風(fēng)電場(chǎng)短期功率預(yù)測(cè)水平提升舉措措施研究與實(shí)例分析

柳玉，白愷，崔正湃，孫榮富，吳宇輝，宋鵬，呂游

（1.華北電力科學(xué)研究院有限責(zé)任公司，北京　100045；2.國(guó)家電網(wǎng)公司風(fēng)光儲(chǔ)聯(lián)合發(fā)電運(yùn)行技術(shù)實(shí)驗(yàn)室，北京　100045；3.國(guó)網(wǎng)冀北電力有限公司，北京　100053；4.新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)），北京　102206）

風(fēng)電場(chǎng)短期功率預(yù)測(cè)水平提升舉措措施研究與實(shí)例分析

柳玉1，2，白愷1，2，崔正湃3，孫榮富3，吳宇輝1，宋鵬1，呂游4

（1.華北電力科學(xué)研究院有限責(zé)任公司，北京100045；2.國(guó)家電網(wǎng)公司風(fēng)光儲(chǔ)聯(lián)合發(fā)電運(yùn)行技術(shù)實(shí)驗(yàn)室，北京100045；3.國(guó)網(wǎng)冀北電力有限公司，北京100053；4.新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)），北京102206）

風(fēng)力發(fā)電作為一種隨機(jī)性、波動(dòng)性、反調(diào)節(jié)性的新能源電源形式，隨著其電網(wǎng)滲透率逐年攀升，給電網(wǎng)安全調(diào)度運(yùn)行帶來(lái)了安全隱患，尤其電網(wǎng)峰谷時(shí)段的調(diào)峰工作受到了安全性和經(jīng)濟(jì)性的雙重壓力。以提升風(fēng)電場(chǎng)功率預(yù)測(cè)準(zhǔn)確率、降低電網(wǎng)安全運(yùn)行風(fēng)險(xiǎn)為出發(fā)點(diǎn)，綜合分析了影響短期功率預(yù)測(cè)水平的技術(shù)因素和非技術(shù)管理因素，提出了預(yù)測(cè)水平提升的關(guān)鍵舉措措施，并以實(shí)際工作案例為樣本，驗(yàn)證了預(yù)測(cè)水平提升關(guān)鍵舉措措施的有效性和實(shí)用性。

風(fēng)電功率預(yù)測(cè)；測(cè)風(fēng)塔數(shù)據(jù)；集合預(yù)報(bào)；模型修正

近年來(lái)我國(guó)風(fēng)力發(fā)電裝機(jī)增長(zhǎng)迅速，尤其是風(fēng)能資源匯集區(qū)域的電網(wǎng)，裝機(jī)近千萬(wàn)千瓦風(fēng)電的新能源匯集區(qū)域，隨機(jī)性和波動(dòng)性的新能源出力給電力系統(tǒng)安全穩(wěn)定運(yùn)行帶來(lái)了巨大的挑戰(zhàn)。隨著電網(wǎng)滲透率逐年提高，風(fēng)電參與調(diào)峰調(diào)頻的需求日益增加，如何提升風(fēng)電場(chǎng)現(xiàn)場(chǎng)的短期功率預(yù)測(cè)水平，減少大規(guī)模風(fēng)力發(fā)電對(duì)電力系統(tǒng)安全調(diào)度運(yùn)行的影響，是目前亟需解決的熱點(diǎn)問(wèn)題。

各方學(xué)者在功率預(yù)測(cè)理論方面開(kāi)展了大量的研究工作，主要集中在物理模型和統(tǒng)計(jì)模型兩方面。物理模型主要成果有Troen和Landberg開(kāi)發(fā)的丹麥RLS國(guó)家實(shí)驗(yàn)室的物理預(yù)測(cè)模型Prediktor［1］，馮雙磊等利用解析原理分析的風(fēng)電場(chǎng)局地效應(yīng)與風(fēng)電機(jī)組尾流影響［2］，統(tǒng)計(jì)模型主要成果有持續(xù)性模型［3］，時(shí)序分析法和卡爾曼濾波模型［4］，基于人工神經(jīng)網(wǎng)絡(luò)和空間相關(guān)性的模型［5-8］，前向神經(jīng)網(wǎng)絡(luò)和自回歸移動(dòng)平均（ARMA）模型［9］。

在功率預(yù)測(cè)技術(shù)應(yīng)用方面，文獻(xiàn)［10］分析了國(guó)內(nèi)外風(fēng)電功率預(yù)測(cè)技術(shù)的應(yīng)用現(xiàn)狀，并提出了我國(guó)風(fēng)電功率預(yù)測(cè)技術(shù)和執(zhí)行方式的建設(shè)性意見(jiàn)。文獻(xiàn)［11］提出了一種基于預(yù)測(cè)誤差評(píng)價(jià)和預(yù)報(bào)考核等指標(biāo)的風(fēng)電場(chǎng)實(shí)時(shí)預(yù)測(cè)效果評(píng)估方法。但在實(shí)際預(yù)測(cè)工作開(kāi)展中，往往風(fēng)電場(chǎng)實(shí)際運(yùn)行人員并不清楚預(yù)測(cè)水平不足的癥結(jié)，因此如何在現(xiàn)場(chǎng)有效提升風(fēng)電場(chǎng)功率預(yù)測(cè)運(yùn)行和管理水平，仍值得開(kāi)展進(jìn)一步的研究工作。

本文針對(duì)現(xiàn)場(chǎng)廣泛存在的風(fēng)電預(yù)報(bào)準(zhǔn)確率較低的問(wèn)題，以提升風(fēng)電場(chǎng)功率預(yù)測(cè)準(zhǔn)確率、降低電網(wǎng)安全運(yùn)行風(fēng)險(xiǎn)為出發(fā)點(diǎn)，綜合分析匯總了制約預(yù)測(cè)水平提升的瓶頸，并給出了應(yīng)對(duì)相關(guān)問(wèn)題的技術(shù)解決方案，提出了預(yù)測(cè)水平提升的關(guān)鍵舉措措施，并以實(shí)際工作案例為樣本，驗(yàn)證了預(yù)測(cè)水平提升舉措關(guān)鍵措施的有效性和實(shí)用性，為風(fēng)電管理運(yùn)行人員提供了提升短期功率預(yù)測(cè)水平的技術(shù)途徑和實(shí)例經(jīng)驗(yàn)。

1　風(fēng)電功率預(yù)測(cè)相關(guān)標(biāo)準(zhǔn)綜述

風(fēng)電功率預(yù)測(cè)是風(fēng)電場(chǎng)安全并網(wǎng)運(yùn)行的重要技術(shù)之一，國(guó)內(nèi)相關(guān)標(biāo)準(zhǔn)對(duì)風(fēng)電場(chǎng)功率預(yù)測(cè)相關(guān)工作的內(nèi)容和進(jìn)行了明確的規(guī)定，見(jiàn)表1。

表1　風(fēng)電功率預(yù)測(cè)功能要求匯總表Tab.1　Summary table of the function requirements for wind power prediction

國(guó)家標(biāo)準(zhǔn)GB/T 19963-2011《風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定》［12］規(guī)定了風(fēng)電功率預(yù)測(cè)的最基本要求：風(fēng)電場(chǎng)應(yīng)配置風(fēng)電功率預(yù)測(cè)系統(tǒng)，系統(tǒng)具有0～72 h短期風(fēng)電功率預(yù)測(cè)以及15 min～4 h超短期風(fēng)電功率預(yù)測(cè)功能。

國(guó)家能源局發(fā)布了國(guó)能新能［2011］177號(hào)文《風(fēng)電場(chǎng)功率預(yù)測(cè)預(yù)報(bào)管理暫行辦法》，其中規(guī)定了風(fēng)電場(chǎng)的預(yù)測(cè)預(yù)報(bào)要求、預(yù)測(cè)管理要求、運(yùn)行管理要求和工作監(jiān)督考核要求。其中預(yù)測(cè)水平指標(biāo)要求“風(fēng)電場(chǎng)功率預(yù)測(cè)系統(tǒng)提供的日預(yù)測(cè)曲線最大誤差不超過(guò)25%；實(shí)時(shí)預(yù)測(cè)誤差不超過(guò)15%；全天預(yù)測(cè)結(jié)果的均方根誤差應(yīng)小于20%”。

能源行業(yè)標(biāo)準(zhǔn)NB/T31046-2013《風(fēng)電功率預(yù)測(cè)系統(tǒng)功能規(guī)范》［13］和國(guó)網(wǎng)企標(biāo)Q/GDW588-2011《風(fēng)電功率預(yù)測(cè)功能規(guī)范》［14］對(duì)風(fēng)電功率預(yù)測(cè)工作提出了更具體的要求，其中包括預(yù)測(cè)建模數(shù)據(jù)準(zhǔn)備的要求、數(shù)據(jù)采集與處理的要求、預(yù)測(cè)功能的要求、統(tǒng)計(jì)分析的要求、界面和安全防護(hù)的要求、數(shù)據(jù)輸出要求以及性能指標(biāo)要求等內(nèi)容。

作為風(fēng)電場(chǎng)功率預(yù)測(cè)系統(tǒng)的重要組成部分，風(fēng)能資源測(cè)量，國(guó)家標(biāo)準(zhǔn)GB/T18709-2002《風(fēng)電場(chǎng)風(fēng)能資源測(cè)量方法》［15］規(guī)定了風(fēng)電場(chǎng)進(jìn)行風(fēng)能資源測(cè)量的方法，包括測(cè)量位置、測(cè)量參數(shù)、測(cè)量?jī)x器及其安裝、測(cè)量數(shù)據(jù)采集等內(nèi)容。

2　風(fēng)電場(chǎng)功率預(yù)測(cè)運(yùn)行現(xiàn)狀

2.1風(fēng)電匯集地區(qū)功率預(yù)測(cè)水平

目前風(fēng)電場(chǎng)短期功率預(yù)測(cè)系統(tǒng)的現(xiàn)場(chǎng)架構(gòu)較為類似，多在本地架設(shè)預(yù)測(cè)服務(wù)器，通過(guò)反向隔離裝置與互聯(lián)網(wǎng)連接從而接收數(shù)值天氣預(yù)報(bào)數(shù)據(jù)，通過(guò)局域網(wǎng)接收風(fēng)機(jī)監(jiān)控系統(tǒng)數(shù)據(jù)。但在實(shí)際運(yùn)行中，不同風(fēng)電場(chǎng)的預(yù)測(cè)水平和預(yù)測(cè)效果差異較大，以某風(fēng)電匯集區(qū)域?yàn)槔?，如圖1所示，2014年30座風(fēng)電場(chǎng)的日前功率預(yù)測(cè)的年均準(zhǔn)確率為81.88%，預(yù)測(cè)準(zhǔn)確率最高的為86.02%，預(yù)測(cè)準(zhǔn)確率最低的為74.70%。另外，風(fēng)電預(yù)測(cè)準(zhǔn)確率存在著季節(jié)性的變化規(guī)律，如圖2所示，2014年大風(fēng)月的預(yù)測(cè)準(zhǔn)確率普遍偏低，8月、9月小風(fēng)月份整個(gè)區(qū)域的平均預(yù)測(cè)準(zhǔn)確率都在85%以上。

2.2風(fēng)電場(chǎng)功率預(yù)測(cè)系統(tǒng)運(yùn)行現(xiàn)狀

2.2.1測(cè)風(fēng)塔管理運(yùn)行水平差異大

高質(zhì)量的風(fēng)電場(chǎng)風(fēng)能資源測(cè)量數(shù)據(jù)是風(fēng)電功率預(yù)測(cè)的重要環(huán)節(jié)，也是風(fēng)電場(chǎng)寶貴的運(yùn)行數(shù)據(jù)。以某風(fēng)電匯集區(qū)域?yàn)槔?，安裝測(cè)風(fēng)塔和相關(guān)傳感器的風(fēng)電場(chǎng)比例為100%，測(cè)風(fēng)塔本地?cái)?shù)據(jù)完全缺失的風(fēng)電場(chǎng)比例為23.3%，數(shù)據(jù)壞點(diǎn)過(guò)多的風(fēng)電場(chǎng)比例為10.0%，數(shù)據(jù)部分缺失的風(fēng)電場(chǎng)比例為6.7%，通訊系統(tǒng)故障的比例為3.3%，數(shù)據(jù)相關(guān)性較差的比例為16.1%，測(cè)風(fēng)塔數(shù)據(jù)質(zhì)量?jī)?yōu)良的風(fēng)電場(chǎng)比例僅為40.6%。同時(shí)測(cè)風(fēng)塔多為風(fēng)電場(chǎng)擬開(kāi)發(fā)和建設(shè)時(shí)期留下的，部分測(cè)風(fēng)塔的位置已不具備代表性。

圖1　某區(qū)域30座風(fēng)電場(chǎng)2014年均預(yù)測(cè)準(zhǔn)確率Fig.1　The annually average prediction accuracy of 30 wind farms in a certain area in 2014

圖2　某區(qū)域30座風(fēng)電場(chǎng)逐月平均預(yù)測(cè)準(zhǔn)確率Fig.2　The monthly average prediction accuracy of 30 wind farms in a certain area in 2014

圖3　某區(qū)域風(fēng)電場(chǎng)測(cè)風(fēng)塔運(yùn)行情況統(tǒng)計(jì)Fig.3　Statistics of the wind power prediction masts in a certain area

2.2.2預(yù)測(cè)模型和數(shù)值天氣預(yù)報(bào)

預(yù)測(cè)模型和數(shù)值天氣預(yù)報(bào)是風(fēng)電功率預(yù)測(cè)的核心內(nèi)容。存在的問(wèn)題主要包括，數(shù)值天氣預(yù)報(bào)對(duì)氣象事件的捕捉能力差，采用通用預(yù)測(cè)模型，未對(duì)風(fēng)電場(chǎng)進(jìn)行訂制化建模，未定期分析誤差并更新預(yù)測(cè)模型。

2.2.3風(fēng)電場(chǎng)現(xiàn)場(chǎng)管理問(wèn)題

風(fēng)電場(chǎng)現(xiàn)場(chǎng)運(yùn)行管理問(wèn)題多集中在對(duì)預(yù)測(cè)工作不夠重視和對(duì)預(yù)測(cè)技術(shù)不夠了解兩部分內(nèi)容。具體問(wèn)題包括實(shí)際運(yùn)行數(shù)據(jù)回傳不到位，部分風(fēng)電場(chǎng)服務(wù)廠商常年拿不到風(fēng)電場(chǎng)實(shí)際的運(yùn)行數(shù)據(jù)，導(dǎo)致整個(gè)預(yù)測(cè)過(guò)程一直未開(kāi)環(huán)狀態(tài)；缺少場(chǎng)站側(cè)功率預(yù)測(cè)工作的規(guī)章制度，缺乏相關(guān)人員培訓(xùn)。

3　風(fēng)電場(chǎng)短期功率預(yù)測(cè)提升關(guān)鍵舉措措施研究

3.1技術(shù)層面舉措措施

3.1.1保證測(cè)風(fēng)塔數(shù)據(jù)質(zhì)量

實(shí)時(shí)測(cè)風(fēng)數(shù)據(jù)是風(fēng)電場(chǎng)最重要的參數(shù)之一。測(cè)風(fēng)數(shù)據(jù)能夠有效反映風(fēng)電場(chǎng)所處位置的實(shí)時(shí)風(fēng)資源狀況，是建立風(fēng)能-出力映射關(guān)系的重要參考，缺乏測(cè)風(fēng)數(shù)據(jù)的情況容易導(dǎo)致無(wú)法確切地量化、解釋出力變化。

首先，測(cè)風(fēng)塔前期選址是影響預(yù)測(cè)結(jié)果的重要因素，其測(cè)量位置應(yīng)具有代表性，能代表風(fēng)電場(chǎng)風(fēng)能資源特性，且不受周圍風(fēng)電機(jī)組和障礙物影響；測(cè)量位置宜選在風(fēng)電場(chǎng)主導(dǎo)風(fēng)向的上風(fēng)向，距離風(fēng)電機(jī)組1～7 km；測(cè)量位置的數(shù)量應(yīng)滿足風(fēng)電功率預(yù)測(cè)系統(tǒng)的要求，對(duì)于地形比較平坦的大型風(fēng)電場(chǎng)（容量小于100 MW，范圍小于20 km2），應(yīng)至少安裝1個(gè)測(cè)風(fēng)塔，對(duì)地形比較復(fù)雜的風(fēng)電場(chǎng)，應(yīng)適當(dāng)增加測(cè)風(fēng)塔的數(shù)量。

其次，測(cè)風(fēng)塔后期維護(hù)工作同樣重要，在風(fēng)電場(chǎng)實(shí)際運(yùn)行過(guò)程中，這方面的工作反而容易被忽略。風(fēng)電場(chǎng)所處環(huán)境惡劣，風(fēng)速風(fēng)向儀故障時(shí)有發(fā)生，及時(shí)的傳感器及通訊系統(tǒng)故障檢修和風(fēng)速風(fēng)向儀定期檢驗(yàn)標(biāo)定工作能夠有效提升測(cè)風(fēng)塔設(shè)備的可靠性。

最后，測(cè)風(fēng)塔的數(shù)據(jù)采集、通訊、存儲(chǔ)功能故障也是影響數(shù)據(jù)質(zhì)量的關(guān)鍵要素。風(fēng)電場(chǎng)環(huán)境惡劣，尤其應(yīng)保證低溫環(huán)境下測(cè)風(fēng)塔供電設(shè)備的可靠性。另一個(gè)容易被忽視的環(huán)節(jié)是數(shù)據(jù)采集的時(shí)標(biāo)問(wèn)題，現(xiàn)場(chǎng)測(cè)風(fēng)塔的數(shù)據(jù)存儲(chǔ)系統(tǒng)多以Windows或Linux環(huán)境為主，并不具備實(shí)時(shí)對(duì)時(shí)功能，如果長(zhǎng)期不進(jìn)行對(duì)時(shí)操作，可能會(huì)出現(xiàn)數(shù)十分鐘甚至數(shù)百分鐘的偏差。

3.1.2建立更加準(zhǔn)確的訂制化預(yù)測(cè)模型

預(yù)測(cè)系統(tǒng)內(nèi)部的模型誤差是預(yù)測(cè)誤差的一個(gè)重要來(lái)源。風(fēng)電場(chǎng)的運(yùn)行狀態(tài)不是一成不變的，在不同季節(jié)氣候、不同風(fēng)密度或不同測(cè)風(fēng)塔位置的條件下，風(fēng)電場(chǎng)可能會(huì)體現(xiàn)出不同的出力特性。圖4為某風(fēng)電場(chǎng)實(shí)際功率與實(shí)際風(fēng)速的映射關(guān)系統(tǒng)計(jì)圖，某一個(gè)風(fēng)速對(duì)應(yīng)的并不是一個(gè)功率值，而是若干功率值的區(qū)間。

圖4　實(shí)際功率與實(shí)際風(fēng)速的映射關(guān)系Fig.4　The actual mapping between the power and the actual wind speed

如何細(xì)化功率外推模型，如何擬合正確的風(fēng)功率曲線，如何動(dòng)態(tài)修正模型參數(shù)，以及如何考慮不同風(fēng)資源下的風(fēng)電場(chǎng)多模型問(wèn)題以及模型切換問(wèn)題，這些都是減少模型誤差的技術(shù)手段，因此需要風(fēng)電預(yù)報(bào)系統(tǒng)的廠家開(kāi)展相應(yīng)的訂制化服務(wù)，針對(duì)具體風(fēng)電場(chǎng)進(jìn)行有針對(duì)性的預(yù)測(cè)分析，才可能達(dá)到較好的效果。

3.1.3多源數(shù)值天氣預(yù)報(bào)分析，提升數(shù)值天氣預(yù)報(bào)質(zhì)量

數(shù)值天氣預(yù)報(bào)（簡(jiǎn)稱NWP）的誤差包括系統(tǒng)性誤差、非系統(tǒng)性誤差，前者來(lái)自模式本身，后者來(lái)源于驅(qū)動(dòng)模式運(yùn)行的初始信息，兩者都有技術(shù)進(jìn)步空間。另外，雖然增加NWP的空間分辨力可以從細(xì)節(jié)刻畫(huà)風(fēng)電機(jī)組所在地點(diǎn)的風(fēng)資源，但行業(yè)內(nèi)通常認(rèn)為，當(dāng)空間分辨率低于3 km×3 km后，繼續(xù)細(xì)分網(wǎng)格很可能反而降低NWP預(yù)報(bào)準(zhǔn)確度。

實(shí)際數(shù)值天氣預(yù)報(bào)的優(yōu)化工作中，采用集合預(yù)報(bào)分析是較為常見(jiàn)的方法。集合預(yù)報(bào)的具體實(shí)現(xiàn)方法有多種，其中，一種方法是可以采用多參數(shù)化方案來(lái)實(shí)現(xiàn)結(jié)合預(yù)報(bào)。影響數(shù)值天氣預(yù)報(bào)（NWP）設(shè)置方案的要素主要有3個(gè)：物理過(guò)程搭配、嵌套方案和σ層參數(shù)。其中：由于輻射、邊界層、積云參數(shù)化、陸面等多種物理過(guò)程共同參與，搭配方案極多，可能出現(xiàn)組合爆炸的問(wèn)題；嵌套方案受物理不確定影響，對(duì)不同地域而言，最佳的嵌套方案往往各不相同；σ層參數(shù)是受人為經(jīng)驗(yàn)因素影響極大，并無(wú)標(biāo)準(zhǔn)可循；建議預(yù)測(cè)服務(wù)廠家協(xié)調(diào)氣象部門篩選一個(gè)可行的小規(guī)模方案組合，在此基礎(chǔ)上開(kāi)展模式敏感性實(shí)驗(yàn)研究，從而獲得優(yōu)選的模式設(shè)置方案。另一種方法是通過(guò)購(gòu)買多家數(shù)值天氣預(yù)報(bào)產(chǎn)品，通過(guò)預(yù)測(cè)結(jié)果與實(shí)際測(cè)風(fēng)結(jié)果的回歸分析，來(lái)確定多源數(shù)值天氣預(yù)報(bào)的權(quán)重分配，實(shí)現(xiàn)最終的集合預(yù)報(bào)。

3.1.4人工經(jīng)驗(yàn)修正

無(wú)論是傳統(tǒng)的電網(wǎng)負(fù)荷預(yù)測(cè)還是氣象預(yù)報(bào)，好的預(yù)報(bào)結(jié)果都離不開(kāi)優(yōu)秀預(yù)報(bào)員的貢獻(xiàn)，對(duì)于風(fēng)電場(chǎng)短期功率預(yù)測(cè)，適當(dāng)?shù)娜藶樾拚A(yù)測(cè)結(jié)果是合理和必要的。在次日的功率預(yù)測(cè)結(jié)果上報(bào)前，建議應(yīng)根據(jù)風(fēng)電場(chǎng)實(shí)際運(yùn)行情況初步結(jié)果進(jìn)行修正。

一方面，將風(fēng)功率預(yù)報(bào)工作與計(jì)劃?rùn)z修工作聯(lián)動(dòng)，根據(jù)擬開(kāi)工檢修工作涉及的機(jī)組數(shù)量，在功率預(yù)測(cè)系統(tǒng)中通過(guò)人工錄入方式合理訂正開(kāi)機(jī)容量、開(kāi)機(jī)時(shí)間、以及預(yù)測(cè)出力，避免因未考慮計(jì)劃?rùn)z修工作而導(dǎo)致的預(yù)測(cè)誤差。

另一方面，應(yīng)考慮凍雨、覆冰、大風(fēng)等極端氣候可能引起風(fēng)電機(jī)組或變電設(shè)備及輸電線路故障的停運(yùn)容量，如果已有輸變電設(shè)備等故障造成的風(fēng)電機(jī)組陪停，在預(yù)測(cè)期間內(nèi)無(wú)法恢復(fù)正常運(yùn)行的，也應(yīng)該通過(guò)人工輸入的方式，對(duì)預(yù)測(cè)結(jié)果進(jìn)行經(jīng)驗(yàn)修正。

3.2非技術(shù)管理層面舉措措施

3.2.1氣象觀測(cè)系統(tǒng)和功率預(yù)測(cè)系統(tǒng)定期檢修

對(duì)于新并網(wǎng)風(fēng)電場(chǎng)或者有預(yù)測(cè)水平提升需求的風(fēng)電場(chǎng)，在選擇長(zhǎng)期的功率預(yù)測(cè)服務(wù)廠商之前，建議選擇幾家功率預(yù)測(cè)服務(wù)廠家同時(shí)提供預(yù)測(cè)服務(wù)，在同一個(gè)考核時(shí)間周期內(nèi)，對(duì)比分析幾個(gè)廠商提供預(yù)測(cè)服務(wù)水平的優(yōu)劣，評(píng)估各預(yù)測(cè)廠商提供的預(yù)測(cè)結(jié)果的準(zhǔn)確性和穩(wěn)定性，為選擇長(zhǎng)期服務(wù)廠商提供參考。

目前市面上可提供預(yù)測(cè)服務(wù)廠商的數(shù)量眾多，市場(chǎng)服務(wù)價(jià)格比較透明，通過(guò)已開(kāi)展預(yù)測(cè)優(yōu)化工作以及面對(duì)廠商一對(duì)一調(diào)研，多數(shù)有實(shí)力的預(yù)測(cè)服務(wù)廠商也有意愿參與此類對(duì)比工作。

3.2.2建立功率預(yù)測(cè)工作規(guī)章制度

在現(xiàn)場(chǎng)建立完善的功率預(yù)測(cè)工作制度是功率預(yù)測(cè)系統(tǒng)平穩(wěn)運(yùn)行的保障。一是加強(qiáng)人員培訓(xùn)，每值應(yīng)指定專人負(fù)責(zé)風(fēng)功率預(yù)測(cè)系統(tǒng)運(yùn)行管理工作，熟悉相關(guān)操作；二是建立更加完善和規(guī)范的巡檢制度，應(yīng)將功率預(yù)測(cè)系統(tǒng)、風(fēng)電場(chǎng)監(jiān)控系統(tǒng)納入進(jìn)每日的設(shè)備巡檢中，并由值班員在規(guī)定時(shí)間向調(diào)控中心報(bào)送風(fēng)功率預(yù)測(cè)結(jié)果及發(fā)電計(jì)劃，確保上報(bào)率100%；三是每天需對(duì)昨日功率預(yù)測(cè)誤差進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)誤差較大時(shí)及時(shí)進(jìn)行排查，必要時(shí)要求風(fēng)功率預(yù)測(cè)廠家協(xié)助解決，確保功率預(yù)測(cè)系統(tǒng)保持正常運(yùn)行狀態(tài)。

3.2.3減少風(fēng)機(jī)非計(jì)劃停運(yùn)現(xiàn)象

由于設(shè)備可靠性和運(yùn)行管理等原因，部分風(fēng)電場(chǎng)風(fēng)機(jī)非計(jì)劃停運(yùn)現(xiàn)象突出，非計(jì)劃停機(jī)直接影響風(fēng)電場(chǎng)的最大開(kāi)機(jī)容量，同時(shí)風(fēng)功率預(yù)測(cè)系統(tǒng)無(wú)法根據(jù)新的開(kāi)機(jī)容量更改之前的預(yù)報(bào)結(jié)果，直接導(dǎo)致預(yù)測(cè)結(jié)果變差。統(tǒng)計(jì)表明，風(fēng)機(jī)非停率較高的風(fēng)電場(chǎng)的風(fēng)功率預(yù)測(cè)準(zhǔn)確率普遍偏低，而且預(yù)測(cè)誤差大多表現(xiàn)為預(yù)測(cè)出力大于實(shí)際出力。因此風(fēng)電場(chǎng)應(yīng)加強(qiáng)對(duì)主要設(shè)備的維護(hù)和對(duì)備品備件的管理，減少風(fēng)機(jī)非計(jì)劃停機(jī)，也是提升風(fēng)功率預(yù)測(cè)精度的重要措施。

4　實(shí)例分析

在風(fēng)電匯集區(qū)域?qū)υ圏c(diǎn)風(fēng)電場(chǎng)開(kāi)展功率預(yù)測(cè)專項(xiàng)提升工作，首先從所有并網(wǎng)風(fēng)電場(chǎng)中挑選7座典型風(fēng)電場(chǎng)，典型風(fēng)電場(chǎng)均來(lái)自于不同地域和不同預(yù)測(cè)廠家，并隸屬不同發(fā)電集團(tuán)公司，然后綜合考慮本文提出的多方面影響功率預(yù)測(cè)水平的因素，針對(duì)各家風(fēng)電場(chǎng)的同質(zhì)化和個(gè)性化問(wèn)題，采用第三部分提出的關(guān)鍵舉措措施，開(kāi)展風(fēng)電場(chǎng)自查消缺工作和關(guān)鍵預(yù)測(cè)技術(shù)優(yōu)化工作。

功率預(yù)測(cè)水平提升舉措措施試點(diǎn)實(shí)驗(yàn)始于2014年11月，通過(guò)實(shí)踐本文提出的功率預(yù)測(cè)提升關(guān)鍵舉措措施，7座風(fēng)電場(chǎng)2015年上半年逐月的功率預(yù)測(cè)準(zhǔn)確率如圖5所示，七座風(fēng)電場(chǎng)仍存在差異，上半年平均功率預(yù)測(cè)準(zhǔn)確率分別為87.22%、83.56%、83.20%、81.44%、80.78%、76.98%、70.53%，風(fēng)電場(chǎng)A預(yù)測(cè)準(zhǔn)確率已經(jīng)達(dá)到較高水平，風(fēng)電場(chǎng)F和風(fēng)電場(chǎng)G預(yù)測(cè)準(zhǔn)確率較低，低于80%。

7座試點(diǎn)風(fēng)電場(chǎng)的預(yù)測(cè)水平較前一年同期預(yù)測(cè)結(jié)果整體明顯有所提升，但提升速度存在差異。除風(fēng)電場(chǎng)G預(yù)測(cè)準(zhǔn)確率下降1個(gè)百分點(diǎn)外，其余6座風(fēng)電場(chǎng)均有所進(jìn)步。風(fēng)電場(chǎng)A和風(fēng)電場(chǎng)B提升最多，約為6個(gè)百分點(diǎn)；風(fēng)電場(chǎng)C、風(fēng)電場(chǎng)D、風(fēng)電場(chǎng)E也有明顯提升，約為4個(gè)百分點(diǎn)；風(fēng)電場(chǎng)F預(yù)測(cè)水平基本未變化；風(fēng)電場(chǎng)G預(yù)測(cè)水平有所下降。通過(guò)深入調(diào)研發(fā)現(xiàn)，風(fēng)電場(chǎng)F和G缺乏對(duì)相關(guān)工作的重視，并未重點(diǎn)開(kāi)展相關(guān)優(yōu)化工作；風(fēng)電場(chǎng)A、B和C一方面利用本文提出的優(yōu)化思路對(duì)站內(nèi)的管理問(wèn)題進(jìn)行全面自查，完成了相關(guān)問(wèn)題的整改，建立了站內(nèi)預(yù)測(cè)工作管理制度，另一方面與預(yù)測(cè)廠家合作，從基礎(chǔ)數(shù)據(jù)質(zhì)量、數(shù)值天氣預(yù)報(bào)、預(yù)測(cè)模型幾個(gè)技術(shù)層面因素進(jìn)行了優(yōu)化，從而實(shí)現(xiàn)了預(yù)測(cè)水平的大幅提升。

圖5　2015年上半年7家風(fēng)電場(chǎng)功率預(yù)測(cè)月均準(zhǔn)確率Fig.5　The monthly average prediction accuracy of 7 wind farms in the first half of the year 2015

圖6　2015年上半年與2014年同期的預(yù)測(cè)準(zhǔn)確率對(duì)比Fig.6　Comparison of the prediction accuracy of the first half of 2015 and the same period in 2014

通過(guò)逐日準(zhǔn)確率統(tǒng)計(jì)，各風(fēng)電場(chǎng)的預(yù)測(cè)穩(wěn)定性存在差異。對(duì)試點(diǎn)風(fēng)電場(chǎng)2015年上半年181天的預(yù)測(cè)準(zhǔn)確率進(jìn)行統(tǒng)計(jì)，計(jì)算出各電場(chǎng)各月預(yù)測(cè)準(zhǔn)確率達(dá)到80%的天數(shù)和比例，如表2所示，可以看出風(fēng)電場(chǎng)A的預(yù)測(cè)穩(wěn)定性最高，多數(shù)日期的準(zhǔn)確率均高于80%（二月份春節(jié)限電時(shí)期預(yù)測(cè)難度較大）。

表2　試點(diǎn)風(fēng)電場(chǎng)各月功率預(yù)測(cè)準(zhǔn)確度在80%以上的天數(shù)比例Tab.2　Number of days when the monthly power prediction accuracy is above 80%in the pilot wind farm　%

5　結(jié)論

風(fēng)力發(fā)電作為一種隨機(jī)性、波動(dòng)性、反調(diào)節(jié)性的新能源電源形式，隨著其電網(wǎng)滲透率逐年攀升，給電網(wǎng)安全調(diào)度運(yùn)行帶來(lái)了安全隱患，尤其電網(wǎng)峰谷時(shí)段的調(diào)峰工作受到了安全性和經(jīng)濟(jì)性的雙重壓力。本文以提升風(fēng)電場(chǎng)功率預(yù)測(cè)準(zhǔn)確率、降低電網(wǎng)安全運(yùn)行風(fēng)險(xiǎn)為出發(fā)點(diǎn)，綜合分析了影響短期功率預(yù)測(cè)水平的因素，提出了預(yù)測(cè)水平提升的若干關(guān)鍵舉措措施。由于功率預(yù)測(cè)是一項(xiàng)涉及多學(xué)科多環(huán)節(jié)的工作，因此風(fēng)電場(chǎng)的科學(xué)有序管理、多源數(shù)值天氣預(yù)報(bào)的分析優(yōu)化、預(yù)測(cè)模型的定期修正三項(xiàng)主要方面對(duì)預(yù)測(cè)水平提升均起關(guān)鍵作用，缺一不可。

最后本文以實(shí)際工作案例為樣本，用實(shí)踐關(guān)鍵提升舉措措施后的預(yù)測(cè)結(jié)果對(duì)比2014年同期預(yù)測(cè)水平，絕大多數(shù)風(fēng)電場(chǎng)的預(yù)測(cè)水平有了大幅的提升，從而驗(yàn)證了預(yù)測(cè)水平提升關(guān)鍵舉措措施的有效性和實(shí)用性。

［1］TROEN L，LANDBERG L.Short term prediction of local wind conditions［C］//Proceedings of European Community Wind Energy Conference，Madrid，Spain，1990：76-78.

［2］馮雙磊，王偉勝，劉純，等.風(fēng)電場(chǎng)功率預(yù)測(cè)物理方法研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2010，30（2）：1-6.FENG Shuanglei，WANG Weisheng，LIU Chun，et al.Study on the physical approach to wind power prediction［J］.Proceedings of the CSEE，2010，30（2）：1-6（in Chinese）.

［3］WEGLEY H，F(xiàn)ORMICA W.Test applications of a semiobjective approach to wind forecasting for wind energy applications［R］.PNL-4403，Pacific Northwest Laboratory，1983.

［4］潘迪夫，劉輝，李燕飛.基于時(shí)間序列分析和卡爾曼濾波算法的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)優(yōu)化模型［J］.電網(wǎng)技術(shù)，2008，32（7）：82-86.PAN Difu，LIU Hui，LI Yanfei.A wind speed forecasting optimization model for wind farms based on time series analysis and kalman filter algorithm［J］.Power System Technology，2008，32（7）：82-86（in Chinese）.

［5］MEHMET B，BESIR S，ABDULKADIR Y.Application of artificial neural networks for the wind speed prediction of target station using reference stations data［J］.Renewable Energy，2007，32（14）：2350-2360.

［6］張宜陽(yáng)，嚴(yán)歡.基于分段分層相似日搜索和自適應(yīng)脊波神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率多步預(yù)測(cè)［J］.電網(wǎng)與清潔能源，2015，31（4）：124-131.ZHANG Yiyang，YAN Huan.Multi-step wind power forecasting based on subsection and layer searching for similar day and adaptive ridgelet neural network［J］.Power System and Clean Energy，2015，31（4）：124-131（in Chinese）.

［7］劉瑞葉，黃磊.基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率預(yù)測(cè)［J］.電力系統(tǒng)自動(dòng)化，2012，36（11）：19-22，37.LIU Ruiye，HUANG Lei.Wind power forecasting based on dynamic neural networks［J］.Automation of Electric Power Systems［J］.2012，36（11）：19-22，37（in Chinese）.

［8］柳玉，郭虎全.基于AdaBoost與BP神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)研究［J］電網(wǎng)與清潔能源，2012，28（2）：80-83，89.LIU Yu，GUO Huquan.Wind speed prediction based on adaboost and BP neural networks［J］.Power System and Clean Energy，2012，28（2）：80-83，89（in Chinese）.

［9］連文莉，黃成辰，呂昌霖.采用時(shí)間序列預(yù)測(cè)風(fēng)電場(chǎng)出力［J］.電網(wǎng)與清潔能源，2011，27（12）：112-117.LIAN Wenli，HUANG Chengchen，Lü Changlin.Wind power output prediction based on time series［J］.Power System and Clean Energy，2011，27（12）：112-117（in Chinese）.

［10］屠強(qiáng).風(fēng)電功率預(yù)測(cè)技術(shù)的應(yīng)用現(xiàn)狀及運(yùn)行建議［J］.電網(wǎng)與清潔能源，2009，25（10）：4-9.TU Qiang.Existing applications of wind power forecasting technology and relevant suggestions［J］.Power System and Clean Energy，2009，25（10）：4-9（in Chinese）.

［11］嚴(yán)干貴，宋薇，楊茂.風(fēng)電場(chǎng)風(fēng)功率實(shí)時(shí)預(yù)測(cè)效果綜合評(píng)價(jià)方法［J］.電網(wǎng)與清潔能源，2012，28（5）：1-6.YAN Gangui，SONG Wei，YANG Mao.A comprehensive evalution method of the real-time prediction effects of wind power［J］.Power System and Clean Energy，2012，28（5）：1-6（in Chinese）.

［12］GB/T 19963風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定［S］.北京：中國(guó)標(biāo)準(zhǔn)出版社，2012.

［13］NB/T31046風(fēng)電功率預(yù)測(cè)系統(tǒng)功能規(guī)范［S］.北京：中國(guó)電力出版社，2014.

［14］Q/GDW588風(fēng)電功率預(yù)測(cè)功能規(guī)范［S］.北京：中國(guó)電力出版社，2011.

［15］GB/T18709風(fēng)電場(chǎng)風(fēng)能資源測(cè)量方法［S］.北京：中國(guó)電力出版社，2002.

Study and Case Analysis of Optimization Measures of Short-Term Wind Power Forecast

LIU Yu1，2，BAI Kai1，2，CUI Zhengpai3，SUN Rongfu3，WU Yuhui1，SONG Peng1，Lü You4
（1.North China Electric Power Research Institute Co.，Ltd.，Beijing 100045，China；2.State Grid Wind-Photovoltaic-Energy Storage Hybrid Power Generation Technology Laboratory，Beijing 100045，China；3.State Grid Jibei Electric Power Company，Beijing 100053，China；4.State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources，North China Electric Power University，Beijing 102206，China）

Wind power is a form of new energy characteristic of random fluctuation and anti-regulation and its growing penetration in the power grid imposes growing impacts on the security dispatching of the power grid，especially in the peak and valley hours.Starting from improving the prediction accuracy and reducing the risks for the power grid operation，this paper comprehensively analyzes the technical factors and non-technical factors that affect the short-term power prediction，and proposes key measures to raise the prediction level.The actual work cases for the sample verify that the key measures proposed are effective and practical.

wind power prediction；mast data；ensemble forecasting；model updating

1674-3814（2015）12-0077-06

TK89

A

2015-05-03。

柳玉（1985—），男，工學(xué)博士，主要研究方向?yàn)樾履茉垂β暑A(yù)測(cè)技術(shù)、新能源電站運(yùn)行優(yōu)化控制。

（編輯黃晶）

2015年國(guó)家電網(wǎng)公司科技項(xiàng)目“基于集群劃分的新能源功率預(yù)測(cè)技術(shù)研究和示范”。國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展規(guī)劃基金（“973項(xiàng)目”）（2012CB215203）。

Project Fund：2015 SGCC Science and Technology Project；National Key Basic Science Research Development Fund（973 Program）（2012CB215203）.