張文波 閆曉敏 王亞同 邸燕君 王琦

（甘肅省氣象服務(wù)中心，蘭州 730020）

0 引言

風能太陽能作為重要的清潔能源擁有巨大的發(fā)展前景[1-4]。甘肅是我國風能太陽能資源最為豐富的省份之一，為首批建成的千萬千瓦級新能源基地。由于風能和太陽能隨機性和波動性的特點，風光電大規(guī)模接入將對電力系統(tǒng)產(chǎn)生巨大影響，再加上清潔能源裝機增長與用電能力增長反差不斷加大，自身消納市場培育不足等因素，甘肅成為全國棄風棄光最為嚴重的地區(qū)之一。開展風、光發(fā)電功率預測，不僅可為發(fā)電企業(yè)提供檢修和電量交易的依據(jù)，也可以減輕風光電對電網(wǎng)的不利影響，進一步提高風能太陽能的利用效率。

由于風能、太陽能發(fā)電及相關(guān)設(shè)備數(shù)量龐大、分布廣泛，開展風、光發(fā)電功率預測，需要對風電場、光伏電站日常工作過程中大量數(shù)據(jù)進行采集、存儲和分析，并對數(shù)據(jù)進行有效管理和監(jiān)控。甘肅省氣象服務(wù)中心在新能源服務(wù)過程中，氣象服務(wù)信息缺乏統(tǒng)一存儲和管理，業(yè)務(wù)流程自動化、集約化水平較低，制約了新能源氣象服務(wù)業(yè)務(wù)的發(fā)展。2017年，甘肅省氣象局通過“絲綢之路經(jīng)濟帶西北五省區(qū)公路交通和風能太陽能氣象保障服務(wù)工程”項目，著手研發(fā)風能太陽能氣象服務(wù)業(yè)務(wù)平臺，并于2018年10月，初步完成平臺的研發(fā)工作。

1 國內(nèi)外研究現(xiàn)狀

歐美風電大國在風電場端和電網(wǎng)調(diào)度端都建立了風電功率預測系統(tǒng)，并制定了相應(yīng)的管理制度。西班牙、愛爾蘭等國家（地區(qū)）電網(wǎng)公司以及美國新墨西哥電力公司（PNM）和美國德克薩斯州電力可靠度委員會（ERCOT）對風電場功率預測提出強制性要求。同時，國外一些學者已經(jīng)就如何提高風電功率預測準確率方面做了大量研究工作[5-7]。美國國家大氣研究中心（NCAR）的風能太陽能臨近和短期預報系統(tǒng)和可視化平臺，綜合了四維實時資料同化、集合數(shù)值預報、變分多普勒雷達風矢量反演以及云飄移的衛(wèi)星探測等現(xiàn)代天氣預報技術(shù)，可以提供時間尺度15 min～5 d的發(fā)電功率預報以及結(jié)冰和電力負荷預測預警等；法國電力集團基于歐洲中期預報中心（ECMWF）氣候系統(tǒng)模式回算和美國國家環(huán)境預報中心（NCEP）數(shù)值天氣預報再分析資料，開展了月尺度和季節(jié)尺度水電預測業(yè)務(wù)試驗。

國內(nèi)氣象部門為電力部門主要提供專業(yè)氣象服務(wù)，并為電力公司或電力企業(yè)研發(fā)了服務(wù)系統(tǒng)[8-10]，如青海省氣象局2015年建立了青海省光伏電站氣象信息服務(wù)集成系統(tǒng)，服務(wù)產(chǎn)品包括24 h逐時輻射量預報、候輻射量預報、周輻射量預報、旬輻射量預報、月輻射量預報、季輻射量預報和年太陽輻射量預報。同時也有高校、氣象部門或公司為電力部門提供更加精細化的新能源氣象服務(wù)，研發(fā)的服務(wù)系統(tǒng)有電網(wǎng)端和電場端的風、光發(fā)電功率預測系統(tǒng)等，為電力調(diào)度部門和風光電場提供未來72 h的短期功率預測和未來4 h的超短期功率預測[11-15]。

2011年，國家能源局下發(fā)的國能新能[2011]177號文件（《風電場功率預報預測管理暫行辦法的通知》）要求，2012年1月1日前所有風電場經(jīng)營企業(yè)須按照文件要求提供風電功率日預報和實時預報。為了拓展專業(yè)氣象服務(wù)領(lǐng)域，甘肅省氣象服務(wù)中心引進中國氣象局公共氣象服務(wù)中心風功率預測系統(tǒng)，并在華電甘肅分公司5家風電場投入業(yè)務(wù)運行；2013年，甘肅省氣象服務(wù)中心引進湖北省氣象服務(wù)中心光伏、風電功率預測系統(tǒng)，先后在甘肅省20余家風電場和光伏電站投入業(yè)務(wù)應(yīng)用。系統(tǒng)的引進和應(yīng)用為甘肅省氣象服務(wù)中心拓展專業(yè)氣象服務(wù)領(lǐng)域、新能源氣象服務(wù)技術(shù)研發(fā)提供了支持和幫助。2016—2018年，因市場需求和業(yè)務(wù)需要，甘肅省氣象服務(wù)中心在之前開展新能源氣象服務(wù)業(yè)務(wù)的基礎(chǔ)上，依托項目完成了光功率預測系統(tǒng)、風功率預測系統(tǒng)、風能太陽能氣象服務(wù)業(yè)務(wù)平臺的研發(fā)。

2 系統(tǒng)設(shè)計與實現(xiàn)

2.1 總體設(shè)計

風能太陽能氣象服務(wù)業(yè)務(wù)平臺主要業(yè)務(wù)模塊為風能太陽能基礎(chǔ)數(shù)據(jù)庫、風能太陽能氣象數(shù)據(jù)監(jiān)測、風能太陽能數(shù)據(jù)分析、風能太陽能區(qū)域功率預測、風能太陽能氣象服務(wù)業(yè)務(wù)管理顯示五大模塊（圖1）。

圖1 風能太陽能氣象服務(wù)業(yè)務(wù)平臺設(shè)計結(jié)構(gòu)Fig. 1 Design structure of wind energy solar weather service business platform

2.2 主要功能

1）風能太陽能基礎(chǔ)數(shù)據(jù)庫：實現(xiàn)風光電場風機位置等基礎(chǔ)地理信息的存儲和讀??；實現(xiàn)風光電場裝機總量、風機型號、逆變器型號、風機參數(shù)、逆變器參數(shù)等業(yè)務(wù)基本信息的存儲和讀??；實現(xiàn)風光電場歷史數(shù)值預報、實況監(jiān)測等功率預測相關(guān)信息的存儲和讀取。

2）風能太陽能氣象數(shù)據(jù)監(jiān)測：實現(xiàn)區(qū)域內(nèi)全部測風塔、太陽輻射實時觀測數(shù)據(jù)的監(jiān)測顯示。

3）風能太陽能數(shù)據(jù)分析：實現(xiàn)風光觀測信息、實時發(fā)電功率、預測發(fā)電功率等數(shù)據(jù)的統(tǒng)計分析，實現(xiàn)有效風速、數(shù)值預報風速分布、數(shù)值預報平均風速、機頭風速、有效輻射等數(shù)據(jù)的計算分析。

4）風能太陽能發(fā)電功率預測：針對區(qū)域內(nèi)風能資源、光能資源進行短期預報，實現(xiàn)電網(wǎng)區(qū)域內(nèi)發(fā)電功率預測。

5）風能太陽能氣象服務(wù)業(yè)務(wù)管理顯示：實現(xiàn)風、光電場的設(shè)置，風機型號設(shè)置，風機信息設(shè)置，測風塔信息設(shè)置，逆變器信息設(shè)置，輻射觀測站信息設(shè)置，用戶管理等功能；實現(xiàn)西北五省區(qū)單個、區(qū)域風光電場展示功能；實現(xiàn)各類風能太陽能數(shù)據(jù)顯示功能。

2.3 關(guān)鍵技術(shù)

2.3.1 功率預測

1）單場功率預測

單場功率預測是以風光電場的歷史氣象要素、歷史功率、地形地貌、數(shù)值天氣預報、機組運行狀態(tài)等數(shù)據(jù)建立風光電場輸出功率的預測模型，預測風光電場的未來72 h逐15 min的短期功率和未來4 h逐15 min的超短期功率。風功率預測主要方法有原理法、統(tǒng)計法、自適應(yīng)偏最小二乘回歸方法等，光功率預測的主要方法有原理法、統(tǒng)計法、誤差訂正法等（圖2—圖5）。

圖2 風電場風速功率對比案例Fig. 2 Comparison of wind and speed power at wind farm

圖3 風電場月準確率統(tǒng)計Fig. 3 Wind farm monthly accuracy rate statistics

圖4 光伏電站輻射功率對比Fig. 4 Comparison of radiation power at the photovoltaic power station

圖5 光伏電站月準確率統(tǒng)計Fig. 5 Monthly accuracy statistics at the photovoltaic power station

2）區(qū)域功率預測

圖6 區(qū)域功率預測思路Fig. 6 Regional power prediction

考慮到同一區(qū)域內(nèi)電場規(guī)模、地理位置、風光狀素預報，同時結(jié)合區(qū)域內(nèi)風、光電裝機總量、機組參數(shù)等信息，實現(xiàn)各省（區(qū)、市）區(qū)域風、光未來7天總功率預測，也可任意選擇某段電網(wǎng)線路區(qū)域，實現(xiàn)區(qū)域內(nèi)未來7天的功率預測。

單場功率預測采用風電場或光伏電站的歷史數(shù)據(jù)、實時數(shù)據(jù)以及機組運行工況對風光電場的功率進況等的差異，以及各個電場預測誤差的不同，采用區(qū)域功率預測能夠平滑各個電場的預測誤差，使整個區(qū)域內(nèi)的預測精度更為準確，更有利于調(diào)度安排運行方式和備用（圖6、圖7）。平臺主要采用時空分布特性的區(qū)域功率預測方法[16]，根據(jù)風速、輻射2種氣象要行預測，主要應(yīng)用于發(fā)電企業(yè)下屬的風電場、光伏電站。而區(qū)域功率預測需要結(jié)合預測區(qū)域內(nèi)風光電場的裝機、機組參數(shù)等信息對該區(qū)域的功率進行預測，主要服務(wù)于當?shù)仉娋W(wǎng)公司的調(diào)度部門。

圖7 區(qū)域功率預測案例Fig. 7 A case of regional power prediction

2.3.2 資源評估

風光資源評估主要根據(jù)自建自動站、區(qū)域站、測風塔、測光站數(shù)據(jù)，實現(xiàn)對各?。▍^(qū)、市）風光能資源逐年、逐月、逐季的評估，評估要素有平均風速、平均溫度、最大風速、總輻射、直接輻射、平均風功率密度、平均有效利用小時數(shù)（圖8）。

圖8 資源評估圖案例Fig. 8 An example of resource evaluation pattern

2.3.3 模型訓練

模型訓練主要采用遞歸的方法對風光電預測模型中可調(diào)的參數(shù)進行多次訓練，得出最優(yōu)值（圖9）。通過對風電功率預測模型（原理法、統(tǒng)計法等）和光電功率預測模型（原理法、誤差訂正法等）的訓練，獲得最優(yōu)的模型參數(shù)，實現(xiàn)對預測模型的訓練改進。同時可對各類風光電數(shù)值預報源進行檢驗，主要通過預報準確率、均方根誤差、平均絕對誤差及相關(guān)性系數(shù)4項指標進行分析，最終獲得適宜電場的數(shù)值預報源。

圖9 模遞歸調(diào)用流程圖Fig. 9 Flow chart of modular recursive call

2.3.4 數(shù)據(jù)的統(tǒng)計分析

風能太陽能數(shù)據(jù)統(tǒng)計分析主要實現(xiàn)歷史功率數(shù)據(jù)統(tǒng)計分析，包括數(shù)據(jù)完整性、分布特性、變化率統(tǒng)計分析等。實現(xiàn)歷史測風數(shù)據(jù)、測光數(shù)據(jù)、數(shù)值天氣預報數(shù)據(jù)的統(tǒng)計分析，包括完整性、風速分布、風向分布、輻照度頻率分布、日照時數(shù)統(tǒng)計分析等。實現(xiàn)歷史數(shù)值天氣預報數(shù)據(jù)統(tǒng)計分析，包括暢通率統(tǒng)計、誤差頻率分布統(tǒng)計等。

2.3.5 數(shù)據(jù)庫的建設(shè)

數(shù)據(jù)庫的建設(shè)主要包括數(shù)據(jù)的管理存儲及接入。數(shù)據(jù)的管理存儲主要采用分布式大數(shù)據(jù)存儲技術(shù)，具有較高的可擴展性（可擴展新增業(yè)務(wù)數(shù)據(jù)的采集、監(jiān)控、顯示等功能）和可移植性。數(shù)據(jù)的接入主要采用人工錄入（基礎(chǔ)業(yè)務(wù)數(shù)據(jù)）、實時采集入庫（數(shù)值預報數(shù)據(jù)）、批量備份、增量式備份導入數(shù)據(jù)文件（電場歷史數(shù)據(jù)）的方式接入數(shù)據(jù)。

3 系統(tǒng)應(yīng)用與效果檢驗

3.1 系統(tǒng)應(yīng)用

風能太陽能氣象服務(wù)平臺已在甘肅省氣象服務(wù)中心完成本地化部署，并投入業(yè)務(wù)使用。應(yīng)用結(jié)果表明，系統(tǒng)運行穩(wěn)定、功能齊全、信息豐富，很大程度地提高了氣象部門新能源氣象服務(wù)的效率和電力部門的經(jīng)濟效益。同時該系統(tǒng)即將在陜西、寧夏、青海、新疆四省（區(qū)）進行安裝試運行。系統(tǒng)的應(yīng)用界面如圖10。

圖10 系統(tǒng)的應(yīng)用界面Fig. 10 System application interface

3.2 效果檢驗

自風能太陽能氣象服務(wù)業(yè)務(wù)平臺投入業(yè)務(wù)運行以來，甘肅省氣象服務(wù)中心加強了對數(shù)值預報的傳輸監(jiān)控和校驗訂正，數(shù)值預報月傳輸率為100%。同時定期采用風電場的歷史資料對風光電轉(zhuǎn)換模型進行訓練，及時對模型進行優(yōu)化。2018年9—11月，9家風電場短期功率預測準確率較之前平均提升4個百分點左右，超短期功率預測準確率較之前平均提升3個百分點左右，其中大部分風電場短期和超短期預報準確率滿足電力調(diào)度部門的要求；18家光電短期和超短期功率預測準確率較之前平均各提升2個百分點左右，所有光伏電站短期和超短期預報準確率均能滿足電力調(diào)度部門的要求（表1）。

表1 平臺應(yīng)用前后風電場月平均短期準確率對比Table 1 Comparison of monthly average short-term accuracy of wind farms before and after the platform application

4 結(jié)論與討論

風能太陽能氣象服務(wù)業(yè)務(wù)平臺自項目開發(fā)、部署工作完成后，通過業(yè)務(wù)檢驗，平臺運行穩(wěn)定，可操作性強，反映了相關(guān)技術(shù)的相對成熟。平臺具有以下特點：

1）實現(xiàn)了風光電場數(shù)據(jù)、氣象數(shù)據(jù)和GIS地圖（地理信息）的有效疊加顯示；

2）系統(tǒng)數(shù)據(jù)信息傳輸穩(wěn)定準確，專業(yè)性強；

3）數(shù)據(jù)訪問接口耦合性低、移植性高，便于推廣應(yīng)用。

將該系統(tǒng)應(yīng)用于新能源氣象服務(wù)業(yè)務(wù)中，能夠幫助業(yè)務(wù)人員快速、精確地掌握天氣條件，實現(xiàn)對風光電數(shù)值預報的訂正、風光電轉(zhuǎn)換模型的優(yōu)化，有效提升了風光電場短期功率預測準確率，提高了風光電場的經(jīng)濟效益。因此，該系統(tǒng)具有良好的應(yīng)用推廣價值。