風(fēng)力發(fā)電短期預(yù)測策略的分析與研究

摘 要：隨著各地風(fēng)力發(fā)電的蓬勃發(fā)展，風(fēng)電場的規(guī)模不斷擴(kuò)大，風(fēng)電裝機(jī)容量在系統(tǒng)中所占的比例不斷增加，風(fēng)電輸出的不穩(wěn)定性對電網(wǎng)的功率沖擊效應(yīng)也不斷增大，對系統(tǒng)穩(wěn)定性的影響就更加明顯。為了減少對系統(tǒng)穩(wěn)定性的影響，本文提出一種對風(fēng)電短期預(yù)測的方案策略，通過對風(fēng)電短時間的預(yù)測，合理的調(diào)節(jié)機(jī)組的出力情況，利用神經(jīng)網(wǎng)絡(luò)技術(shù)對風(fēng)電場出力提前預(yù)測得出數(shù)據(jù)，對預(yù)測的數(shù)據(jù)進(jìn)行分析，基于誤差預(yù)測值修正預(yù)預(yù)測值，得到最后的預(yù)測值。

關(guān)鍵詞：風(fēng)力發(fā)電；預(yù)測策略；短期預(yù)測

電力行業(yè)作為經(jīng)濟(jì)發(fā)展的基礎(chǔ)，為各行各業(yè)的發(fā)展提供了充足的動力。但是風(fēng)力發(fā)電的區(qū)域性比較大，只有在一些偏遠(yuǎn)地區(qū)才能有足夠的風(fēng)量保證發(fā)電量，而電能又難以存儲，這些地區(qū)風(fēng)電產(chǎn)生的電能難以被消耗掉，遠(yuǎn)距離傳輸?shù)狡渌貐^(qū)費(fèi)用比較高，更為糟糕的是風(fēng)能這種能量并不穩(wěn)定，具備隨機(jī)性，而且不能確定風(fēng)速大小，也不能明確風(fēng)電機(jī)組的大小。

在分布式風(fēng)電連接到電網(wǎng)之后，風(fēng)電場的無功功率需求降低了負(fù)載特性的極限功率，并降低了靜態(tài)電壓的穩(wěn)定性。隨著風(fēng)力發(fā)電的蓬勃發(fā)展，風(fēng)電場的規(guī)模不斷擴(kuò)大，系統(tǒng)中風(fēng)電裝機(jī)容量的比例越來越大，風(fēng)電輸出對電網(wǎng)的不穩(wěn)定性影響也越來越大，系統(tǒng)的穩(wěn)定性影響更加明顯。在嚴(yán)重的情況下，系統(tǒng)將失去動態(tài)穩(wěn)定性，導(dǎo)致整個系統(tǒng)的崩潰。風(fēng)力資源和風(fēng)力渦輪機(jī)運(yùn)行特性的不確定性使得風(fēng)力渦輪機(jī)的輸出功率波動，這可能影響電力質(zhì)量，例如電壓偏差，電壓波動和閃爍，諧波。

為了減少風(fēng)電對系統(tǒng)的影響，本文提出了一種短期風(fēng)電預(yù)測方案策略，通過短期風(fēng)電預(yù)測，合理調(diào)整單位產(chǎn)出情況。為了提高預(yù)測的準(zhǔn)確性，本文提出了基于神經(jīng)網(wǎng)絡(luò)技術(shù)的風(fēng)電場輸出的短期預(yù)測方法：預(yù)預(yù)測-誤差預(yù)測 - 基于誤差預(yù)測值校正預(yù)測值，得到最終的預(yù)測值。風(fēng)力場在給定時刻的輸出取決于該時刻的風(fēng)力資源以及風(fēng)力農(nóng)場本身利用這些風(fēng)力資源（即，將風(fēng)力資源轉(zhuǎn)換成有效電能的能力）。影響風(fēng)電場將風(fēng)力資源轉(zhuǎn)化為有效電能的能力有許多因素，例如風(fēng)電場的裝機(jī)容量，風(fēng)力發(fā)電機(jī)本身的類型，風(fēng)電場的運(yùn)行水平和風(fēng)力渦輪機(jī)的分布。通常是非線性的，研究這些因素和風(fēng)電場的產(chǎn)出之間的關(guān)系是孤立的，沒有必要研究大型風(fēng)電并網(wǎng)電力系統(tǒng)的經(jīng)濟(jì)調(diào)度。然而，這些影響因素作為一個整體，與風(fēng)電場的輸出之間存在一定的映射關(guān)系。因此，風(fēng)電場輸出預(yù)測模型必須能夠反映這些機(jī)制之間的關(guān)系。

這里的預(yù)測模型采用目前廣泛應(yīng)用的多層反傳播 ANN（back propagation artificial neural network，BP-ANN）。網(wǎng)絡(luò)采用NR-NY-1結(jié)構(gòu)，包括輸入層，隱層和輸出層。 層中的神經(jīng)元是單向連接的，并且層中的神經(jīng)元是彼此獨(dú)立的。 輸入層包括在24小時區(qū)域中的風(fēng)電場的歷史風(fēng)速。 隱層神經(jīng)元映射函數(shù)使用Sigmoid函數(shù)，輸出層使用Purelin函數(shù)，整個網(wǎng)絡(luò)的輸出可以取任何值。 網(wǎng)絡(luò)的學(xué)習(xí)過程是權(quán)重的調(diào)整過程，其通過信號的前向傳播和誤差的反向傳播來實(shí)現(xiàn)。重復(fù)訓(xùn)練周期，直到網(wǎng)絡(luò)輸出的誤差降低到可接受的水平，最后得到未來24 h各時段的風(fēng)電場出力預(yù)測 。

定 是未來24h各個時段風(fēng)場的實(shí)際出力的值，出力的預(yù)測誤差為

誤差預(yù)測思路

風(fēng)電場的短期預(yù)測和測量數(shù)據(jù)的代數(shù)差異構(gòu)成了一個新的時間序列，基于同樣的機(jī)制與未來的時間序列有一定的映射關(guān)系。 因此，歷史錯誤預(yù)測未來錯誤。

基于BP-ANN的預(yù)測模型用于預(yù)測風(fēng)電場輸出預(yù)測的預(yù)測誤差。 在誤差預(yù)測模型中，1.1節(jié)中的風(fēng)場輸出序列的歷史被用于訓(xùn)練網(wǎng)絡(luò)的歷史誤差。最后，獲得未來24小時風(fēng)電場輸出預(yù)測的誤差預(yù)測 。

1.3 預(yù)預(yù)測和誤差預(yù)測思路驗(yàn)證

以風(fēng)電場輸出預(yù)報為例，將新疆一個典型風(fēng)電場的風(fēng)速數(shù)據(jù)和風(fēng)電場輸出數(shù)據(jù)在96 h的96 h時段作為樣本。圖3和圖4分別給出了1～96h風(fēng)速和風(fēng)力輸出數(shù)據(jù)及趨勢。1～48 h的風(fēng)速和風(fēng)電場輸出數(shù)據(jù)被用作訓(xùn)練網(wǎng)絡(luò)的歷史樣本。最后，風(fēng)電場的輸出從49至96小時，有一個訓(xùn)練有素的網(wǎng)絡(luò)。并將測量值和風(fēng)速數(shù)據(jù)產(chǎn)生的誤差序列作為新的歷史樣本，訓(xùn)練網(wǎng)絡(luò)進(jìn)行73～96h誤差預(yù)測。預(yù)測的風(fēng)電場輸出網(wǎng)絡(luò)模型的輸出結(jié)果如圖5和圖6中的實(shí)線所示，與對應(yīng)時間的風(fēng)電場輸出的測量曲線進(jìn)行比較。預(yù)測結(jié)果與同一趨勢的測量值基本一致。得出圖6中風(fēng)力輸出的預(yù)測誤差曲線。如圖7-8所示，預(yù)測誤差隨預(yù)測力的增加而增大。這種現(xiàn)象可以被認(rèn)為是隨著風(fēng)速的增加影響風(fēng)力農(nóng)場的輸出的非線性因素的結(jié)果。例如，尾流效應(yīng)更顯著，因此在設(shè)計風(fēng)力發(fā)電輸出預(yù)測系統(tǒng)時應(yīng)考慮風(fēng)電場輸出能力的影響。

對比圖8中的實(shí)線和虛線可知，誤差預(yù)測 有效地跟蹤了風(fēng)電場出力的預(yù)預(yù)測值的誤差 的變化趨勢：

1） 絕對值較大時（大于 5%），WFF.tE*趨 近 ； 2） 絕對值較小時（小于或者等于 5%） 約等 。由于風(fēng)電場輸出的隨機(jī)性和影響因素多，風(fēng)電場輸出的短期預(yù)測將不可避免地存在一些誤差。本文提出了一種基于誤差預(yù)測的短期風(fēng)力預(yù)測校正方法：經(jīng)濟(jì)調(diào)度中風(fēng)電場輸出預(yù)測的準(zhǔn)確性主要影響系統(tǒng)的儲備容量。儲備容量是指為調(diào)整系統(tǒng)的短期負(fù)荷波動以穩(wěn)定系統(tǒng)頻率和承擔(dān)計劃外負(fù)荷增加而設(shè)置的儲備容量。一般來說，儲備容量是最大發(fā)電負(fù)荷的2%～5%。根據(jù)風(fēng)電場輸出的隨機(jī)性，本文提出了在不考慮風(fēng)電場本身容量的情況下根據(jù)負(fù)荷而不是可控發(fā)電設(shè)備對風(fēng)電場進(jìn)行處理，并且根據(jù)小系統(tǒng)相同的預(yù)測容量考慮風(fēng)電場運(yùn)行儲量。因此，當(dāng)誤差預(yù)測絕對值WFF.tE≤5%時，誤差預(yù)測值被認(rèn)為是可靠的，并且在相應(yīng)時間的風(fēng)電場輸出預(yù)測也是可信的。當(dāng)誤差預(yù)測的絕對值大于5%時，5%的部分不可信，必須修正為5%以下。由式（1）可

式中WF.tP 是修改的風(fēng)電場的預(yù)測輸出值。因?yàn)檎`差預(yù)測值WFF .tE*有效跟蹤風(fēng)電場輸出預(yù)報值的誤差值WFF.tE 的變化趨勢，所以有以下結(jié)論。

基于上述實(shí)例的數(shù)據(jù)，進(jìn)行73～96 h風(fēng)電輸出預(yù)測，預(yù)測適用于包括風(fēng)電場在內(nèi)的區(qū)域電力系統(tǒng)的預(yù)調(diào)度。時間尺度為h，風(fēng)電場平均輸出；精度規(guī)模標(biāo)準(zhǔn)對附加系統(tǒng)不增加儲備容量，也就是說，預(yù)測值的可信度大于或等于95%。程序的結(jié)果如圖10，11所示。從圖中可以看出，校正后的風(fēng)電預(yù)報輸出更接近真實(shí)值。比較圖11中的曲線我們知道預(yù)測最大誤差接近20%，預(yù)測的最大誤差值接近12%，最大預(yù)測誤差接近6%，因?yàn)榫W(wǎng)絡(luò)的映射值跟蹤預(yù)測的最大誤差趨勢。這大大提高了預(yù)測系統(tǒng)的可信度，可以有效減少經(jīng)濟(jì)調(diào)度的儲備容量，這對提高風(fēng)電場在系統(tǒng)中的相對競爭優(yōu)勢具有重要意義。

參考文獻(xiàn)

[1]蔣結(jié)敏.淺析我國風(fēng)力發(fā)電預(yù)測策略分析報告[J].上海工業(yè)出版社.2016

[2]楊敏高.淺析火力發(fā)電短期預(yù)測策略[J].中國電力出版社.2014

[3]夏秀敏.淺析我國發(fā)電過程中短期預(yù)測的特點(diǎn)[J].大連工業(yè)出版社.2015

作者簡介

王鶯芳（1984-），女，湖北武漢人，2006年本科畢業(yè)于華中科技大學(xué)，職稱為中級工程師，主要研究方向是電力系統(tǒng)自動化，現(xiàn)為上海交通大學(xué)在職工程碩士，在上海紫通信息科技有限公司從事配電產(chǎn)品軟件研發(fā)工作。