中国风力发电网首页

中国风力发电网

风电新闻

热门搜索:风能  风力发电技术  风电产业  能源  风电叶片 

当前位置:中国风力发电网 » 风电新闻 » 风能专家 » 正文

中国农大电力工程系叶林:关于风电功率预测的若干问题

2016-09-27  来源:中国风力发电网  [已有0人评论]  [有偿投稿]
核心提示:目前风电功率预测分为统计方法、物理方法和组合预测方法。其核心的科学问题是如何寻找到风速与风电功率之间的非线性映射关系,将风电功率的不确定性转化为相对量化的确定性。
中国风力发电网讯:1、为什么研究风电功率预测?
1.1风电功率预测研究的背景
风力具有不确定性和间歇性,大规模的风电并网给电力系统调度运行控制带来了很大的影响。大规模风电并网存在的问题主要有:①风电场出力不确定性使得提供的发电计划与实际情况误差较大,无法满足电网调度部门制定调度计划、安排运行方式的要求;②在系统调峰能力不足的情况下,往往由于系统稳定的要求而无法有效消纳风电,频繁发生弃风限电现象;③风电并网的不确定性还会影响电网运行的经济性,为了弥补风电出力的不确定性和波动性,电力系统需要配置很高的备用容量,增加了电力系统的经济成本;④风电出力的波动会产生电压闪变波动和谐波等电能质量问题,将对电力系统的调度与控制产生不利的影响。
1.2风电功率预测的意义
造成上述问题的根本原因在于缺少精确的风电出力预测技术,如果能够对并网风电场的输出功率进行准确的预测,将为各级电力调度部门提供决策依据,可以有效地减轻大规模风电并网对电力系统安全稳定运行的影响。风电场的风电功率预测的意义可以①优化电网调度,减少旋转备用容量,节约燃料,保证电网经济运行,特别是对风电场功率进行短期预测,将使电力调度部门能够提前为风电功率变化及时调整调度计划;从而减少系统的备用容量、降低电力系统运行成本。②提前一两天对风电场的风电功率进行预测,满足电力市场交易需要,为风力发电竞价上网提供有利条件,将在很大程度上提高风力发电的市场竞争力。③风电场可以根据预测结果,选择无风或低峰时间段,即风电场功率小的时间,对设备进行维修,从而提高发电量和风电场容量系数。④中国大部分风电场是集中在一个区域内的大容量风电场(达百万千瓦级),风能的间歇性对于接入电网的影响更加突出,高精度的风电功率预测,将为电网调度运行提供决策依据,可以有效地提高电网运行的稳定性。
风电功率预测是解决大规模风电并网发电不确定性问题的主要方法之一,是解决大规模风电并网调度与控制问题的基础之一。风电功率预测有利于安排电网及风电场检修,提高电网和风电设备的可利用率;有利于电网的优化调度运行与控制,从而保证电能质量,降低备用容量,实现电网安全经济调度;能够减轻风电波动性和间歇性对电网造成的不利影响,提高电力系统对风电的接纳能力,从而为未来大规模风电并网提供了可靠的保障。因此,具有重要的学术研究意义和工程实用价值。
2、什么是风电功率预测?
2.1风电功率预测的定义
以电网数据采集与监控系统(SupervisoryControlAndDataAcquisition,SCADA)的信息(例如功率、风电机组及风电场运行状态);风速、风向、温度等测风塔数据;数值天气预报(NumericalWeatherPrediction,NWP)数据、地理地形地貌数据等作为输入信息,通过建立基于数据统计或物理方法的风电功率预测模型,预测未来不同时间段下的单个风电场或者区域风电场、电网调度管辖区域的有功功率。
2.2数值天气预报(NWP)是什么?
数值天气预报(NumericalWeatherPrediction,NWP)容易让人联想到气象部门的天气预报。事实上,随着科技的发展,看云识天气逐渐被精细化的数值天气预报所取代,数值天气预报是基于大气运动物理定律预报未来天气的方法,即将天气预报过程抽象为求解一组偏微分方程,而气象要素观测值(气温、气压、风、湿度、云、能见度和天气现象)可以作为偏微分方程的初值,通过求解带初值的偏微分方程得到未来一定时段的大气运动状态和天气状况。风电场根据数值天气预报模式下各处的风速、风向及其他要素的预报结果,然后借助基于数据统计或物理方法建立风电功率预测模型,得到风电场的输出功率预测值。
2.3风电功率预测的时间尺度
风电功率预测是估算未来不同时段下的风电输出的有功功率值(点预测)或有功功率变化范围(带预测)。风电功率预测时间尺度分类如图1所示。
图1风电功率预测时间尺度分类
1)实时预测:预测未来时间尺度为5~15分钟的风电功率输出,主要用于系统实时调度、调整自动发电控制(AGC)机组容量;
2)超短期预测:预测未来时间尺度为4小时以内的风电功率输出,主要用于调整发电计划、安排调度计划;
3)短期预测:预测未来时间尺度为72小时以内的风电功率输出,主要用于安排机组的出力计划、优化机组组合方式、电网调峰、日前调度;
4)中期预测:预测未来时间尺度为3~7天的风电功率输出,主要用于安排风电场检修或调试、运行方式的调整;
5)长期预测:预测未来时间尺度以月、年为单位的风电功率输出,用于风电资源评估、风电场规划设计及选址。
3、如何进行风电功率预测?
目前风电功率预测分为统计方法、物理方法和组合预测方法。其核心的科学问题是如何寻找到风速与风电功率之间的非线性映射关系,将风电功率的不确定性转化为相对量化的确定性。其中,风电功率是关键,高精度的风速预测并不等于高精度的风电功率预测。
3.1统计方法
统计方法是指采用一定的数学建模手段,在历史数值天气预报(NWP)信息、风速、风向以及功率等历史数据与风电功率之间建立某种映射关系,从而利用统计模型对未来风电功率进行预测。
统计方法分为两类,一类是基于时序模型的预测方法,通过研究风速或风电场功率等一系列时间序列历史数据之间的统计规律,建立风电功率预测值与风电场实际功率值间的非线性映射关系,对风电功率进行预测;另一类是基于人工智能模型的预测方法,通过对风电场大量实测数据来学习和训练,在历史数据输入与风电功率输出之间直接建立非线性映射关系。
3.2物理方法
物理方法侧重于描述风电场内相关气象要素(风速、风向、气温等)随着空间位置的变化过程,其整体结构如图2所示。首先利用数值天气预报系统预测风速、风向、温度、气压、湿度等天气数据,然后考虑风电场地形变化、地面粗糙度和障碍物等的影响,将数据转换成待预测风电场内各风力发电机轮毂高度的风速、风向等信息,并考虑尾流效应与风电场的排布,采用拟合的风电场实际功率曲线,得到风电场的功率预测值。整个物理方法中,可根据历史数据信息采用模型输出统计(Modeloutputstatistics,MOS)来校正预测误差。该方法不需要大量的历史数据,计算过程比较复杂。
图2物理方法的整体结构图
3.3组合方法
采用单一的物理预测方法或者统计方法预测风电功率的精度不能满足大规模风电并网运行的要求,有必要采用组合预测方法进行风电功率预测。组合方法的核心思想是采用多种预测方法的组合,降低单个预测方法的误差,提高预测精度。组合预测方法可分为三类:①第一类组合方法是将基于不同统计方法的预测值进行动态变权重组合。②第二类方法是不同的物理模型之间的组合。③第三类将物理模型与统计模型相结合。
3.4概率预测
概率预测是单点预测的延伸,通过建立历史风电功率误差值的概率密度函数和累积分布函数,然后根据给定的置信度,求取在该置信度下未来风电功率真实值可能出现的置信区间,常用的方法有分位数回归法、核密度、情景模拟法等。概率预测得到的风电功率置信区间是调度的基础,置信区间越小有利于调度人员的决策,但是置信区间越小置信度越低,对系统的安全稳定运行带来的风险也越大。
精确地表征风电功率预测误差的分布是概率预测的重要手段。评价概率预测的结果指标一般包括可靠度和锐度,可靠度表示预测的各分位数与根据实际测量统计得到的分位数之间的相符程度。锐度表示给定置信度下预测不确定度区间大小,用对应置信度的双侧分位数之差来表示。通常通过连续分级概率评分指标(Continuousrankedprobabilityscore,CRPS)来对概率密度分布做总体性评价,CRPS指标越小表示概率分布的预测越可靠。
4、如何评价风电功率预测的精度?
风功率预测具有不确定性,其误差是客观存在的,其产生的原因包括天气急剧变化、风电机组故障、天气预报数据误差、数据测量误差等。对风电功率预测模型进行综合评价有利于改善预测精度。通常采用风电功率的预测值和真实值之间的误差来评估风电功率预测的效果。常用的误差指标有用于衡量预测是否无偏的平均误差(Averageerror,AE)和平均百分误差(Averagepercentageerror,APE)、衡量误差偏差大小的平均绝对误差(Meanabsoluteerror,MAE)和平均绝对百分比误差(Meanabsolutepercentageerror,MAPE)以及衡量误差分布的均方根误差(Rootmeansquareerror,RMSE)等,其中RMSE、MAE是现行企业标准和推荐的行业标准,风电功率预测规范要求风电场的RMSE应低于20%。
同一个预测系统,由于预测区域大小、预测时间尺度和预测环境等的不同,风电功率预测的误差也不同,因此通过单一的误差指标来评价一个预测系统是不合理的,因此需要将多种误差指标相结合进行综合评价。
5、风电功率预测的未来研究点有哪些?
风电功率预测也是未来大规模风电并网运行控制的基础,未来风电功率预测有许多进一步研究的内容:
1)研究风电功率随时间、空间变化的基本规律,建立区域风电场输出功率表征动态等值模型,运用数学表征来模拟风速向风电出力的转化过程;
2)对风电功率预测结果的误差进行不确定性分析,研究多时间尺度下的风电功率预测误差概率分布特性,计算置信度和置信区间,给出误差评价指标体系;
3)进一步研发基于组合预测算法的多时间尺度风电功率预测系统;
4)建立、完善数值天气预报系统,开发空间升尺度和时间降尺度算法,研发风电功率预测云平台;
5)将大数据、系统控制理论与功率预测相结合,研发新能源功率多时间尺度分层调度优化控制系统;
6)深入研究风电功率预测与其他新能源发电预测的协调问题,开发含多种新能源发电系统的耦合功率预测系统;
7)研究风电场风能资源精细化评估方法,开发风能资源的动态评估分析软件。

 
 

(来源:电力系统自动化)

0条 [查看全部]  网友评论

名企专栏