張文波 閆曉敏 王亞同 邸燕君 王琦
(甘肅省氣象服務中心,蘭州 730020)
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)電及相關設備數(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。甘肅省氣象服務中心在新能源服務過程中,氣象服務信息缺乏統(tǒng)一存儲和管理,業(yè)務流程自動化、集約化水平較低,制約了新能源氣象服務業(yè)務的發(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工程”項目,著手研發(fā)風能太陽能氣象服務業(yè)務平臺,并于2018年10月,初步完成平臺的研發(fā)工作。
歐美風電大國在風電場端和電網(wǎng)調度端都建立了風電功率預測系統(tǒng),并制定了相應的管理制度。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,可以提供時間尺度15 min~5 d的發(fā)電功率預報以及結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)務試驗。
國內氣象部門為電力部門主要提供專業(yè)氣象服務,并為電力公司或電力企業(yè)研發(fā)了服務系統(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集成系統(tǒng),服務產品包括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,研發(fā)的服務系統(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)氣象服務領域,甘肅省氣象服務中心引進中國氣象局公共氣象服務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)務運行;2013年,甘肅省氣象服務中心引進湖北省氣象服務中心光伏、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)務應用。系統(tǒng)的引進和應用為甘肅省氣象服務中心拓展專業(yè)氣象服務領域、新能源氣象服務技術研發(fā)提供了支持和幫助。2016—2018年,因市場需求和業(yè)務需要,甘肅省氣象服務中心在之前開展新能源氣象服務業(yè)務的基礎上,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業(yè)務平臺的研發(fā)。
風能太陽能氣象服務業(yè)務平臺主要業(yè)務模塊為風能太陽能基礎數(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業(yè)務管理顯示五大模塊(圖1)。
圖1 風能太陽能氣象服務業(yè)務平臺設計結構Fig. 1 Design structure of wind energy solar weather service business platform
1)風能太陽能基礎數(shù)據(jù)庫:實現(xiàn)風光電場風機位置等基礎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)域內風能資源、光能資源進行短期預報,實現(xiàn)電網(wǎng)區(qū)域內發(fā)電功率預測。
5)風能太陽能氣象服務業(yè)務管理顯示:實現(xiàn)風、光電場的設置,風機型號設置,風機信息設置,測風塔信息設置,逆變器信息設置,輻射觀測站信息設置,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。
2.3.1 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)域內電場規(guī)模、地理位置、風光狀素預報,同時結合區(qū)域內風、光電裝機總量、機組參數(shù)等信息,實現(xiàn)各?。▍^(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)域內的預測精度更為準確,更有利于調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)域功率預測需要結合預測區(qū)域內風光電場的裝機、機組參數(shù)等信息對該區(qū)域的功率進行預測,主要服務于當?shù)仉娋W(wǎng)公司的調度部門。
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
數(shù)據(jù)庫的建設主要包括數(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,具有較高的可擴展性(可擴展新增業(yè)務數(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(基礎業(yè)務數(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)。
風能太陽能氣象服務平臺已在甘肅省氣象服務中心完成本地化部署,并投入業(yè)務使用。應用結果表明,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?。▍^(qū))進行安裝試運行。系統(tǒng)的應用界面如圖10。
圖10 系統(tǒng)的應用界面Fig. 10 System application interface
自風能太陽能氣象服務業(yè)務平臺投入業(yè)務運行以來,甘肅省氣象服務中心加強了對數(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度部門的要求(表1)。
表1 平臺應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
風能太陽能氣象服務業(yè)務平臺自項目開發(fā)、部署工作完成后,通過業(yè)務檢驗,平臺運行穩(wěn)定,可操作性強,反映了相關技術的相對成熟。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,便于推廣應用。
將該系統(tǒng)應用于新能源氣象服務業(yè)務中,能夠幫助業(yè)務人員快速、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)具有良好的應用推廣價值。
Advances in Meteorological Science and Technology2019年2期