吳文倩

（國(guó)家電投南寧生產(chǎn)運(yùn)營(yíng)中心，南寧 530000）

引言

近年來，由于石油、煤炭等化石能源的緊缺，以及火電等傳統(tǒng)能源對(duì)全球氣候變暖帶來不利影響，風(fēng)電、光伏等新能源迎來“搶裝潮”。目前，國(guó)內(nèi)三北地區(qū)適宜的風(fēng)能資源開發(fā)已接近尾聲，越來越多風(fēng)電開發(fā)商向IV 類風(fēng)資源區(qū)邁進(jìn)，南方地區(qū)山地風(fēng)電場(chǎng)也隨之拔地而起。由于風(fēng)電是一種間歇性、波動(dòng)性的電源，大規(guī)模風(fēng)電的接入對(duì)電網(wǎng)的穩(wěn)定帶來新挑戰(zhàn)［1-2］，風(fēng)功率輸出不穩(wěn)定而導(dǎo)致風(fēng)力發(fā)電對(duì)電網(wǎng)穩(wěn)定運(yùn)行的不利影響也逐漸體現(xiàn)出來［3-4］。供電系統(tǒng)需要進(jìn)行有效的計(jì)劃和調(diào)度，就需要風(fēng)電場(chǎng)開展有效的風(fēng)電功率預(yù)測(cè)工作［5］。通過提前預(yù)測(cè)風(fēng)電功率的波動(dòng)，合理安排運(yùn)行方式和應(yīng)對(duì)措施，以提高電網(wǎng)的安全性、可靠性和接納風(fēng)電的能力。此外，準(zhǔn)確的風(fēng)電功率預(yù)測(cè)也是指導(dǎo)風(fēng)電場(chǎng)開展計(jì)劃?rùn)z修、市場(chǎng)交易等工作的重要依據(jù)。

風(fēng)電場(chǎng)需定時(shí)向電力調(diào)度機(jī)構(gòu)報(bào)送短期功率預(yù)測(cè)和超短期功率預(yù)測(cè)結(jié)果。其中超短期預(yù)測(cè)時(shí)效為未來15min～4h，由于預(yù)測(cè)時(shí)效短，可采用簡(jiǎn)單的外推法進(jìn)行預(yù)測(cè)，一般不采用數(shù)值天氣預(yù)報(bào)數(shù)據(jù)［3］。而短期預(yù)測(cè)時(shí)效為未來1～3d，一般以中尺度數(shù)值天氣預(yù)報(bào)為基礎(chǔ)得出原始風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)數(shù)據(jù)和風(fēng)功率預(yù)測(cè)數(shù)據(jù)，再利用風(fēng)機(jī)歷史運(yùn)行數(shù)據(jù)等進(jìn)行統(tǒng)計(jì)學(xué)校正，才能得到較為準(zhǔn)確的風(fēng)電功率預(yù)測(cè)結(jié)果。但由于風(fēng)速是一種很難精確預(yù)測(cè)的天氣要素，風(fēng)電功率預(yù)測(cè)屬于時(shí)空高分辨率的精確預(yù)報(bào)，加之風(fēng)速的湍流特性和隨機(jī)性，預(yù)測(cè)技術(shù)上存在較大的難度［4］。特別是山地風(fēng)電場(chǎng)由于地形多變的限制，大多數(shù)風(fēng)電場(chǎng)風(fēng)機(jī)分散建立在十幾至幾十平方公里范圍內(nèi)，并建立在不同海拔高度上，風(fēng)速變化機(jī)理更為復(fù)雜，導(dǎo)致山地風(fēng)電場(chǎng)風(fēng)速及風(fēng)電功率預(yù)測(cè)難度較平原風(fēng)電場(chǎng)更大。風(fēng)電場(chǎng)常因短期風(fēng)電功率預(yù)測(cè)準(zhǔn)確率達(dá)不到電網(wǎng)要求，給風(fēng)電場(chǎng)帶來運(yùn)行壓力和經(jīng)濟(jì)損失，因此提高風(fēng)電功率預(yù)測(cè)準(zhǔn)確率一直是風(fēng)電行業(yè)的重點(diǎn)研究方向。

風(fēng)電功率預(yù)測(cè)及風(fēng)速預(yù)測(cè)方法已有許多學(xué)者開展了相應(yīng)研究，馬文通等［8］基于中尺度數(shù)值預(yù)報(bào)模式和微尺度計(jì)算流體力學(xué)模式，建立了風(fēng)電場(chǎng)短期風(fēng)電功率動(dòng)力降尺度預(yù)測(cè)系統(tǒng)。余江［9］認(rèn)為基于時(shí)間序列的NEW AR 模型可進(jìn)行6h 的訂正預(yù)報(bào)。楊光焰［10］建立BP 神經(jīng)網(wǎng)絡(luò)對(duì)MM5 數(shù)值預(yù)報(bào)產(chǎn)品的模擬風(fēng)速誤差進(jìn)行動(dòng)態(tài)訂正，認(rèn)為風(fēng)速平均絕對(duì)誤差可降低10%～20%。王彬?yàn)I等［11］提出一種諧波分析與人工神經(jīng)網(wǎng)絡(luò)（ANN）相結(jié)合的24h 短期風(fēng)速數(shù)值預(yù)報(bào)的訂正方法，使得風(fēng)速數(shù)值預(yù)報(bào)的系統(tǒng)偏差有明顯下降。汪小明等［12］、李慧玲［13］分別研究了基于小波分解和ELMAN 神經(jīng)網(wǎng)絡(luò)以及基于WRF 模式和聚類分析的短期風(fēng)電功率預(yù)測(cè)研究與應(yīng)用，認(rèn)為可改進(jìn)風(fēng)電功率預(yù)測(cè)準(zhǔn)確率。在實(shí)際應(yīng)用中，國(guó)內(nèi)主流風(fēng)電功率預(yù)測(cè)供應(yīng)商主要采用“物理模型＋統(tǒng)計(jì)模型”的組合方式進(jìn)行風(fēng)電功率預(yù)測(cè)模型建立，利用風(fēng)電場(chǎng)地形數(shù)據(jù)、粗糙度數(shù)據(jù)、風(fēng)速-功率曲線等相對(duì)不變的參數(shù)建立一個(gè)風(fēng)電功率物理模型，通過輸入各類定制的風(fēng)電場(chǎng)中尺度氣象預(yù)測(cè)數(shù)據(jù)，初步獲得時(shí)空分辨率滿足要求的功率預(yù)測(cè)文件，最后利用歷史預(yù)測(cè)數(shù)據(jù)、風(fēng)機(jī)運(yùn)行數(shù)據(jù)等進(jìn)行人工神經(jīng)網(wǎng)絡(luò)等統(tǒng)計(jì)學(xué)校正，從而得到符合風(fēng)電場(chǎng)實(shí)際的風(fēng)電功率預(yù)測(cè)結(jié)果，一般情況下預(yù)測(cè)準(zhǔn)確率均能達(dá)到80%以上。在這個(gè)過程中，由于風(fēng)電場(chǎng)范圍較小，需要將中尺度數(shù)值天氣預(yù)報(bào)結(jié)果進(jìn)行降尺度計(jì)算，將網(wǎng)格細(xì)分至幾公里到十幾公里范圍內(nèi)，在風(fēng)電場(chǎng)中心或整場(chǎng)范圍內(nèi)均勻選取若干網(wǎng)格點(diǎn)，或通過計(jì)算流體力學(xué)（CFD）將網(wǎng)格數(shù)據(jù)推算至每臺(tái)風(fēng)機(jī)輪轂高度處，或直接進(jìn)行整場(chǎng)平均風(fēng)速預(yù)測(cè)，才能完成數(shù)值天氣預(yù)報(bào)在風(fēng)電功率預(yù)測(cè)中的釋用。要做到較為精準(zhǔn)的風(fēng)速和風(fēng)電功率預(yù)測(cè)，不僅需要長(zhǎng)期的運(yùn)行數(shù)據(jù)進(jìn)行模型訓(xùn)練，還需要對(duì)預(yù)測(cè)數(shù)據(jù)源的選取、訂正、配比使用進(jìn)行重點(diǎn)研究應(yīng)用。

目前，風(fēng)電功率預(yù)測(cè)供應(yīng)商在實(shí)際應(yīng)用中已發(fā)現(xiàn)使用不同的氣象數(shù)據(jù)源對(duì)風(fēng)電功率預(yù)測(cè)準(zhǔn)確率有不同影響，因而基于同一預(yù)測(cè)模型開展不同數(shù)值天氣預(yù)報(bào)輸入的風(fēng)電功率預(yù)測(cè)已在風(fēng)電行業(yè)形成共識(shí)，但其影響效果和機(jī)理分析則少有分析和研究。為研究進(jìn)一步提高風(fēng)電功率預(yù)測(cè)準(zhǔn)確率的方法，本文利用風(fēng)電場(chǎng)實(shí)際數(shù)據(jù)進(jìn)行統(tǒng)計(jì)對(duì)比，分析同一預(yù)測(cè)模型下不同數(shù)值天氣預(yù)報(bào)輸入對(duì)風(fēng)電功率預(yù)測(cè)準(zhǔn)確率的影響及原因，對(duì)風(fēng)電行業(yè)提高風(fēng)電功率預(yù)測(cè)準(zhǔn)確率，滿足電網(wǎng)對(duì)于風(fēng)電調(diào)度的需求，進(jìn)一步適應(yīng)國(guó)家能源結(jié)構(gòu)改革需要具有一定的實(shí)際意義。

1 數(shù)據(jù)和方法

數(shù)據(jù)來源于廣西地區(qū)A、B 兩個(gè)山地風(fēng)電場(chǎng)2020 年2 月1 日至3 月15 日期間全場(chǎng)風(fēng)機(jī)平均輪轂高度實(shí)測(cè)風(fēng)速，以及4 種單一氣象預(yù)測(cè)數(shù)據(jù)源及3 種混合訂正氣象數(shù)據(jù)源全場(chǎng)風(fēng)機(jī)輪轂高度平均預(yù)測(cè)風(fēng)速，時(shí)間分辨率均為15min。單一氣象預(yù)測(cè)數(shù)據(jù)源包括GFS（Global Forecast System，美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心全球預(yù)報(bào)系統(tǒng)）、EC（European Centre for Medium-Range Weather Forecasts，歐洲中期天氣預(yù)報(bào)中心全球模式）、CMA（China Meteorological Administration，中國(guó)氣象局全球模式，空間分辨率9km×9km）、CMA-2P5（空間分辨率2.5km×2.5km），混合訂正氣象數(shù)據(jù)源為根據(jù)風(fēng)電場(chǎng)歷史預(yù)測(cè)情況和實(shí)際情況，將GFS、EC、CMA 等多種單一氣象數(shù)據(jù)源進(jìn)行混合訂正的預(yù)測(cè)結(jié)果。其中A 風(fēng)電場(chǎng)混合訂正1、2、3 以EC 和GFS 為主。B 風(fēng)電場(chǎng)為混合訂正1以CMA 為主，混合訂正2 以EC 為主。

采用平均絕對(duì)誤差（MAE）、均方根誤差（RMSE）衡量預(yù)測(cè)風(fēng)速與實(shí)測(cè)風(fēng)速之間的偏離程度，其公式為：

其中，xpi為預(yù)測(cè)風(fēng)速，xmi為實(shí)測(cè)風(fēng)速，n 為樣本數(shù)量。

A 風(fēng)電場(chǎng)地處廣西東北部，風(fēng)機(jī)較為均勻的分布在東北-西南方向兩條并列的山脊線上，盛行風(fēng)向上游無高山阻擋，風(fēng)機(jī)海拔高度在850～1070m 之間，風(fēng)資源較好；A 風(fēng)電場(chǎng)總裝機(jī)容量100MW，共安裝35 臺(tái)不同型號(hào)風(fēng)電機(jī)組，風(fēng)機(jī)輪轂高度有80m、90m 兩種。B 風(fēng)電場(chǎng)位于廣西西南部，分布在東北-西南方向山脊線上，且劃分為3 片較為密集的風(fēng)機(jī)群，與北部灣直線距離約100km，易受臺(tái)風(fēng)、熱帶氣旋等影響，風(fēng)機(jī)分散分布在丘陵地貌的山脊線上，風(fēng)機(jī)海拔高度在310～690m 之間，較A 風(fēng)電場(chǎng)偏低；B 風(fēng)電場(chǎng)總裝機(jī)容量200MW，包含93 臺(tái)不同型號(hào)風(fēng)電機(jī)組，風(fēng)機(jī)輪轂高度有80m、85m、90m 三種。所選兩個(gè)風(fēng)電場(chǎng)大氣環(huán)流背景有所區(qū)別，便于比較分析。

2 實(shí)測(cè)風(fēng)速及預(yù)測(cè)風(fēng)速對(duì)比

A、B風(fēng)電場(chǎng)2020年2月1日至3月15日15min日平均預(yù)測(cè)風(fēng)速及風(fēng)機(jī)實(shí)測(cè)風(fēng)速見圖1。其中預(yù)測(cè)風(fēng)速為該時(shí)段內(nèi)風(fēng)電場(chǎng)功率預(yù)測(cè)系統(tǒng)自動(dòng)擇優(yōu)選取的風(fēng)速預(yù)測(cè)結(jié)果，其中A 風(fēng)電場(chǎng)為混合訂正3，B 風(fēng)電場(chǎng)為混合訂正1。由圖1 可看出，山地風(fēng)電場(chǎng)風(fēng)速波動(dòng)較為劇烈，風(fēng)速日變化區(qū)間集中在1～5m·s-1區(qū)間，個(gè)別天數(shù)可超過9m·s-1；A 風(fēng)電場(chǎng)日平均風(fēng)速M(fèi)AE 為1.01m·s-1，B 風(fēng)電場(chǎng)為0.67m·s-1；除個(gè)別天數(shù)外，A、B 風(fēng)電場(chǎng)預(yù)測(cè)風(fēng)速與實(shí)測(cè)風(fēng)速曲線吻合度較好，相關(guān)系數(shù)分別達(dá)到0.91、0.92。

圖1 A 風(fēng)電場(chǎng)（a）、B 風(fēng)電場(chǎng)（b）日平均實(shí)測(cè)風(fēng)速及預(yù)測(cè)風(fēng)速

3 不同氣象數(shù)據(jù)源風(fēng)速預(yù)測(cè)偏差對(duì)比

A 風(fēng)電場(chǎng)、B 風(fēng)電場(chǎng)2020 年2 月1 日至3 月15日不同氣象數(shù)據(jù)源預(yù)測(cè)風(fēng)速RMSE 差對(duì)比分析見表1。在統(tǒng)計(jì)時(shí)間段內(nèi)：

表1 A、B 風(fēng)電場(chǎng)2020 年2 月1 日至3 月15 日不同氣象數(shù)據(jù)源風(fēng)速預(yù)測(cè)RMSE 平均值對(duì)比

（1）多種數(shù)據(jù)源混合訂正預(yù)測(cè)結(jié)果總體優(yōu)于單一氣象數(shù)據(jù)源預(yù)測(cè)結(jié)果。其中A 風(fēng)電場(chǎng)三種混合訂正預(yù)測(cè)RMSE 平均在1.6～1.8 之間，四種單一氣象數(shù)據(jù)預(yù)測(cè)RMSE 平均在2.3～2.8 之間，混合訂正預(yù)測(cè)RMSE 平均偏低50.8%；B 風(fēng)電場(chǎng)兩種混合訂正預(yù)測(cè)RMSE 在1.2～1.3 之間，四種單一氣象數(shù)據(jù)預(yù)測(cè)RMSE 在1.2～2.6 之間，混合訂正預(yù)測(cè)RMSE 平均偏低32.4%。

（2）同一氣象數(shù)據(jù)源在不同場(chǎng)站預(yù)測(cè)效果不一致，并無絕對(duì)優(yōu)勢(shì)。其中A 風(fēng)電場(chǎng)EC 最優(yōu)，CMA 次之，CMA-2P5 最差；而B 風(fēng)電場(chǎng)則為CMA-2P5 最優(yōu)，CMA 次之，GFS 最差。

（3）高分辨率氣象數(shù)據(jù)源預(yù)測(cè)效果不一定優(yōu)于低分辨率氣象數(shù)據(jù)源。A 風(fēng)電場(chǎng)、B 風(fēng)電場(chǎng)CMA 與CMA-2P5 預(yù)測(cè)效果相比沒有絕對(duì)優(yōu)勢(shì)。

此外，對(duì)比不同氣象數(shù)據(jù)源風(fēng)速預(yù)測(cè)RMSE 日變化曲線圖（圖2、圖3），可看出同一氣象數(shù)據(jù)源在每日不同環(huán)流背景下的預(yù)測(cè)效果也不盡相同，不能一以概之。而混合訂正氣象數(shù)據(jù)源預(yù)測(cè)波動(dòng)性則普遍小于單一氣象數(shù)據(jù)源?？傮w來看，在統(tǒng)計(jì)時(shí)段內(nèi)，A 風(fēng)電場(chǎng)使用混合訂正1／2／3 氣象數(shù)據(jù)源預(yù)測(cè)效果較好，B 風(fēng)電場(chǎng)使用CMA、CMA-2P5、混合訂正1／2氣象數(shù)據(jù)源預(yù)測(cè)效果較好。

圖2 A 風(fēng)電場(chǎng)不同氣象數(shù)據(jù)源預(yù)測(cè)風(fēng)速RMSE 日變化

圖3 B 風(fēng)電場(chǎng)不同氣象數(shù)據(jù)源風(fēng)速預(yù)測(cè)RMSE 日變化

4 影響原因分析

理論研究和實(shí)際應(yīng)用表明，組合預(yù)測(cè)模型比單個(gè)預(yù)測(cè)模型具有更高的預(yù)測(cè)精度，能增強(qiáng)預(yù)測(cè)的穩(wěn)定性，具有較高的適應(yīng)未來預(yù)測(cè)環(huán)境變化的能力［14］。主要由于集合預(yù)報(bào)同時(shí)考慮了初值以及數(shù)值模式中物理過程的不確定性，能夠有效地減弱各種不確定性對(duì)預(yù)報(bào)結(jié)果的影響［15］。由于風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)和功率預(yù)測(cè)是對(duì)時(shí)間、空間分辨率要求很高的要素，相對(duì)于單一數(shù)據(jù)源，采用組合預(yù)測(cè)數(shù)據(jù)源的方式能夠在預(yù)測(cè)模型中發(fā)揮各種單一數(shù)據(jù)源優(yōu)勢(shì)，使預(yù)測(cè)模型最大限度地利用各種單一預(yù)測(cè)數(shù)據(jù)源的信息，一般能夠避免單一數(shù)據(jù)源可能帶來的隨機(jī)誤差，從而增加預(yù)測(cè)模型的準(zhǔn)確性。當(dāng)然，受計(jì)算條件和業(yè)務(wù)時(shí)間限制，選擇相對(duì)較少的預(yù)測(cè)數(shù)據(jù)源組合開展風(fēng)電功率預(yù)測(cè)是推薦的方法。

另外，對(duì)于高分辨率氣象數(shù)據(jù)源預(yù)測(cè)效果不一定優(yōu)于低分辨率氣象數(shù)據(jù)源這一統(tǒng)計(jì)結(jié)果，可以從中尺度數(shù)值天氣預(yù)報(bào)物理降尺度過程進(jìn)行分析。中國(guó)氣象局9km×9km、2.5km×2.5km 數(shù)據(jù)雖然網(wǎng)格分辨率有高低，但由于其源頭數(shù)據(jù)來自同一機(jī)構(gòu)，而降尺度過程中使用的數(shù)學(xué)物理方程采用了很多近似和假設(shè)，可能出現(xiàn)高精度網(wǎng)格預(yù)測(cè)結(jié)果因?yàn)槟硞€(gè)近似過程放大隨機(jī)誤差，或產(chǎn)生系統(tǒng)偏差，從而導(dǎo)致在某一預(yù)測(cè)時(shí)段可能出現(xiàn)原始數(shù)據(jù)預(yù)測(cè)精度被降低的情形。

5 結(jié)論與討論

通過對(duì)比分析不同氣象預(yù)測(cè)數(shù)據(jù)源對(duì)風(fēng)電場(chǎng)風(fēng)速的預(yù)測(cè)準(zhǔn)確率，得出主要結(jié)論如下：

（1）多種數(shù)據(jù)源混合訂正預(yù)測(cè)結(jié)果總體優(yōu)于單一氣象數(shù)據(jù)源預(yù)測(cè)結(jié)果，在預(yù)測(cè)模型優(yōu)化過程中可重點(diǎn)研究混合訂正氣象數(shù)據(jù)源的應(yīng)用。

（2）同一氣象數(shù)據(jù)源在不同場(chǎng)站預(yù)測(cè)效果不一致，并無絕對(duì)優(yōu)勢(shì)。

（3）高分辨率氣象數(shù)據(jù)源預(yù)測(cè)效果不一定優(yōu)于低分辨率氣象數(shù)據(jù)源。

綜上，某種氣象數(shù)據(jù)源在風(fēng)速預(yù)測(cè)中并不具有絕對(duì)優(yōu)勢(shì)，需結(jié)合風(fēng)電場(chǎng)地形地貌、大氣環(huán)流背景等特征，并根據(jù)預(yù)測(cè)結(jié)果不斷調(diào)整優(yōu)化，才能尋找出最適合現(xiàn)場(chǎng)的氣象數(shù)據(jù)源，確保風(fēng)電功率預(yù)測(cè)結(jié)果穩(wěn)定、可靠。同時(shí)，由于本文分析選取的數(shù)據(jù)時(shí)間段較短，代表性有限，今后將進(jìn)一步深入分析不同氣象預(yù)測(cè)數(shù)據(jù)源對(duì)風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)準(zhǔn)確率的影響。