王冠

摘要：受新能源平價(jià)上網(wǎng)政策逐步實(shí)施的影響，國(guó)內(nèi)迎來(lái)了新一輪風(fēng)力發(fā)電建設(shè)潮。由于風(fēng)資源自身的特點(diǎn)，精準(zhǔn)的功率預(yù)測(cè)能夠精準(zhǔn)地指導(dǎo)未來(lái)某段時(shí)間的發(fā)電能力，有助于電網(wǎng)企業(yè)穩(wěn)定電網(wǎng)運(yùn)行。對(duì)于風(fēng)電場(chǎng)經(jīng)營(yíng)企業(yè)而言，精準(zhǔn)的功率預(yù)測(cè)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(duì)風(fēng)電場(chǎng)功率預(yù)測(cè)系統(tǒng)運(yùn)行可靠性和預(yù)測(cè)精度提升的實(shí)踐進(jìn)行研究，以供參考。

關(guān)鍵詞：風(fēng)電場(chǎng)功率預(yù)測(cè)系統(tǒng);運(yùn)行可靠性;預(yù)測(cè)精度提升;實(shí)踐對(duì)策

引言

風(fēng)能是一種重要的清潔能源，風(fēng)力發(fā)電近年來(lái)發(fā)展迅速，我國(guó)大批風(fēng)電場(chǎng)投入建設(shè)和運(yùn)行。風(fēng)電機(jī)組功率特性曲線能夠明顯地表現(xiàn)出其運(yùn)行特征，是評(píng)估機(jī)組運(yùn)行狀態(tài)的重要技術(shù)指標(biāo)。出于技術(shù)層面考慮，風(fēng)電機(jī)組以功率性能曲線作為設(shè)計(jì)依據(jù)、性能檢驗(yàn)指標(biāo)和發(fā)電量考核指標(biāo);出于經(jīng)濟(jì)層面考慮，功率性能曲線的優(yōu)劣會(huì)直接影響風(fēng)電場(chǎng)的經(jīng)濟(jì)效益。因此對(duì)功率性能曲線進(jìn)行有效的研究與處理具有重要意義。隨著我國(guó)高等教育規(guī)模的迅速發(fā)展，教學(xué)模式創(chuàng)新是創(chuàng)新教育的重要內(nèi)容。

1風(fēng)電功率預(yù)測(cè)關(guān)鍵技術(shù)

風(fēng)電功率預(yù)測(cè)技術(shù)涵蓋氣象學(xué)、電氣工程學(xué)和統(tǒng)計(jì)學(xué)等交叉應(yīng)用學(xué)科，是保障電網(wǎng)安全運(yùn)行和風(fēng)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(chǎng)中不包含云及水汽信息，在啟動(dòng)一段時(shí)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(yù)報(bào)?？刹捎每焖傺h(huán)更新的方法，即令模式的背景場(chǎng)更新頻率降低，比如每3d更新一次，而其間的常規(guī)啟動(dòng)不再使用背景場(chǎng)，改為使用上一次預(yù)報(bào)的預(yù)報(bào)場(chǎng)，這樣就在初始場(chǎng)中保留了上一次預(yù)報(bào)的云和水汽信息，有利于提升區(qū)域模式初始條件預(yù)報(bào)精度及節(jié)省計(jì)算時(shí)間。2）定制參數(shù)化預(yù)報(bào)技術(shù)。不同地區(qū)的地形、地貌及天氣類型差別很大，應(yīng)考慮有地區(qū)針對(duì)性的物理過(guò)程參數(shù)化方案組合，而非對(duì)所有地區(qū)都使用同一套方案。對(duì)于地形、地貌復(fù)雜的風(fēng)電場(chǎng)區(qū)域，應(yīng)在考慮計(jì)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(duì)邊界層和陸面過(guò)程等影響近地面風(fēng)速的參數(shù)化方案進(jìn)行細(xì)調(diào)。同時(shí)，應(yīng)考慮使用云分析手段同化局地的衛(wèi)星、雷達(dá)、地基云圖等觀測(cè)資料，以改進(jìn)輻照度預(yù)報(bào)效果。3）人工智能建模技術(shù)。對(duì)于預(yù)測(cè)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(fēng)電功率預(yù)測(cè)的技術(shù)瓶頸，實(shí)現(xiàn)預(yù)精度的顯著提升。由于人工智能模型具有自學(xué)習(xí)能力，包括深信度網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)以及循環(huán)神經(jīng)網(wǎng)絡(luò)等，與物理統(tǒng)計(jì)模型相比，人工智能模型具有更高精度的預(yù)測(cè)結(jié)果，如“機(jī)器學(xué)習(xí)+數(shù)據(jù)庫(kù)”的數(shù)據(jù)挖掘技術(shù)將提高短期功率預(yù)測(cè)精度。4）在線互動(dòng)預(yù)測(cè)技術(shù)。目前風(fēng)電功率預(yù)測(cè)普遍采用“離線建模、模型封裝、模型嵌入”的運(yùn)行模式，存在預(yù)測(cè)模型更新不及時(shí)、不能實(shí)時(shí)響應(yīng)風(fēng)電場(chǎng)運(yùn)行狀態(tài)等問(wèn)題，在一定程度上影響了預(yù)測(cè)精度。建立“在線建模、實(shí)時(shí)調(diào)整、集中分布”的在線互動(dòng)預(yù)測(cè)方法，對(duì)于提升預(yù)測(cè)模型的響應(yīng)能力、提高預(yù)測(cè)精度意義重大。

2風(fēng)電機(jī)組運(yùn)行數(shù)據(jù)分析

在風(fēng)電機(jī)組運(yùn)行的過(guò)程中，通過(guò)SCADA監(jiān)控系統(tǒng)對(duì)風(fēng)速、空氣密度、功率、周圍環(huán)境溫度、大氣壓力等數(shù)據(jù)進(jìn)行收集，選取所需的數(shù)據(jù)及適用條件。針對(duì)風(fēng)力發(fā)電機(jī)組的性能分析，本文建立了風(fēng)電機(jī)組的兩種功率性能曲線，即功率曲線（功率-風(fēng)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(diǎn)，為了保證實(shí)驗(yàn)所得數(shù)據(jù)能夠如實(shí)反映風(fēng)電機(jī)組運(yùn)行時(shí)的功率輸出情況，需要結(jié)合相關(guān)標(biāo)準(zhǔn)與實(shí)際情況進(jìn)行數(shù)據(jù)剔除及修正。對(duì)數(shù)據(jù)進(jìn)行處理主要采用如下規(guī)則：①剔出風(fēng)電機(jī)組運(yùn)行不正常點(diǎn)，即風(fēng)電機(jī)組的運(yùn)行風(fēng)速已大于切入風(fēng)速，但是輸出功率仍為0或者負(fù)值的運(yùn)行點(diǎn);②剔出風(fēng)電機(jī)組停機(jī)點(diǎn)，即在切入風(fēng)速與切出風(fēng)速之間運(yùn)行階段，輸出功率從正常運(yùn)行降到0或者負(fù)值的運(yùn)行點(diǎn)，刪除這些點(diǎn)以及相鄰的前3個(gè)點(diǎn);③剔出風(fēng)電機(jī)組啟動(dòng)過(guò)程點(diǎn)，即剔出在切入風(fēng)速以上，輸出功率由0或者負(fù)值直接增加到正值的過(guò)程，刪除其后面的3個(gè)點(diǎn)。按照上述方法進(jìn)行處理后，就基本刪除了影響比較大的異常數(shù)據(jù)點(diǎn)，最后將處理后的數(shù)據(jù)放入數(shù)據(jù)庫(kù)。由于風(fēng)電機(jī)組的功率性能曲線受到海拔、大氣環(huán)境、空氣密度、風(fēng)速等的影響，在功率性能曲線測(cè)量的過(guò)程中需要對(duì)相關(guān)系數(shù)進(jìn)行修正。

3功率預(yù)測(cè)模型的優(yōu)化

3.1功率預(yù)測(cè)模型的持續(xù)優(yōu)化

新能源場(chǎng)站的超短期功率預(yù)測(cè)，目前的規(guī)則要求是每15min預(yù)測(cè)場(chǎng)站未來(lái)0～4h的功率，并將預(yù)測(cè)結(jié)果上傳至調(diào)度部門的主站，按照每15min取1個(gè)點(diǎn)，上傳16個(gè)點(diǎn)。而新能源場(chǎng)站的短期預(yù)測(cè)，要預(yù)測(cè)未來(lái)4天的數(shù)據(jù)，也是按照每15min取1個(gè)點(diǎn)。物理模型在短期功率預(yù)測(cè)精度高，但該類模型的計(jì)算量較大，并不適合超短期功率預(yù)測(cè)。統(tǒng)計(jì)模型的優(yōu)勢(shì)在于超短期功率預(yù)測(cè)，目前較為成熟的統(tǒng)計(jì)模型有采用極限學(xué)習(xí)機(jī)等。由于各類預(yù)測(cè)模型都有自身的優(yōu)點(diǎn)和缺點(diǎn)，用單個(gè)預(yù)測(cè)模型獲得的預(yù)測(cè)結(jié)果，很難保證在任何工況下的預(yù)測(cè)結(jié)果都是合格的。因此工程實(shí)踐中必須綜合多種模型的優(yōu)點(diǎn)建立組合預(yù)測(cè)模型。

3.2篩選優(yōu)質(zhì)數(shù)據(jù)修正預(yù)測(cè)偏差

由于目前新能源場(chǎng)站普遍存在限負(fù)荷、計(jì)劃停電等場(chǎng)外受累發(fā)電的情況，會(huì)影響誤導(dǎo)模型的學(xué)習(xí)和訓(xùn)練過(guò)程，必須進(jìn)行數(shù)據(jù)篩選，以實(shí)現(xiàn)對(duì)原始實(shí)測(cè)數(shù)據(jù)的質(zhì)量控制。實(shí)際工程實(shí)踐上，一般是將限電時(shí)段、風(fēng)機(jī)檢修時(shí)段的數(shù)據(jù)歸類為無(wú)效數(shù)據(jù)并予以剔除。通過(guò)剔除非正常發(fā)電規(guī)律數(shù)據(jù)等影響預(yù)測(cè)模型效果的因素，篩選出非場(chǎng)外受累時(shí)段的高質(zhì)量實(shí)測(cè)發(fā)電數(shù)據(jù)，及時(shí)提取正常發(fā)電的特征要素，并用于提升算法模型的訓(xùn)練測(cè)試。山地風(fēng)場(chǎng)的地形較為復(fù)雜，而且局部氣象不統(tǒng)一、部分風(fēng)機(jī)尾流效應(yīng)大的現(xiàn)象普遍，可以將預(yù)測(cè)偏差較大的某幾臺(tái)風(fēng)機(jī)，從全場(chǎng)風(fēng)機(jī)中篩選出來(lái)，進(jìn)行單獨(dú)的預(yù)測(cè)結(jié)果校正。

4建議

4.1做好風(fēng)電場(chǎng)發(fā)電預(yù)測(cè)工作

從當(dāng)前對(duì)所有的風(fēng)電場(chǎng)在運(yùn)行時(shí)的狀態(tài)進(jìn)行分析時(shí)，能發(fā)現(xiàn)風(fēng)電場(chǎng)運(yùn)行的質(zhì)量與風(fēng)能的大小、風(fēng)速、風(fēng)力有著非常密切的關(guān)系，直接決定了風(fēng)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(yùn)行時(shí)的質(zhì)量。為此，在整個(gè)風(fēng)電場(chǎng)進(jìn)行經(jīng)營(yíng)管理的過(guò)程中，一定要考慮到采取多項(xiàng)管理措施與預(yù)測(cè)技術(shù)進(jìn)行工作與學(xué)習(xí)，在風(fēng)電場(chǎng)運(yùn)行的過(guò)程中。要求其具有周期性，能夠?qū)罄m(xù)一段時(shí)間內(nèi)的風(fēng)能大小進(jìn)行準(zhǔn)確的預(yù)測(cè)，才能夠確保在后期開(kāi)展風(fēng)力發(fā)電機(jī)組調(diào)度工作時(shí)，其預(yù)測(cè)的質(zhì)量得到提升，也能夠根據(jù)問(wèn)題制定出最有效地預(yù)防和解決措施。達(dá)成規(guī)避電網(wǎng)的沖擊或者是由于第二波動(dòng)而導(dǎo)致的風(fēng)電場(chǎng)發(fā)電預(yù)測(cè)工作質(zhì)量在逐步下降的目的。

4.2建設(shè)新能源數(shù)據(jù)中心平臺(tái)

集中式頁(yè)面上構(gòu)建新的能源數(shù)據(jù)中心平臺(tái)，由于位置較多，數(shù)據(jù)量大，風(fēng)力預(yù)測(cè)需要實(shí)際性能、每小時(shí)風(fēng)速等，因此可實(shí)現(xiàn)集中式數(shù)據(jù)收集和管理。一是實(shí)現(xiàn)數(shù)據(jù)集中采集和管理;二是便利集中生產(chǎn)建設(shè)專業(yè)管理平臺(tái)。集中風(fēng)電功率預(yù)測(cè)、預(yù)報(bào)系統(tǒng)可在新的能源中心平臺(tái)上收集位置數(shù)據(jù)，以及綜合天氣預(yù)報(bào)等信息，使該集控制的所有風(fēng)電場(chǎng)的能源預(yù)測(cè)和報(bào)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(luò)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(yù)測(cè)和預(yù)測(cè)的基礎(chǔ)上，建議在集中側(cè)設(shè)置一個(gè)管理預(yù)測(cè)風(fēng)電場(chǎng)的職位，并任命一名專職人員，負(fù)責(zé)系統(tǒng)的持續(xù)維護(hù)、故障分析、模型優(yōu)化等，改進(jìn)能源預(yù)測(cè)系統(tǒng)的運(yùn)行管理，密切關(guān)注預(yù)測(cè)指標(biāo)及限電規(guī)劃，改進(jìn)對(duì)短期預(yù)購(gòu)功率的人工干預(yù)，提高預(yù)測(cè)準(zhǔn)確性，切實(shí)提高風(fēng)電功率預(yù)測(cè)預(yù)報(bào)的整體工作質(zhì)量。

結(jié)束語(yǔ)

風(fēng)電場(chǎng)風(fēng)力預(yù)測(cè)為風(fēng)電場(chǎng)的電力規(guī)劃、供電計(jì)劃編制和風(fēng)電場(chǎng)維護(hù)提供了依據(jù)。風(fēng)力發(fā)電預(yù)測(cè)精度可能有助于風(fēng)電場(chǎng)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(fēng)勢(shì)的風(fēng)電場(chǎng)可以實(shí)現(xiàn)更加現(xiàn)實(shí)的風(fēng)擋規(guī)劃和維護(hù)時(shí)間，保證風(fēng)力渦輪機(jī)在風(fēng)中高效運(yùn)行，提高風(fēng)機(jī)在風(fēng)和風(fēng)流中的效率。對(duì)現(xiàn)有風(fēng)能預(yù)測(cè)的逐步改進(jìn)和預(yù)測(cè)準(zhǔn)確性的提高已證明是確保大型風(fēng)電場(chǎng)網(wǎng)絡(luò)安全和提高其經(jīng)濟(jì)性的關(guān)鍵。

參考文獻(xiàn)：

[1]許國(guó)春.基于數(shù)據(jù)驅(qū)動(dòng)的風(fēng)電場(chǎng)功率短期預(yù)測(cè)研究[D].新疆大學(xué)，2019.

[2]王建輝.風(fēng)電場(chǎng)短期功率預(yù)測(cè)及爬坡識(shí)別方法研究[D].湖南工業(yè)大學(xué)，2019.

[3]王韶龍.基于分量分治的風(fēng)電功率超短期組合預(yù)測(cè)方法[D].湘潭大學(xué)，2019.

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

[5]姚瑤.計(jì)及多因素影響的含風(fēng)電場(chǎng)發(fā)電系統(tǒng)可靠性研究[D].山東科技大學(xué)，2019.

中電投電力工程有限公司 ?上海 ?200233