短期風(fēng)電功率的預(yù)測方法

范 宏，陳成優(yōu)，金義雄

(上海電力學(xué)院 電氣工程學(xué)院，上海 200090)

風(fēng)能［1，2］為間歇性能源，受眾多地理和氣象因素的影響，而且風(fēng)電場的有功功率和無功功率隨風(fēng)速的變化而變化，當風(fēng)電場接入電力系統(tǒng)后，其波動會對配電網(wǎng)的頻率穩(wěn)定、功角穩(wěn)定、電壓穩(wěn)定、諧波、電壓波動與閃變、網(wǎng)損及潮流分布、備用成本、發(fā)電計劃、系統(tǒng)可靠性等諸多方面產(chǎn)生影響.在大規(guī)模風(fēng)電接入系統(tǒng)后［3］，短期風(fēng)電功率預(yù)測對電力系統(tǒng)的調(diào)度和安全穩(wěn)定有重要作用［4，5］.

短期風(fēng)電功率預(yù)測［6，7］是以“小時”為預(yù)測單位，一般提前1～48 h或72 h對每小時的功率進行預(yù)測，其目的是供調(diào)度部門根據(jù)風(fēng)電場出力曲線優(yōu)化常規(guī)機組出力及安排備用，以降低運行成本、保證供電質(zhì)量.超短期預(yù)測是以“分鐘”為預(yù)測單位，一般是提前幾小時或幾十分鐘進行預(yù)測，其目的是為風(fēng)電機組的控制提供數(shù)據(jù).風(fēng)電短期預(yù)測和超短期預(yù)測對電力調(diào)度和風(fēng)電安全生產(chǎn)運行起重要作用.《國家電網(wǎng)風(fēng)電場接入電網(wǎng)技術(shù)規(guī)定》明確要求風(fēng)電場向調(diào)度部門提供短期風(fēng)電功率預(yù)測和超短期風(fēng)電功率預(yù)測，規(guī)定在電力調(diào)度部門制定日運行方式時，風(fēng)電場應(yīng)提供該日24 h輸出功率預(yù)測值;在運行過程中，風(fēng)電場提供未來1～2 h內(nèi)風(fēng)電場的輸出功率預(yù)測值.因此，開展風(fēng)電功率預(yù)測研究，特別是短期和超短期預(yù)測研究，對于調(diào)度員制定發(fā)電計劃、安排備用容量、增加系統(tǒng)運行的可靠性、減少對系統(tǒng)穩(wěn)定的影響、制定更合理的電價，都有十分重要的意義［8，9］.

1 風(fēng)電功率的預(yù)測方法

目前，國內(nèi)外用于風(fēng)電功率預(yù)測的方法可以分為兩類:一是基于歷史數(shù)據(jù)的風(fēng)電場功率預(yù)測法;二是基于數(shù)值天氣預(yù)報的風(fēng)電功率預(yù)測法［10，11］.

1.1 基于歷史數(shù)據(jù)的風(fēng)電功率預(yù)測法

基于歷史數(shù)據(jù)的風(fēng)電場功率預(yù)測是指根據(jù)歷史數(shù)據(jù)來預(yù)測風(fēng)電場功率的方法，也就是在若干個歷史數(shù)據(jù)(包括功率、風(fēng)速、風(fēng)向等參數(shù))和風(fēng)電場的功率輸出之間建立一種映射關(guān)系，主要包括:持續(xù)法、線性法、人工神經(jīng)網(wǎng)絡(luò)法等［12-14］.

1.1.1 持續(xù)法

這是最簡單的預(yù)測方法，是把最近一點的風(fēng)速或功率觀測值作為下一點的預(yù)測值，該法適用于3～6 h以下的預(yù)測.該法通常采用時間序列模型，其預(yù)測誤差較大且預(yù)測結(jié)果不穩(wěn)定.其改進后的方法為卡爾曼濾波法，這一預(yù)測法具有可以動態(tài)修改預(yù)測權(quán)值的優(yōu)點，且預(yù)測精度較高，但是建立卡爾曼狀態(tài)方程和測量方程較為困難，此算法只適用于在線風(fēng)力發(fā)電功率預(yù)測.

采用時間序列法可以對風(fēng)速進行時間序列分析［15-17］，然后將其轉(zhuǎn)換成風(fēng)電場輸出功率，也可直接對風(fēng)電場的輸出功率進行時間序列分析.輸入數(shù)據(jù)通常包含風(fēng)速、風(fēng)向、氣溫、氣壓等SCADA實時數(shù)據(jù).

1.1.2 線性法

在線性預(yù)測法中，應(yīng)用較為廣泛的是ARMA法.ARMA法優(yōu)于持續(xù)法，通常采用一組不同階數(shù)的ARMA的模型組合，對提前1～6 h的風(fēng)速及風(fēng)電場功率進行研究.該法利用大量的歷史數(shù)據(jù)來建模，經(jīng)過模型識別、參數(shù)估計、模型檢驗來確定一個能夠描述所研究時間序列的數(shù)學(xué)模型［18］，再由該模型推導(dǎo)出預(yù)測模型.該法計算精度較高，其中訓(xùn)練數(shù)據(jù)和驗證數(shù)據(jù)的選取很重要.

根據(jù)Box-Jenkins方法，可將隨機時間序列的模型分為4類:自回歸模型(AR);滑動平均模型(MA);自回歸-滑動平均模型(ARMA);累積式自回歸-滑動平均模型(ARIMA).對于AR模型，當前時刻的觀測值由過去幾個歷史時刻的觀測值和一個當前時刻的隨機干擾來表示;對于MA模型，當前時刻的觀測值由稱作隨機干擾的白噪音序列的線性組合來表示;將AR模型與MA模型結(jié)合起來，就可以得到ARMA模型.

1.1.3 人工神經(jīng)網(wǎng)絡(luò)法

人工神經(jīng)網(wǎng)絡(luò)［19，20］是模仿人腦結(jié)構(gòu)及其功能，由大量簡單處理元件以某種拓撲結(jié)構(gòu)大規(guī)模連接而成的，對復(fù)雜問題的求解比較有效，已有人將其用于風(fēng)電場風(fēng)速和發(fā)電功率預(yù)測.目前廣泛應(yīng)用于風(fēng)電場風(fēng)速及功率預(yù)測的神經(jīng)網(wǎng)絡(luò)為多層前饋神經(jīng)網(wǎng)絡(luò)，即BP神經(jīng)網(wǎng)絡(luò)［21］，它包括一個輸入層、一個或多個隱層和一個輸出層，層間的神經(jīng)元進行單向連接，層內(nèi)的神經(jīng)元則相互獨立.隱層神經(jīng)元的映射函數(shù)常采用S型函數(shù)，輸出層采用線性函數(shù).網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程就是權(quán)值的調(diào)整過程，由信號的正向傳播與誤差的反向傳播兩個步驟來實現(xiàn).經(jīng)過良好訓(xùn)練的網(wǎng)絡(luò)，對于不是訓(xùn)練集中的輸入也能給出合適的輸出，具有泛化能力，這種能力為預(yù)測提供了可能性.神經(jīng)網(wǎng)絡(luò)法的優(yōu)點在于能并行計算、有自適應(yīng)性，可充分逼近復(fù)雜的非線性關(guān)系.

1.2 基于數(shù)值天氣預(yù)報的風(fēng)電功率預(yù)測法

基于數(shù)值天氣預(yù)報的風(fēng)電功率預(yù)測法是指利用氣象部門提供的數(shù)值天氣預(yù)報模型，對風(fēng)電場或附近某個點的天氣情況(如風(fēng)速［22，23］、風(fēng)向、氣溫、氣壓等參數(shù))進行預(yù)測，并建立預(yù)測模型，再結(jié)合其他輸入，將數(shù)值氣象預(yù)報模型的預(yù)測值轉(zhuǎn)換成風(fēng)電場功率輸出的方法.這類方法的短期預(yù)測模型有統(tǒng)計模型和物理模型兩類.

1.2.1 統(tǒng)計模型

統(tǒng)計模型方法［24，25］在系統(tǒng)的輸入中包含了數(shù)值天氣預(yù)報模型、風(fēng)電場的測量數(shù)據(jù)等，并和風(fēng)電場功率建立了一種映射關(guān)系，其中包含線性和非線性函數(shù)的關(guān)系.其優(yōu)點是預(yù)測具有自適應(yīng)性，可以自發(fā)調(diào)節(jié)風(fēng)電場位置，且系統(tǒng)誤差自動減小.缺點是需要長期測量數(shù)據(jù)及進行額外的訓(xùn)練和計算.另外，在極端天氣狀況下需要進行修正，否則會產(chǎn)生很大的預(yù)測誤差.

1.2.2 物理模型

物理模型方法［26］一般采用時間序列模型，其輸入數(shù)據(jù)包含數(shù)值天氣預(yù)報系統(tǒng)的風(fēng)速、風(fēng)向、氣溫、氣壓等數(shù)據(jù).該方法可以根據(jù)風(fēng)電場周圍的地形數(shù)據(jù)(如等高線、粗糙度、障礙物、溫度分層等)得到風(fēng)電機組輪轂高度的風(fēng)速、風(fēng)向等信息，并根據(jù)風(fēng)電場的功率曲線計算得到風(fēng)電場的輸出功率.物理模型方法通常采用中尺度或微尺度模型在數(shù)值天氣預(yù)報模型與當?shù)仫L(fēng)之間建立映射關(guān)系，這一方法包含兩個步驟:一是從天氣預(yù)報點水平外推到風(fēng)電機組坐標處;二是從氣象預(yù)報提供的高度轉(zhuǎn)換到輪轂高度.該方法的優(yōu)點在于不需要大量的、長期的測量數(shù)據(jù)，且更適用于復(fù)雜地形.缺點是需要豐富的氣象知識，且建立的模型較為復(fù)雜.

2 風(fēng)電功率預(yù)測誤差

受限于現(xiàn)有系統(tǒng)的預(yù)測精度，風(fēng)電功率預(yù)測值與實際值之間存在一定的誤差［27，28］.該預(yù)測誤差來源于天氣條件的快速變化、測量數(shù)據(jù)的損害、風(fēng)電機組的停運、數(shù)值天氣預(yù)測數(shù)據(jù)誤差及預(yù)測模型的不準確，其分布特性是風(fēng)電功率預(yù)測精度評估和大規(guī)模風(fēng)電并網(wǎng)電力系統(tǒng)優(yōu)化調(diào)度的重要參考依據(jù).目前已有的預(yù)測方法中大多采用正態(tài)分布模型，但是就精確度而言，會在一定程度上偏離預(yù)測誤差的實際概率分布.

對短期風(fēng)電功率預(yù)測誤差進行綜合評價是改進預(yù)測精度、指導(dǎo)預(yù)測結(jié)果合理應(yīng)用的前提.當前風(fēng)電功率預(yù)測誤差評價主要采用均值類指標(如均方根誤差RMSE，平均絕對誤差MAE，平均誤差ME等)，無法全面、準確地反映預(yù)測系統(tǒng)的運行情況.風(fēng)電功率預(yù)測誤差有很多存在形式，需要提出一套包含縱向誤差、橫向誤差、相關(guān)因子與極端誤差等在內(nèi)的綜合評價方法，才能對不同預(yù)測方法、預(yù)測系統(tǒng)的不同誤差環(huán)節(jié)進行較為全面的評價［29，30］.

3 國內(nèi)外風(fēng)電預(yù)測系統(tǒng)

20世紀90年代初期，歐洲一些國家已開始研發(fā)風(fēng)能預(yù)報系統(tǒng)并投入使用［31］，如丹麥的Prediktor預(yù)報系統(tǒng)就在丹麥、西班牙、愛爾蘭、德國等國承擔短期風(fēng)能預(yù)報業(yè)務(wù)，丹麥的WPPT預(yù)報工具也用于歐洲一些地區(qū).90年代中后期，美國研發(fā)出的eWind和Prediktor預(yù)報系統(tǒng)在加利福尼亞同時用于兩大風(fēng)電場.目前用于風(fēng)能業(yè)務(wù)預(yù)報系統(tǒng)的還有丹麥的WASP，德國的Previento，西班牙的LocalPred和RegioPred，以及愛爾蘭和丹麥的 HIRPOM［32，33］.其中，WASP 應(yīng)用最為廣泛［34］，其核心物理模型是一個微尺度線性風(fēng)場診斷模式，而近地層風(fēng)場的形成是一個非線性、多因子影響的過程，因此在復(fù)雜地形應(yīng)用該軟件會產(chǎn)生比較大的誤差.

由于風(fēng)能資源分布范圍廣、能量密度相對較低且具有一定的不穩(wěn)定性，準確的資源評估是進行風(fēng)能資源開發(fā)利用的關(guān)鍵環(huán)節(jié)，而進行資源評估的前提是必須掌握風(fēng)能資源的形成機理與分布特征［35］.我國對風(fēng)電功率預(yù)測的研究工作正處于探索階段，中國電力科學(xué)院新能源研究所已研發(fā)出風(fēng)電功率預(yù)測系統(tǒng)WPFS，使用的短期預(yù)測方法為時間序列法和人工神經(jīng)網(wǎng)絡(luò)法.

4 結(jié)語

由于風(fēng)的高度的隨機波動性和間歇性，使得大容量的風(fēng)電接入電網(wǎng)會對電力供需平衡、電力系統(tǒng)的安全以及電能質(zhì)量形成嚴峻挑戰(zhàn)，因此準確的風(fēng)電短期預(yù)測研究對風(fēng)電并網(wǎng)意義重大.另外，準確的風(fēng)電功率預(yù)測系統(tǒng)的使用能夠有效促進風(fēng)電的規(guī)?；l(fā)展，對風(fēng)電行業(yè)的發(fā)展有積極的推動作用.

［1］吳義純.含風(fēng)電場的電力系統(tǒng)可靠性與規(guī)劃問題的研究［D］.合肥:合肥工業(yè)大學(xué)，2006.

［2］羅如意，林曄，錢野.世界風(fēng)電產(chǎn)業(yè)發(fā)展綜述［J］.可再生能源，2010，28(2):14-17.

［3］雷亞洲.與風(fēng)電并網(wǎng)相關(guān)的研究課題［J］.電力系統(tǒng)自動化，2003，27(8):84-89.

［4］魏曉霞.我國大規(guī)模風(fēng)電接入電網(wǎng)面臨的挑戰(zhàn)［J］.研究與探討，2010，32(2):19-21.

［5］王富，徐學(xué)淵.我國風(fēng)力發(fā)電市場前景及存在的問題［J］.電站輔機，2010，31(1):1-4.

［6］王成山，鄭海峰，謝瑩華，等.計及分布式發(fā)電的配電系統(tǒng)隨機潮流計算［J］.電力系統(tǒng)自動化，2005，29(24):39-44.

［7］劉永前，韓爽，胡永生.風(fēng)電場出力短期預(yù)報研究綜述［J］.現(xiàn)代電力，2007，24(5):6-11.

［8］李俊峰，高虎，施鵬飛，等.中國風(fēng)電發(fā)展報告［M］.北京:中國環(huán)境科學(xué)出版社，2007:2-3.

［9］呂天文.中國新能源行業(yè)分析與展望［J］.電源技術(shù)應(yīng)用，2009，12(3):1-3.

［10］韓爽.風(fēng)電場功率短期預(yù)測方法研究［D］.北京:華北電力大學(xué)，2008.

［11］洪翠，林維，溫步瀛.風(fēng)電場風(fēng)速及風(fēng)電功率預(yù)測方法研究綜述［J］.電網(wǎng)與清潔能源，2011，27(1):60-66.

［12］王松巖，于繼來.風(fēng)速與風(fēng)電功率的聯(lián)合條件概率預(yù)測方法［J］.中國電機工程學(xué)報，2011，31(7):7-14.

［13］孫元章，吳俊，李國杰，等.基于風(fēng)速預(yù)測和隨機規(guī)劃的含風(fēng)電廠電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度［J］.中國電機工程學(xué)報，2009，29(4):41-47.

［14］潘迪夫，劉輝，李燕飛.基于時間序列分析和卡爾曼濾波算法的風(fēng)電場風(fēng)速預(yù)測優(yōu)化模型［J］.電網(wǎng)技術(shù)，2008，32(7):82-86.

［15］BILLINTON R，CHEN H，GHAJAR R.Time-series models for reliability evaluation of power systems including wind energy［J］.Microelectron.Reliab，1996，36(9):1 253-1 261.

［16］CHEN Z，SPOONER E.Grid power quality with variable speed wind turbines［J］.IEEE Trans on Energy Conversion，2001，16(2):148-154.

［17］SAHD Saoud Z，JENKINS N.Models for predicting flicker induced by large wind turbines［J］.IEEE Transactions on Energy Conversion，1999，14(3):743-748.

［18］BOTH R R.Power system simulation model based on probability analysis［J］.IEEE Transactions on Power Apparatus and Systems，1972(1):62-69.

［19］范高鋒，王偉勝，劉純，等.基于人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測［J］.中國電機工程學(xué)報，2008，28(34):118-123.

［20］師洪濤，楊靜玲，丁茂生，等.基于小波-BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測方法［J］.電力系統(tǒng)自動化，2011，35(16):44-48.

［21］陳聰聰，王維慶.基于小波神經(jīng)網(wǎng)絡(luò)法的短期風(fēng)電功率預(yù)測方法研究［J］.工業(yè)控制計算機，2010，10(2):15-20.

［22］FEIJOO A E，CIDRAS，DOMELAS J L G.Wind speed simulation in wind farms for steady-state security assessment of electrical power systems［J］.IEEE Transactions on Energy Conversion，1999，14(4):1 582-1 588.

［23］FEIJOO A E，CIDRAS J.Modeling of wind farms in the load flow analysis［J］.IEEE Trans.on Power Systems，2000，15(1):110-115.

［24］BLUDSZUWEIT H，DOMINGUEZ Navarro J A.Statistical analysis of wind power forecast error［J］.IEEE Trans.on Power Systems，2008，23(3):983-991.

［25］BOWDEN G J，BARKER P R，SHESTOPAL V O，et al.The weibull distribution function and wind power statistics［J］.Wind Engineering，1983，7(2):85-98.

［26］王丹，孫昶輝.風(fēng)電場發(fā)電量計算的物理模型［J］.中國電力，2011，44(1):94-97.

［27］王海超，魯宗相，周雙喜.風(fēng)電場發(fā)電容量可信度研究［J］.中國電機工程學(xué)報，2005，25(10):103-106.

［28］MBHAN P，BALASUBRAMANIAN R，RAO K S P.A new fourier method for evaluating generation system reliability indices［J］.IEEE Transactions on Power Systems，1986，1(3):88-94.

［29］徐曼，喬穎，魯宗相.短期風(fēng)電功率預(yù)測誤差綜合評價方法［J］.電力系統(tǒng)自動化，2011，35(12):20-26.

［30］劉斌，周京陽，周海明，等.一種改進的風(fēng)電功率預(yù)測誤差分布模型［J］.華東電力，2012，40(2):286-291.

［31］Fuerte Esquivel C R，Tovar Hernández J H，Gutierrez Alcaraz G，et al.Discussion of“modeling of wind farms in the load flow analysis”［J］.IEEE Transactions on Power Systems，2001，16(4):951.

［32］楊秀媛，肖洋，陳樹勇.風(fēng)電場風(fēng)速和發(fā)電功率預(yù)測研究［J］.中國電機工程學(xué)報，2005，25(11):1-5.

［33］谷興凱，范高鋒，王曉蓉，等.風(fēng)電功率預(yù)測技術(shù)綜述［J］.電網(wǎng)技術(shù):增刊，2007:335-338.

［34］陳兆慶，王崢，陸艷艷，等.華東沿海風(fēng)電場出力預(yù)測的研究和探討［J］.華東電力，2010，38(3):384-387.