风电功率预测技术调研报告.docx

电功率预料技术调研报告风电功率预料技术调研报告第1页风电功率预料技术调研报 告 风功率预料是目前国内外公认的、提高大规模风电接入电力系统 运行水平的关键基础技术。自20世纪90年头初期，欧洲国家就起先着手风电功率预料系 统的研发并应用于业务运行。经过30多年发展，风电功率预料已获得了广泛的应用。随着风电装机容量的快速增长，电网对风电功率预料的依靠性和 需求度越来越大。风电功率预料技术已成为缓解电网调峰压力、降低系统备用容 量、提高电网风电接纳实力的有效手段。同时，风电功率预料技术还可以指导风电场的检修支配，提高风 能利用率，改善风电场的经济效益。经过多年探讨与实践，风电功率预料关键环节已明确固化，按 业务流程依次为数值天气预报（numeric weather prediction,以下 简称NWP）、风电功率转换、误差修正、预料结果应用，如图1所示。数值天气预报生成风资源-功率转换模型结果修正功率预料结 果应用图1风电功率预料的主要环节报告依据预料基本流程和 原理，分环节介绍风电功率预料的国内外应用现状与前沿技术。经了解，三北地区风电功率预料运行状况、关键预料技术应用以 及功率预料服务商较为相像，因此，本报告的国内部分选取京津唐电 网作为对象，从各技术环节角度绽开调研，为推动风电功率预料技术 其次类缺陷。风电功率预料技术调研报告第10页3预料结果修正工作现 状预料结果修正环节是指利用风电场的实际生产运行状况对风-电 转换模型计算出的理论预料功率进行修正，得到最终的预料功率。实际生产运行状况主要包括风电场检修支配、非支配停运等会明 显影响全场出力的现场信息。3.1京津唐地区预料结果修正应用现状目前，京津唐区域绝 大多数风电场已建立预料结果修正的管理制度。主要实现方式包括以下三种：(1)数据修正 次日的功率预料结果上报前，应依据风电场实 际运行状况初步结果进行人工修正：一是将风功率预报工作与支配检修工作联动，依据拟开工检修工 作涉及的机组数量，在功率预料系统中通过人工录入方式合理订正开 机容量、开机时间、以及预料出力，避开因未考虑支配检修工作而导 致的预料误差；二是考虑冻雨、覆冰、大风等极端气候可能引起风电 机组的停运容量，假如已有输变电设备等故障造成的风电机组陪停， 在预料期间内无法复原正常运行的，通过人工输入的方式，对预料结 果进行阅历修正。(2)多源预料一是通过实时测风数据对数值天气预报进行订 正，削减本地运用误差；二是采纳不同的数值天气预报服务进行集合 预报。风电功率预料技术调研报告 第11页(3)模型优化 模型优 化主要是要求风电场定期对预料模型进行分析和修正，修正周期为一 季度，更为精确地建立风资源-发电功率映射模型；在不同风密度或 不同风过程、雨雪天气、冻雨结冰等不同状况下，拟合风功率曲线并 保存，考虑不同运行状况下的多模型预料以及模型切换。4功率预料结果应用现状4.1国外功率预料结果应用现状国 外电力市场发展较为成熟，在电力市场环境下，风电功率预料的作用 更加重要，预料精度的凹凸不仅对电力系统平安稳定运行造成影响， 还会影响全部市场参加者的经济收益。对于电网调度机构，风电功率预料的应用主要包括：(1)依据预料结果确定备用市场中须要购买的备用容量，预料 精度影响备用容量的需求评估和竞价；(2)实时市场中，依据每5 分钟更新的预料结果在市场中买进或卖出风电的差额电量；实时滚动 的预料结果对于保持电力系统的稳定运行意义重大，并影响市场其它 参加者的经济效益，因为被售出或买入的电量均需由发电企业担当费 用。对于风电企业而言，风电功率预料是风电企业参加电力市场的 基础条件，其短期预料、超短期滚动预料对于确定每风电功率预料技 术调研报告第12页小时发电支配、市场竞价以及功率差额所需支 付的费用有着完全干脆的关系，其应用主要包括：(1)日前市场中，风电企业依据短期预料结果参加市场竞价，预料结果的好坏干脆影响次日24点每点的电量与竞价；若日前市场预料精度差将须要在日内市场中付出较为昂贵的代价来补偿；(2) 日内市场中，依据超短期预料结果不断修正短期预料结果并调整日前 市场中的每小时支配电量，预料精度越高在日内市场中须要买进或卖 出的差额电量越少，所支付的费用也越少。此外，日内市场调整后的每小时风电支配出力与实际出力越接 近，在实时市场中须要电网调度机构调整的电量越少，风电企业须要 支付的费用也越少。总之，在电力市场环境下，风电功率预料的精度可以完全确定 风电企业的经济收益，是风电参加电力市场最为重要的技术手段。4.2京津唐地区功率预料结果应用现状京津唐电网在概率区 间预料和运行多维评价方面已开展了大量好用化工作。为了更加精准地把风电预料纳入日前发电支配和出力平衡支配， 华北电力调控分中心探讨了面对日前平衡支配的风电功率区间预料 风电带预料方法，并于2018年初在京津唐电网试点，将风电预料纳 入日前发电支配支配和出力平衡，效果良好。风电功率预料技术调研报告第13页首先依据肯定数值为级 差，将风电预料值分为不同阶梯级。依据每一阶梯级预料偏差的历史数据统计结果，分别确定该阶梯 级上、下偏差带宽。然后，将上、下偏差带宽叠加到当前预料结果上，形成基于当前 预料值为中心线的风电预料带。最终风电功率预料区间确定后，在制定日前发电支配时，依据预 料带将风电出力纳入96点发电支配。为保证电网高峰备用容量和低谷消纳裕度，在负荷高峰时段依据 风电预料带的区间下限纳入平衡支配，在负荷低谷时段依据风电预料 带的区间上限纳入平衡支配，在保障电力系统平安性和经济性的前提 下，实现风电的充分消纳。5结论与 展望 风电功率预料是提高电网接纳风电实力的重要 技术手段，无论是电网调度端还是发电企业都须要开展风电功率预料 工作：风电功率预料是电网调度维持功率平衡、保证电力系统稳定运行 的重要参考；风电功率预料也是风电企业参加电力市场的基础，预料 精度对电力市场下的风电企业经济效益有着显著影响。风电功率预料的精度与数值天气预报休戚相关，需加强数值天 气预报产品探讨及其在风电功率预料服务中的应用。大数据、能源互联网、高性能计算等理论和技术的发展将为风电 功率预料动力学和统计学建模方法供应更加广泛的数据基础及更加 强大的计算工具，新的预料方法正在不断被引风电功率预料技术调研 报告第14页入，新方法的有效性、牢靠性和普适性都须要大量的 实践去检验。的发风电功率预料技术调研报告第2页展应用供应借鉴。1数值天气预报发展现状与前沿技术1.1国外数值天气 预报应用现状数值天气预报(NWP)是指依据大气实际状况，在肯 定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气 演化过程的流体力学和热力学的方程组，预料将来肯定时段的大气运 动状态和天气现象的方法，包含风速、风向、气温、气压、相对湿度 等与风电预料相关的气象要素。空间尺度越大，天气预报的精确率越高，但以风电场为单位的风 功率预料须要小尺度气象要素信息，这就须要开展空间降尺度工作， 即把大尺度、低辨别率的天气预报信息转化为小尺度、高辨别率的小 区域地面气候改变。图2数值天气预报的计算生成流程美国和欧洲实行双轨的 气象服务体制。双轨制气象服务主要由公益性气象服务和商业性气象服务两部 分构成：公益性气象服务主要由国家气象局担当，商业性气象服务主要由 风电功率预料技术调研报告第3页私人气象公司担当。以丹麦电网和西班牙为例介绍国外电力公司将数值天气 预报 产品应用于风电功率预料的 流程。O(1 )丹麦 丹麦气象局向丹麦国家电网有偿供应覆盖全国 的区域数值天气预报产品，同时也向发电企业供应其所需的数值天气 预报数据，丹麦国家电网所用的欧洲中期天气预报中心的全球背景场 资料也来自丹麦气象局。丹麦国家电网采纳丹麦气象局、欧洲中期天气预报中心和丹麦 conwx公司的数值天气预报产品，丹麦Dong Energy能源公司采纳 丹麦气象局、英国气象局和德国气象局的数值天气预报产品，两者都 是通过WPPT统计模型进行风电功率预料，最终进行集合预报。(2 )西班牙西班牙电网公司的SIPREOLICO风功率预料 系统采纳西班牙气象局数值预报产品和欧洲中期天气预报中心数值 天气预报产品，通过8个风电功率预料模型，进行风电功率集合预 报，再结合荷兰AEOLIS预料服务公司、西班牙工程技术探讨所(HC) 和西班牙METEOLOGICA专业风能预报和风电功率预料公司的风电功 率预料产品，最终得到将来48小时和10天的风电功率预料。1.2 京津唐地区数值天气预报应用现状京津唐电网通过购 买先进的全球初始场预报源和数值天气预报产品，缩小了与国际先 进应用水平的差距。ONWP风电功率预料技术调研报告第4页产品主要由获得全球 尺度预报场和中尺度气象模式计算两个环节组成，受限于气象基础科 学的落后和商业气象服务体制的封闭，我国在全球初始场和中尺度气 象模式两方面均没有国际领先的技术和产品。京津唐区域风电场 通过市场方式 可获得较高水平的NWP产目前，京津唐区域风电场获得NWP产品有两种主流方式：一种是供应经纬度干脆向国外商业气象服务公司购买NWP产 品，另一种是通过降尺度计算全球模式的初始场生成NWP产品。基于NWP产品预料精度的市场选择，目前京津唐区域目前两种 获得NWP方式的占比约为7:3O此外，的目前国外商业气象服务公司供应的NWP产品市场占 有率明内显高于国内NWP产品。OMETEOLOGICA公司为京津唐区域70%以上的风电场供应稳定的 NWP产品，应用效果好，市场占有率高。京津唐区域62%风电场运用的NWP产品辨别率为3km3km, 28% 风电场的NWP为Ikmlkm, 10%风电场的NWP产品为5kll15kln。因此，京津唐区域内风电场功率预料系统虽然在中尺度气象模 式计算方面与国际先进水平有肯定差距，但通过购买先进的全球初始 场预报源和数值天气预报产品，实际应用效果与国际主流水平的差距 不大。1.3 数值天气预报前沿技术现有基础科学和计算实力条件 下，NWP环节贡献风电风电功率预料技术调研报告第5页功率预 料70%以上的误差。提高NWP精度的方法分为三类:第1类是提高方程描述大气运动 的实力（预报模式及参数化），即提高偏微分方程组建模精确性，代表 方法为大气模式次网格物理过程参数化调优技术；第2类是提高离 散网格的致密程度，即降低积分步长，代表方法为高解析度数值天气 预报；第3类提高初值和边值场的质量，以保证仅有极少量观测时 （观测点/网格点只有百分之几）估计出的初值和边值场是精确且和 谐（即资料同化技术），代表方法为集合预料技术。2风电转换模型发呈现状与前沿技术2.1国内外风电转换模 型应用现状风-电转换模型是指将数值天气预报厂家供应的小尺 度数值天气预报转化为风电场理论预料功率的气象-电力转换模型。转换方法分为两种，物理模拟建模方法和统计学习建模方 法。物理模拟建模方法是依据风电场站实际的地形地貌，将数值天 气预报结果转化为实际环境条件下的风资源信息，依据风电机组性能 参数计算风电机组的预料功率，再累加得到整个场站的理论预料功 率。统计学习建模方法是通过探讨风电场的历史数据，建立数值 天气预报气象要素变量与实际功率变量之间的统计关系，依据统计关 系对风电功率进行预料。基于不同种类的风电转换模型，国外已开发了不少风电功率预料 系统并投入运用。物理方法的目标是尽可能精确估算出风电机组轮毂高风电功率 预料技术调研报告第6页度处的气象信息。依据数值天气预报系统中的网格气象数据得到风场位置的风速、风向、气压、气温等气象参数，然后依据风电场四周等高线、粗糙度、 障碍物、温度分层等信息，计算得到风电机组轮毂高度的风速、风向、 气温、气压等信息，最终依据风电场的功率曲线计算得到风电场的输 出功率。在物理模型方法中，须要对风电场所在地进行物理建模，包括风 场的地形、地表植被及粗糙度、四周障碍物等等；还要对风机本身的 轮毂高度、功率曲线、机械传动和限制策略等进行建模。物理法适合短期功率预料和中期发电量预料。统计方法的实质是在系统的输入（NWP、历史统计数据、实测数 据）和风电功率之间建立一个映射关系，这种映射关系既可以通过用 函数的形式表示出来，如回来分析法、指数平滑法、灰色预料法等； 也可以通过含中间隐藏层的神经网络来表达，如前馈神经网络、多层 感知器、径向基函数、自适应线性神经元等。基于神经网络的统计方法由于其综合的模型结构，对短期功率预 料往往更为有效。90年头以来，丹麦先后开发了基于物理方法的功率预料系统 Predikto预料系统与基于统计方法的风电功率预料系统WPPTo目前，丹麦全部系统运营商都在运用新一代短期风功率预料系统 Zephry,该系统中运用了在线实测数据和先进统计方法。目前，德国的四个输电系统运营商以及澳大利亚和意大风电功 率预料技术调研报告第7页利的系统运营商都在运用风电管理系 统 WPMSo该系统运用德国气象服务机构（DWD）的Lokalmodell模式作为 数值天气预报数据源，采纳人工神经元网络计算典型风电场的功率输 出，然后利用在线外推模型计算某区域注入到电网的总风电功率。西班牙电力公司（REE）托付马德里卡洛斯三世高校开发了 Sipreolico 系统。该系统运用西班牙HIRLAM的数值天气预报数据，以及西班牙全 国80%风电机组的SCADA系统数据，采纳统计模型对风电输出功率 进行预料。该系统目前在西班牙电力公司限制中心运行。美国AWS Truewind公司开发了 eWind风功率预料系统，它将高 辨别率的中尺度模型与统计学模型相结合，主要包括一组高精度的三 维大气物理数学模型、适应性统计模型、风电场输出模型和预料分发 系统四个部分。eWind运用ForeWind数值天气预报数据作为中尺度模型。目前该系统为加州的两个大型风电场供应预料服务。英国、法国、爱尔兰等风电发展较快的欧美国家也纷纷起先开 发和应用风电功率预料系统，其中较为成熟的产品有英国Garrard Hassan 公司开发的 GH Forecaster 系统、法国 Ecole des Mines de Paris公司开发的AWPPS系统、爱尔兰国立科克高校与丹麦气象探 讨所联合开发的HIRP0M系统等。风电功率预料技术调研报告第8页2.2京津唐地区风电转 换模型应用现状京津唐区域风电功率预料系统采纳的风电转换模 型 融合了机器 学习和数据挖掘技术，应用效果已达到国际先进水 平。京津唐多数风电场采纳的风电转换建模方法能在海量风电运行 数据里，利用人工智能等统计方法，对SCADA数据、EMS数据和NWP 等数据进行数据挖掘与分析融合；同时针对地形困难、局地气象不统 一、部分风机尾流效应较大等一系列特别风电场，应用精细化建模技 术：结合气象预料结果，进行空间上的多点测试，以预料偏差为优化 目标，通过机器学习的方法求解区域划分和预报坐标的最优解。据调研，在30个场站超过1年的风电转换模型的跟踪对比中， 国内风电转换模型的精确性、适用性和稳定性与国外商业气象服务公 司供应模型的应用水平相当。因此，在同等气象预料数据的条件下，国内风电转换建模技术可 达到国外预料厂家先进水平。2.3风电转换模型的前沿技术（1 ）智能学习算法由 于优秀的构建多输入多输出的非线性关系实力，各类智能学习算法 已成为现阶段统计方法主流。从应用来讲，软件采纳的算法不像探讨中那么丰富。许多场合要求数据少、质量低状况下仍旧能够给出精度尚可的结 果。神经网络、核函数法（含支持向量机）、回来方法等因为非线性描 述实力、风电功率预料技术调研报告第9页容错实力、算法稳定 性等方面的优势，得到广泛应用。(2 )大数据理论随着近年来大数据理论的发展，以关联 性识别为目标的数据挖掘方法也越来越受重视。大数据理论从宏观概念层面可以完成对全时空尺度样本全集的 全部有价值关联性的提取，从而替代物理因果关系的分析。但宏观概念到实际预料效果仍有一段距离，不但全时空尺度样本 全集实际中无法获得，而且数据挖掘算法也存在过拟合、适应性差等 问题。因此，在采纳统计学方法预料建模时，仍须将统计关系和风资源 波动物理因果关系结合考虑来提升预料精度。(3 )采纳 复合 数据源的组合法了除了 NWP应用集合 预料，风电功率预料也干脆将多个NWP结果或多个功率预料结果组 合，以获得更高的精度。O组合法提升预料精度的根源在于降低不确定性、最大化样本信 息。一般组合法无法避开家族性缺陷。家族性缺陷有2层含义：1)同源NWP预料误差形态相像(即使是NWP集合预报产品)， 正负偏差不能相互抵消；2)同一族类统计法(例如BP和RF神经 网络)简单出现过拟合。引入多源异构数据，差异越大越好，数值天气预报可以克服第一 类缺陷；引入随机森林法等具有高抗拟合实力的训练模型，可以克服