張慧娥,朱婷婷,胡衡,蘭鴿,肖長江
(1.新疆工程學院能源工程學院,新疆烏魯木齊,830023;2.新疆機場(集團)烏魯木齊分公司飛行區(qū)管理部電力運行管理中心,新疆烏魯木齊,830000)
風電作為重要的可再生能源,對全球能源的可持續(xù)發(fā)展具有重要的意義。但由于風電功率具有間歇性和波動性的特點,大規(guī)模風電場接入電網(wǎng)運行時,較大幅度地風電功率波動會對電網(wǎng)安全穩(wěn)定運行帶來不利影響[1][2]。如果風電場通過站端功率預測系統(tǒng)上傳的短期功率預測準確性較高,電力調(diào)度部門就能夠根據(jù)風電場上傳的短期預測功率安排調(diào)度日前運行計劃,保證電網(wǎng)的電力電量平衡和安全穩(wěn)定運行。因此,提高風電功率實時預測的準確性對改善風電并網(wǎng)運行有著重要意義。
本文以新疆電網(wǎng)某風電場實測數(shù)據(jù)為基礎,基于時序指數(shù)平滑法對風電場短期功率進行預測,并根據(jù)評價指標對預測結(jié)果進行評價,驗證了預測模型的有效性及可行性。
根據(jù)預測的時間尺度可分為實時預測(5-15分鐘)、日內(nèi)超短期預測(4小時以內(nèi))、日前短期預測(72小時以內(nèi))、中期預測(3-7天)、長期預測(年度)[3]。實時預測主要用于實時調(diào)度和調(diào)整AGC機組容量;日內(nèi)預測主要用于實時調(diào)整發(fā)電計劃和安排調(diào)度計劃;日前預測主要用于安排常規(guī)機組出力計劃、優(yōu)化機組組合方式、解決電網(wǎng)調(diào)峰問題和日前電力市場交易等;中期預測主要用于安排機組檢修或調(diào)試及電網(wǎng)運行方式調(diào)整;長期預測主要用于風電資源評估和風電場規(guī)劃設計及選址。為解決電網(wǎng)調(diào)峰問題,合理安排調(diào)度計劃,本文對風電場日前短期功率進行預測。
目前,常用的風功率預測方法有:基于數(shù)值天氣預報的物理計算方法、統(tǒng)計方法和人工智能方法。本文采用基于功率的預測的統(tǒng)計方法,該方法用于短期功率預測,有較好的精度。統(tǒng)計法是在系統(tǒng)的輸入(風速、風向、溫度等天氣預報數(shù)據(jù)、歷史至少一年的氣象實測統(tǒng)計數(shù)據(jù)及實時數(shù)值氣象數(shù)據(jù))與風電功率之間建立某種映射關系,這種映射關系常采用指數(shù)平滑法、回歸分析法、時間序列預測法、卡爾曼濾波法、灰度預測法等,通過歷史數(shù)據(jù)所呈現(xiàn)出來的一些規(guī)律對某段時間的風功率展開預測。
指數(shù)平滑法根據(jù)平滑次數(shù)可分為一次指數(shù)平滑法、二次指數(shù)平滑法和三次指數(shù)平滑法等。
一次指數(shù)平滑法是利用前一期的預測值St代替Xt-n得到預測的通式,即
這是一種加權(quán)預測,權(quán)數(shù)為α。α的大小規(guī)定了在新預測值中新數(shù)據(jù)和原預測值所占的比重。權(quán)數(shù)α值越小,新數(shù)據(jù)所占的比重就愈小,原預測值所占的比重就愈大,反之亦然。前一期預測值加上根據(jù)前期預測值中產(chǎn)生的誤差的修正值得到后一期的預測值。一次指數(shù)平滑法比較簡單,但問題是不斷反復地優(yōu)化α值,以使均方差最小,需要通過反復試驗確定最佳的α值。
一次指數(shù)平滑法在時間序列變動出現(xiàn)恒直線趨勢時,一次指數(shù)平滑預測值存在明顯的時間滯后偏差現(xiàn)象,因此,一次指數(shù)平滑法必須加以修正。修正的方法在一次指數(shù)平滑法的基礎上再作一次指數(shù)平滑,利用滯后偏差的規(guī)律建立直線趨勢模型。這就是二次指數(shù)平滑法。其計算公式為:
二次指數(shù)平滑法的預測模型為:
式中:at是t時期的水平值,bt是t時期的線性增量。
二次指數(shù)平滑法能隨著時間序列呈拋物線增長而調(diào)整預測值,但在時間序列變動時出現(xiàn)二次曲線趨勢時,需要在二次指數(shù)平滑的基礎上再進行一次指數(shù)平滑。三次指數(shù)平滑計算過程較二次指數(shù)平滑法復雜,其計算公式為:
式中:at是t時期的水平值,bt是t時期的線性增量,ct是t時期的拋物線增量。
Step1:初始化,用最初三期觀測值的平均值作為初始平滑值。平滑權(quán)數(shù)α初值設定為0.4。
Step2:一次指數(shù)平滑預測。
Step3:二次指數(shù)平滑預測。
Step4:三次指數(shù)平滑預測。
Step5:計算相對誤差,平滑權(quán)數(shù)權(quán)數(shù)α+0.1,進行step2-4的循環(huán),直到平滑權(quán)數(shù)權(quán)數(shù)α最大值1時循環(huán)結(jié)果。
Step6:根據(jù)相對誤差最小原則,選擇相應平滑權(quán)數(shù)。
Step7:輸出預測結(jié)果。
裝機容量為49.5MW的新疆某風電場,該風電場由33臺風電機組構(gòu)成,每臺機組的額定容量為1500kW。以5月12-14日,用樣板機法還原的理論發(fā)電功率數(shù)據(jù)為觀測值(采樣周期:15min)。用本文中的中的時序三次指數(shù)平滑法對風電場短期功率進行預測,根據(jù)相對誤差最小原則,選擇的平滑權(quán)數(shù)α=0.9為最佳值,逐步逼近觀測值。得到5.12.0.0-5.14.23.45 發(fā)電功率隨時點變化圖像如圖1所示。
圖1 發(fā)電功率隨時點變化圖像
從表1中看出,平滑權(quán)數(shù)為0.9時,對應的總絕對誤差之和最小為247.5。以此,平滑權(quán)數(shù)為0.9時,使預測的結(jié)果精度更高。滿足《國家能源局關于印發(fā)風電場功率預測預報管理暫行辦法的通知》中預測精度要求,故驗證了預測模型的有效性及可行性。
表1 不同平滑權(quán)數(shù)對應的絕對誤差
本文中基于時序三次指數(shù)平滑法對風電場短期功率進行預測,修正了指數(shù)平滑權(quán)數(shù),使預測的結(jié)果精度更高。但該方法對平滑權(quán)數(shù)的選擇具有主觀性,對新的觀測數(shù)據(jù)不能自動適應修改。