王冠

摘要：受新能源平價上網(wǎng)政策逐步實施的影響，國內(nèi)迎來了新一輪風力發(fā)電建設潮。由于風資源自身的特點，精準的功率預測能夠精準地指導未來某段時間的發(fā)電能力，有助于電網(wǎng)企業(yè)穩(wěn)定電網(wǎng)運行。對于風電場經(jīng)營企業(yè)而言，精準的功率預測系統(tǒng)能夠避免考核罰款，提高新能源消納能力?；诖?，本篇文章對風電場功率預測系統(tǒng)運行可靠性和預測精度提升的實踐進行研究，以供參考。

關(guān)鍵詞：風電場功率預測系統(tǒng);運行可靠性;預測精度提升;實踐對策

引言

風能是一種重要的清潔能源，風力發(fā)電近年來發(fā)展迅速，我國大批風電場投入建設和運行。風電機組功率特性曲線能夠明顯地表現(xiàn)出其運行特征，是評估機組運行狀態(tài)的重要技術(shù)指標。出于技術(shù)層面考慮，風電機組以功率性能曲線作為設計依據(jù)、性能檢驗指標和發(fā)電量考核指標;出于經(jīng)濟層面考慮，功率性能曲線的優(yōu)劣會直接影響風電場的經(jīng)濟效益。因此對功率性能曲線進行有效的研究與處理具有重要意義。隨著我國高等教育規(guī)模的迅速發(fā)展，教學模式創(chuàng)新是創(chuàng)新教育的重要內(nèi)容。

1風電功率預測關(guān)鍵技術(shù)

風電功率預測技術(shù)涵蓋氣象學、電氣工程學和統(tǒng)計學等交叉應用學科，是保障電網(wǎng)安全運行和風電高效接納的重要技術(shù)手段。1）快速循環(huán)更新技術(shù)。模式定期更新的背景場中不包含云及水汽信息，在啟動一段時間后云及水汽才由參數(shù)化方案漸漸生成，不利于初始條件預報?？刹捎每焖傺h(huán)更新的方法，即令模式的背景場更新頻率降低，比如每3d更新一次，而其間的常規(guī)啟動不再使用背景場，改為使用上一次預報的預報場，這樣就在初始場中保留了上一次預報的云和水汽信息，有利于提升區(qū)域模式初始條件預報精度及節(jié)省計算時間。2）定制參數(shù)化預報技術(shù)。不同地區(qū)的地形、地貌及天氣類型差別很大，應考慮有地區(qū)針對性的物理過程參數(shù)化方案組合，而非對所有地區(qū)都使用同一套方案。對于地形、地貌復雜的風電場區(qū)域，應在考慮計算資源的情況下，盡可能地加密水平和垂直方向上的網(wǎng)格，并對邊界層和陸面過程等影響近地面風速的參數(shù)化方案進行細調(diào)。同時，應考慮使用云分析手段同化局地的衛(wèi)星、雷達、地基云圖等觀測資料，以改進輻照度預報效果。3）人工智能建模技術(shù)。對于預測模型本身，隨著人工智能、大數(shù)據(jù)等前沿新興技術(shù)的發(fā)展和熟，有望突破風電功率預測的技術(shù)瓶頸，實現(xiàn)預精度的顯著提升。由于人工智能模型具有自學習能力，包括深信度網(wǎng)絡、深度神經(jīng)網(wǎng)絡以及循環(huán)神經(jīng)網(wǎng)絡等，與物理統(tǒng)計模型相比，人工智能模型具有更高精度的預測結(jié)果，如“機器學習+數(shù)據(jù)庫”的數(shù)據(jù)挖掘技術(shù)將提高短期功率預測精度。4）在線互動預測技術(shù)。目前風電功率預測普遍采用“離線建模、模型封裝、模型嵌入”的運行模式，存在預測模型更新不及時、不能實時響應風電場運行狀態(tài)等問題，在一定程度上影響了預測精度。建立“在線建模、實時調(diào)整、集中分布”的在線互動預測方法，對于提升預測模型的響應能力、提高預測精度意義重大。

2風電機組運行數(shù)據(jù)分析

在風電機組運行的過程中，通過SCADA監(jiān)控系統(tǒng)對風速、空氣密度、功率、周圍環(huán)境溫度、大氣壓力等數(shù)據(jù)進行收集，選取所需的數(shù)據(jù)及適用條件。針對風力發(fā)電機組的性能分析，本文建立了風電機組的兩種功率性能曲線，即功率曲線（功率-風速）和轉(zhuǎn)矩曲線（轉(zhuǎn)速-轉(zhuǎn)矩）。采集的SCADA數(shù)據(jù)存在著大量的異常點，為了保證實驗所得數(shù)據(jù)能夠如實反映風電機組運行時的功率輸出情況，需要結(jié)合相關(guān)標準與實際情況進行數(shù)據(jù)剔除及修正。對數(shù)據(jù)進行處理主要采用如下規(guī)則：①剔出風電機組運行不正常點，即風電機組的運行風速已大于切入風速，但是輸出功率仍為0或者負值的運行點;②剔出風電機組停機點，即在切入風速與切出風速之間運行階段，輸出功率從正常運行降到0或者負值的運行點，刪除這些點以及相鄰的前3個點;③剔出風電機組啟動過程點，即剔出在切入風速以上，輸出功率由0或者負值直接增加到正值的過程，刪除其后面的3個點。按照上述方法進行處理后，就基本刪除了影響比較大的異常數(shù)據(jù)點，最后將處理后的數(shù)據(jù)放入數(shù)據(jù)庫。由于風電機組的功率性能曲線受到海拔、大氣環(huán)境、空氣密度、風速等的影響，在功率性能曲線測量的過程中需要對相關(guān)系數(shù)進行修正。

3功率預測模型的優(yōu)化

3.1功率預測模型的持續(xù)優(yōu)化

新能源場站的超短期功率預測，目前的規(guī)則要求是每15min預測場站未來0～4h的功率，并將預測結(jié)果上傳至調(diào)度部門的主站，按照每15min取1個點，上傳16個點。而新能源場站的短期預測，要預測未來4天的數(shù)據(jù)，也是按照每15min取1個點。物理模型在短期功率預測精度高，但該類模型的計算量較大，并不適合超短期功率預測。統(tǒng)計模型的優(yōu)勢在于超短期功率預測，目前較為成熟的統(tǒng)計模型有采用極限學習機等。由于各類預測模型都有自身的優(yōu)點和缺點，用單個預測模型獲得的預測結(jié)果，很難保證在任何工況下的預測結(jié)果都是合格的。因此工程實踐中必須綜合多種模型的優(yōu)點建立組合預測模型。

3.2篩選優(yōu)質(zhì)數(shù)據(jù)修正預測偏差

由于目前新能源場站普遍存在限負荷、計劃停電等場外受累發(fā)電的情況，會影響誤導模型的學習和訓練過程，必須進行數(shù)據(jù)篩選，以實現(xiàn)對原始實測數(shù)據(jù)的質(zhì)量控制。實際工程實踐上，一般是將限電時段、風機檢修時段的數(shù)據(jù)歸類為無效數(shù)據(jù)并予以剔除。通過剔除非正常發(fā)電規(guī)律數(shù)據(jù)等影響預測模型效果的因素，篩選出非場外受累時段的高質(zhì)量實測發(fā)電數(shù)據(jù)，及時提取正常發(fā)電的特征要素，并用于提升算法模型的訓練測試。山地風場的地形較為復雜，而且局部氣象不統(tǒng)一、部分風機尾流效應大的現(xiàn)象普遍，可以將預測偏差較大的某幾臺風機，從全場風機中篩選出來，進行單獨的預測結(jié)果校正。

4建議

4.1做好風電場發(fā)電預測工作

從當前對所有的風電場在運行時的狀態(tài)進行分析時，能發(fā)現(xiàn)風電場運行的質(zhì)量與風能的大小、風速、風力有著非常密切的關(guān)系，直接決定了風電廠自身輸出電能的能力以及輸出電能的功率、電網(wǎng)在運行時的質(zhì)量。為此，在整個風電場進行經(jīng)營管理的過程中，一定要考慮到采取多項管理措施與預測技術(shù)進行工作與學習，在風電場運行的過程中。要求其具有周期性，能夠?qū)罄m(xù)一段時間內(nèi)的風能大小進行準確的預測，才能夠確保在后期開展風力發(fā)電機組調(diào)度工作時，其預測的質(zhì)量得到提升，也能夠根據(jù)問題制定出最有效地預防和解決措施。達成規(guī)避電網(wǎng)的沖擊或者是由于第二波動而導致的風電場發(fā)電預測工作質(zhì)量在逐步下降的目的。

4.2建設新能源數(shù)據(jù)中心平臺

集中式頁面上構(gòu)建新的能源數(shù)據(jù)中心平臺，由于位置較多，數(shù)據(jù)量大，風力預測需要實際性能、每小時風速等，因此可實現(xiàn)集中式數(shù)據(jù)收集和管理。一是實現(xiàn)數(shù)據(jù)集中采集和管理;二是便利集中生產(chǎn)建設專業(yè)管理平臺。集中風電功率預測、預報系統(tǒng)可在新的能源中心平臺上收集位置數(shù)據(jù)，以及綜合天氣預報等信息，使該集控制的所有風電場的能源預測和報告成為可能。

4.3做好專業(yè)人員的管理

根據(jù)完善能耗管理的新要求，目前除了輪班工作者之外，還有從事網(wǎng)絡信息、技術(shù)監(jiān)控等工作的專業(yè)管理人員。在集中能源預測和預測的基礎上，建議在集中側(cè)設置一個管理預測風電場的職位，并任命一名專職人員，負責系統(tǒng)的持續(xù)維護、故障分析、模型優(yōu)化等，改進能源預測系統(tǒng)的運行管理，密切關(guān)注預測指標及限電規(guī)劃，改進對短期預購功率的人工干預，提高預測準確性，切實提高風電功率預測預報的整體工作質(zhì)量。

結(jié)束語

風電場風力預測為風電場的電力規(guī)劃、供電計劃編制和風電場維護提供了依據(jù)。風力發(fā)電預測精度可能有助于風電場系統(tǒng)地降低發(fā)電和電網(wǎng)所需的壓力。另一方面，基于風勢的風電場可以實現(xiàn)更加現(xiàn)實的風擋規(guī)劃和維護時間，保證風力渦輪機在風中高效運行，提高風機在風和風流中的效率。對現(xiàn)有風能預測的逐步改進和預測準確性的提高已證明是確保大型風電場網(wǎng)絡安全和提高其經(jīng)濟性的關(guān)鍵。

參考文獻：

[1]許國春.基于數(shù)據(jù)驅(qū)動的風電場功率短期預測研究[D].新疆大學，2019.

[2]王建輝.風電場短期功率預測及爬坡識別方法研究[D].湖南工業(yè)大學，2019.

[3]王韶龍.基于分量分治的風電功率超短期組合預測方法[D].湘潭大學，2019.

[4]高磊.大規(guī)模風電場參與系統(tǒng)頻率調(diào)整策略研究[D].蘭州交通大學，2020.

[5]姚瑤.計及多因素影響的含風電場發(fā)電系統(tǒng)可靠性研究[D].山東科技大學，2019.

中電投電力工程有限公司 ?上海 ?200233