要采用不同的方法對數據進行解析后再存儲至數據庫。例如，高精度數值天氣預報數據采用的是NETCDF格式，需要通過動態鏈接庫的解析方式；調度D5000 系統、中國電科院提供的數據采用E文本，需要采用文本格式定義對數據進行解析。

2.2 Kafka消息隊列技術

通過定義適用于業務場景的MQTT 協議配合消息隊列技術，在多源化數據的情況下，完成業務解耦，提高整體處理性能與可用性，解決了分布式物聯網采集系統中數據分發和并行處理的問題。

2.3 Redis數據分層技術

使用數據分層技術，解決在業務具有一定多樣性場景下數據整合速度慢、維度多的問題。利用數據分層技術按照業務將數據定義為不同的數據熱度，提高整合速度，優化用戶體驗。

2.4 Flink流計算技術

通過全面使用基于內存的分布式流計算，解決平臺中對各類業務需要的實時計算結果輸出，利用高速內存和分布式流對復雜計算業務進行切割拆分，由若干個子節點對數據進行計算，實現復雜計算結果的快速輸出。

2.5 營銷分布式光伏發電功率估算技術

營銷分布式光伏因建設成本等原因，無法安裝實時監測設備，因此無法實時監測并實時采集各設備的數據。目前營銷分布式光伏是將光伏電站中的逆變器、電表等設備的數據通過下接路由器等通信協議收集起來，并用GPRS 的上接方式傳送到用電信息采集系統［2］。采用GPRS 傳輸存在傳輸帶寬、網絡不穩定等問題，為了解決該問題，采用了一種基于BP 神經網絡的泰森多邊形內營銷分布式光伏發電功率估算方法，根據泰森多邊形原理將面積為10.72 萬平方公里的江蘇省劃分為900 多個泰森多邊形，找出泰森多邊形內的氣象觀測數據（例如輻照度等）。然后再通過BP 神經網絡對歷史數據進行訓練得出訓練模型，根據訓練模型估算發電功率［3-4］。

3 系統實現及應用效果

平臺已在江蘇省上線運行，目前已實現江蘇省約2 740 萬千瓦規模風電場、光伏電站的全面采集與監視。截至2021 年4 月，已接入風電場129 座（風電機組4 798臺）、統調光伏電站36座（光伏逆變器單機16 861臺）、非統調集中式光伏電站414座、非統調分布式光伏電站750 座，合計監視風電容量約1 541 萬千瓦，光伏容量約1 195萬千瓦。平臺具備運行監測、氣象資源監視、營銷分布式光伏出力估計與預測等功能，具體如圖2所示。

圖2 系統實現

4 結語

在新能源電站接入比例逐漸提高的情況下，為應對江蘇新能源快速發展的趨勢以及為了保證電網的安全穩定運行，設計了省級風電及光伏運行監測分析平臺，實現江蘇省風電及光伏運行全監測。平臺的投入使用有利于電網規劃，促進江蘇電網與新能源協調發展，并為業務部門的統計分析提供有力支撐。