吳世偉 劉文彪 紀 陵 李靖霞

?

新能源發(fā)電功率預測系統(tǒng)數據流容錯研究

吳世偉 劉文彪 紀 陵 李靖霞

（國電南京自動化股份有限公司，南京 211153）

新能源發(fā)電（風力發(fā)電和光伏發(fā)電）由于隨機性、間歇性的特點，大規(guī)模并網時對于電網運行會帶來影響。高精度的新能源發(fā)電功率預測，有助于提高新能源發(fā)電的消納水平，有利于提高新能源發(fā)電的可觀測性和可控制性。從工程實踐中發(fā)現，功率預測系統(tǒng)由于通信中斷、數據采集錯誤、限電、并網容量變化、檢修等原因，導致預測精度下降。本文從系統(tǒng)數據流出發(fā)分析了問題的原因，從設計到驗證過程總結了優(yōu)化處理方法，并在工程中得到應用。

風力發(fā)電；光伏發(fā)電；功率預測；數據流；容錯性

《可再生能源發(fā)展“十三五”規(guī)劃》指出在“十三五”時期我國再生能源應用規(guī)模將進一步擴大，并且在能源消費中的占比得到提高，能源結構進一步優(yōu)化，風電和太陽能多元化利用將協(xié)調開發(fā)，到2020年底我國風電并網裝機容量達到2.1億kW以上，太陽能發(fā)電達到1.1億kW以上。

新能源發(fā)電（風力發(fā)電和光伏發(fā)電）具有隨機性、間歇性的特點，高滲透率、大規(guī)模并網時對于電網運行帶來影響。提高新能源發(fā)電功率預測精度，有助于提高新能源發(fā)電的消納水平，提高新能源并網的可觀測性和可控制性程度。

風電功率預測[1-3]方法分為人工智能方法[4-6]、物理特征模型法[7-13]和互聯網思維方法[14]等。不同方法模型側重采用的數據種類雖有差異，但對數據的準確性和可用性都是基本要求。當前普遍應用的輸入數據包括并網功率數據、氣象子站數據、數值天氣預報數據等，上述數據分別來自于不同安全分區(qū)的系統(tǒng)。功率預測誤差影響因素主要是預測模型和數值天氣預報精度，大量研究從這兩方面入手解決問題并分別取得進展[3]。工程實踐中預測精度是系統(tǒng)各種因素綜合作用的結果，如功率預測系統(tǒng)由于通信中斷、數據采集錯誤、限電、并網容量增加、檢修等，這些原因導致預測精度下降，解決這些問題將能提升預測精度。

1 功率預測系統(tǒng)結構組成

功率預測系統(tǒng)集成了氣象觀測子站實時氣象信息、數值氣象預報數據和實時功率數據，包含接入和展示、功率預測、數據上報、預測結果動態(tài)統(tǒng)計評估等功能。系統(tǒng)軟件架構圖如圖1所示。

圖1 系統(tǒng)軟件架構圖

按電監(jiān)會二次系統(tǒng)安全防護方案，系統(tǒng)聯接應滿足橫向隔離、縱向加密的要求。功率預測系統(tǒng)位于Ⅱ區(qū)，監(jiān)控系統(tǒng)位于Ⅰ區(qū)，氣象服務器位于Ⅲ區(qū)。Ⅱ區(qū)和Ⅲ區(qū)之間采用網絡隔離裝置，Ⅰ區(qū)和Ⅱ區(qū)之間采用防火墻。系統(tǒng)硬件結構圖如圖2所示。

圖2 硬件結構圖

2 數據流問題分析

2.1 數據流分析

功率預測系統(tǒng)接收了并網功率數據，氣象子站數據，數值天氣預報數據，向主站上送預測結果 數據。

工程現場通信網絡結構復雜，通信節(jié)點多，互相之間的通信協(xié)議差異，再加上管理的問題，會發(fā)生數據流中斷的現象，導致預測系統(tǒng)不能正常工作。通信協(xié)議有：①與監(jiān)控系統(tǒng)之間通過104協(xié)議通信；②氣象子站一般以modbus通信，多需要經過協(xié)議轉換接入；③數值天氣預報根據供應商情況采用網絡傳輸；④向主站上送協(xié)議根據各省區(qū)要求不同通信協(xié)議也有差異。

表1 預測系統(tǒng)影響因素表

數據異常主要情況包括以下幾種。

1）預測結果上送異常。原因包括由場站通信網絡不穩(wěn)定導致的通信中斷，由各省區(qū)通信協(xié)議差異開發(fā)調整帶來的程序異常。直接影響到預測系統(tǒng)的考核指標，包括上送率和準確率等。

2）數值天氣預報數據下載異常。數值天氣預報服務器直接與外網相連，外部網絡狀況有直接影響，一旦發(fā)生通信中斷，就將影響到數值天氣預報獲取。同時，數值天氣預報供應商的數據準確性及服務穩(wěn)定性，也是重要的影響因素。

3）氣象觀測儀器數據異常。本地氣象觀測儀器的安裝和調整問題，如需要穩(wěn)固的基礎、合適的角度、避開遮擋陰影等。網絡通信連接及協(xié)議轉換問題，送出數據的系數轉換配置錯誤，氣象儀器硬件故障等，都會導致氣象觀測數據異常。

4）并網功率獲取異常。不同安全分區(qū)之間數據的傳遞異常，導致網絡通信和數據采集的穩(wěn)定性、可靠性對此有影響。

5）場站管理因素。場站發(fā)電出力接受調度調節(jié)通過AGC指令限電，部分地區(qū)頻繁限電，并網有功功率低于正常發(fā)電能力；部分場站由于規(guī)劃安排分期建設并網，新增容量并網后，并網有功隨之有較大變化；此外由于檢修停運等影響，實際運行容量與裝機容量不同，也導致預測數據與實際發(fā)電有較大誤差。

上述問題涉及新能源場站的建設方、用戶、運維人員、預測系統(tǒng)供應商等多方，改進和解決工作依賴于各方協(xié)調溝通和通力合作。做好以下工作有利于解決問題。

1）合理的通信網絡規(guī)劃布置和科學的建設施工，如把運行人員使用的外網路由器與數值天氣預報使用的外網路由器分開布置，施工作業(yè)范圍避開對外網絡通道等。調試完成時，對數據流的正確性對比驗證，確保數據連接正常并且數據采集準確無誤。

2）在場站擴容時，用戶填寫修改裝機容量值；在并網后如果有運維人員檢修作業(yè)，就由用戶提前填寫錄入檢修計劃等。

3）預測系統(tǒng)提供各種數據流異常的報警，用戶在發(fā)現報警信息后及時排查確認問題，在預測系統(tǒng)供應商的支持下快速恢復服務等。

2.2 數據容錯處理

上述數據異常除從源頭排除問題保證數據可靠外，預測系統(tǒng)還可以對發(fā)現的數據錯誤采用以下辦法。

圖3 數據處理流程圖

并網功率數據異常處理方法。對風電和光伏考察一次能源和發(fā)電功率之間的約束關系，如光伏分晝夜校驗等，裝機容量約束，并對數據異常給出告警提示，對數據品質做區(qū)分標記。

1）數值天氣預報異常處理方法。供應商一般提供3天預報信息，在沒有最新信息的情況下用次新預報信息，在無預報數據時用臨近日期氣象信息，并給出對數值天氣預報獲取異常告警提示。

2）氣象觀測儀器異常處理方法?？疾煲淮文茉春桶l(fā)電功率之間的約束關系，值域范圍約束，在數據出現異常時按照臨近數據變化情況補齊，并對數據異常給出告警提示，對數據品質做區(qū)分標記。

3）上送程序異常處理方法。使用軟件狗監(jiān)視程序運行狀態(tài)，對上送程序的通信狀態(tài)進行監(jiān)視，一旦通信中斷就給出告警提示。

4）短期預測過程異常處理方法。在短期預測過程中，當必要數據缺失導致無預測輸出時，參考臨近日期的發(fā)電信息預測，并給出對異常處理告警提示。

5）超短期預測過程異常處理方法。在超短期預測過程中，當必要數據缺失導致無預測輸出時，用短期預測輸出結果，并給出對異常處理告警提示。

2.3 誤差補償處理

新能源預測系統(tǒng)的重要誤差來源是數值天氣預報。數值天氣預報精確度依賴于氣象預報供應商的技術和服務水平，目前有國內外的多家氣象預報機構提供了有關服務。區(qū)域氣象預測精度已達到較高水平，對于小網格空間精確預測技術還在發(fā)展當中。

對于數值氣象預報數據的預測誤差，大致分為系統(tǒng)誤差和隨機誤差，比如對于微觀地理環(huán)境因素考慮不周會導致系統(tǒng)誤差；而氣象情況的隨機變化會帶來隨機誤差，比如云彩移動和風力變化。針對系統(tǒng)誤差，可以通過對比氣象預測值和實測值前后的差異，識別并加以補償來減小影響。針對隨機誤差，目前的研究情況是通過觀測預測法，如通過衛(wèi)星云圖數據、地基云圖、空間相關性方法來消除不確定性，或通過分解隨機因子并對其進行數學處理等，或采用多個供應商的數值氣象數據組合。

3 干擾數據處理方法

3.1 干擾數據

鑒于電網安全上要求橫向隔離、縱向加密，根據各種系統(tǒng)分頭實施的現狀，導致多種重要信息在運行時沒有錄入到預測系統(tǒng)中。如AGC頻繁下發(fā)限電命令、電場內檢修工作、光伏站內光伏板清洗等，這類因素直接影響了電站出力。當前對于這幾類信息一般做法是不處理，或者是要求到預測系統(tǒng)上手工填報，對跨不同安全分區(qū)的系統(tǒng)和重復填寫，會導致實際多未使用。將這部分信息接入預測系統(tǒng)或識別出干擾數據并有效利用，將有益于高精度預測。

3.2 干擾數據處理辦法

干擾數據應該標記為不能作為參考樣本。如限電時低于理論功率，光伏板清洗后對于光伏板的效率也有明顯提高，而檢修時部分單元停電會導致總出力減低等，上述信息應該予以識別處理。處理辦法如下。

1）在安全Ⅲ區(qū)設置采集代理模塊、用于提取運維清洗范圍、清洗時間、檢修停電范圍、檢修停電時間信息的數據采集接口，采集代理模塊與運維管理系統(tǒng)、生產管理系統(tǒng)連接；采集代理模塊通過反向隔離裝置與光伏功率預測系統(tǒng)連接，將采集到Ⅲ區(qū)運維數據集中后通過反向隔離裝置供功率預測系統(tǒng)調用。

2）光伏電站可計算并網功率和輻照度數據相關性，識別限電干擾因素。

具體計算公式如下：

當相關系數小于0.9時，表明相關性差，給當天數據質量做標記，表明存在限電等干擾因素。

選擇在每天0點對前一天的數據進行相關性分析，當存在干擾因素時，將判定結果信息寫入數據庫質量位。

4 模擬驗證測試方法

為了保證預測系統(tǒng)穩(wěn)定可靠運行和符合有關技術指標，需要進行嚴格測試。新能源（風電、光伏）的工程應用場景多樣各不相同，測試方法需要能適應各種情況，并能連續(xù)運行以測試穩(wěn)定性，從而能在各種條件下檢驗正確性。

4.1 基于物理原型的測試方法

當前主要方法如下：①構建小型物理系統(tǒng)測試或者通過仿真測試，如在研制階段可以通過構建小范圍的真實物理系統(tǒng)，園區(qū)風力發(fā)電或者光伏發(fā)電系統(tǒng)，配備氣象子站和接入數值天氣預報，長時間運行，使用真實小型系統(tǒng)驗證各個環(huán)節(jié)的質量，測試驗證的場境有限且成本高；②使用通用的仿真工具驗證算法的可行性，適合做離線仿真而不能連續(xù)長時間運行，有一定的限制條件。

4.2 基于數據的自動模擬測試方法

基于數據的自動測試系統(tǒng)，不需要額外硬件，能模擬各種工程場景，自動連續(xù)運行。

處理辦法如下。

1）測試系統(tǒng)包括測試對象功率預測系統(tǒng)和自動模擬測試系統(tǒng)。

2）自動模擬測試系統(tǒng)的作用是嚴格按照時序提供氣象子站的測量信息和并網發(fā)電功率，數值氣象預報數據，實現模擬氣象子站、升壓站監(jiān)控系統(tǒng)、氣象預報服務器。

3）自動模擬測試系統(tǒng)輸入的是現場運行的歷史數據，即其中的氣象子站數據、電站并網發(fā)電數據、氣象預報數據。

圖4 自動模擬測試方法圖

4）自動模擬測試系統(tǒng)所做的數據處理首先是識別合法數據，將多路數據合并到一張表中以便于讀取，其次是把上述數據首先按照時間對齊，最后是確定歷史數據的日期與當前日期之間的映射。

5）輸出規(guī)則是，為模擬實際數據，周期性15min發(fā)送氣象子站數據、并網功率數據；為模擬氣象預報數據每天定時發(fā)送對應天的氣象預報數據。

5 應用實例

上述干擾數據處理辦法已經申請發(fā)明專利并已獲受理，編號為CN201710456772.X。上述自動測試方法在申請專利當中。

按照上述數據流向容錯方法優(yōu)化設計的光伏功率預測系統(tǒng)在全國多地工程中得到實際應用，風電功率預測系統(tǒng)也即將面世。按照自動模擬測試方法開發(fā)的測試系統(tǒng)也應用在內部測試中。

經過實際應用表明，功率預測系統(tǒng)受到多路輸入輸出影響，做好多路數據流的容錯處理，有利于系統(tǒng)穩(wěn)定運行和提高預測精度。

選取分析了東北某地光伏站并網初期從4月27日至7月28日共93天的數據，參見表2。按照天氣將數據大概分為晴、有云、陰雨以及數據不全，其中數據不全占比為15%，對最終輸出結果影響較大，經過處理后數據有了改進，采集數據基本沒有問題。假定一半情況下處理中的推測值接近實際值，那么精度將提高7%左右。

表2 某光伏站調試初期數據分析

6 結論

1）本文從數據流方向出發(fā)，分析了工程應用中功率預測系統(tǒng)的數據輸入和輸出上存在的問題，并針對這些問題做了影響分析和容錯處理，從而減少系統(tǒng)由于數據缺失而導致的功能失效問題。導致這些問題的原因是多方面的，如設計施工、調試、運行管理等。針對數據的容錯處理將提高預測系統(tǒng)的可用性和準確率。

2）功率預測系統(tǒng)對于數據有很強的依賴性，需要數據正確完整。可以通過識別干擾數據進行歷史數據分析處理，通過合理采集運維和檢修數據保證數據的完整性。

3）在開發(fā)設計中，必要的測試驗證必不可少，能對算法的開發(fā)起到積極作用，本文在拿到部分歷史數據后，利用過往數據模擬實際運行系統(tǒng)，創(chuàng)造真實的測試環(huán)境，為驗證算法可行性和穩(wěn)定性打下基礎。

[1] 范高峰, 裴哲義, 辛耀中. 風電功率預測的發(fā)展現狀與展望[J]. 中國電力, 2011, 44(6): 38-41.

[2] 薛禹勝, 郁琛, 趙俊華, 等. 關于短期及超短期風電功率預測的評述[J]. 電力系統(tǒng)自動化, 2015, 39(6): 141-151.

[3] 喬穎, 魯宗相, 閔勇. 提高風電功率預測精度的方法[J]. 電網技術, 2017, 41(10): 3261-3268.

[4] 葉瑞麗, 郭志忠, 劉瑞葉, 等. 基于小波包分解和改進Elman神經網絡的風電場風速和風電功率預測[J].電工技術學報, 2017, 32(21): 104-111.

[5] 楊茂, 陳郁林. 基于EMD分解和集對分析的風電功率實時預測[J]. 電工技術學報, 2016, 31(21): 86-93.

[6] 朱喬木, 李弘毅, 王子琪, 等. 基于長短期記憶網絡的風電場發(fā)電功率超短期預測[J]. 電網技術, 2017, 41(12): 3797-3802.

[7] 葉小嶺, 陳浩, 郭曉杰, 等. 基于風速升降特征的短期風電功率預測[J]. 電力系統(tǒng)保護與控制, 2016, 44(19): 56-62.

[8] 李貞, 崔麗艷, 陶潁軍, 等. 基于博弈論賦權的光伏功率組合預測模型[J]. 電氣技術, 2017, 18(5): 24-29.

[9] 馮雙磊, 王偉勝, 劉純, 等. 風電場功率預測物理方法研究[J]. 中國電機工程學報, 2010, 30(2): 1-6.

[10] 史可琴, 王方雨, 梁琛, 等. 基于隨機過程自相關性的風速預測模型分析[J]. 電網技術, 2017, 41(2): 529-535.

[11] 王尤嘉, 魯宗相, 喬穎, 等. 基于特征聚類的區(qū)域風電短期功率統(tǒng)計升尺度預測[J]. 電網技術, 2017, 41(5): 1383-1389.

[12] 吳曉剛, 孫榮富, 喬穎, 等. 基于風電場功率特性的風電預測誤差分布估計[J]. 電網技術, 2017, 41(6): 1801-1807.

[13] 薛禹勝, 陳寧, 王樹民, 等. 關于利用空間相關性預測風速的評述[J]. 電力系統(tǒng)自動化, 2017, 41(10): 161-169.

[14] 魯宗相, 徐曼, 喬穎, 等. 風電功率預測的新型互聯網運營模式設計[J]. 電網技術, 2016, 40(1): 125-131.

Research on data flow fault tolerance of new energy power generation forecasting system

Wu Shiwei Liu Wenbiao Ji Ling Li Jingxia

(Guodian Nanjing Automation Co., Ltd, Nanjing 211153)

Due to the characteristics of random and intermittent, large scale new energy (wind power and photo-voltaic power) generation has impact on the power grid operation. High precision of the new energy power generation forecasting will be useful to improve consumption level of the new energy power, and be conducive to the observing and controlling of the new energy power. From engineering practice, it is found that some reasons lead the decline of power forecasting accuracy, such as communication interruption, data collection errors, power restriction, the capacity change and maintenance. This paper analyzes the problem from the data flow of the system, and optimizes the design and testing process. The method is used in engineering practice.

wind power generation; photo-voltaic power generation; power prediction; data flow; fault tolerance

2018-05-29

吳世偉（1982-），男，碩士，工程師，從事風力和光伏發(fā)電功率預測方面的研究開發(fā)工作。