基于大數(shù)據(jù)驅(qū)動(dòng)的風(fēng)速不確定性建模

陶玉波 程波 張亞飛 陳昊

摘要：關(guān)于風(fēng)電場(chǎng)風(fēng)速和風(fēng)功率的隨機(jī)特性，現(xiàn)有研究大多側(cè)重于進(jìn)行整體分析，而沒(méi)有考慮信號(hào)中高頻波動(dòng)部分和低頻穩(wěn)定部分各自的特性。針對(duì)這種情況，本文從氣象學(xué)中大氣運(yùn)動(dòng)的湍流流動(dòng)機(jī)理出發(fā)，基于大數(shù)據(jù)分析和數(shù)據(jù)驅(qū)動(dòng)的建模技術(shù)，對(duì)風(fēng)電場(chǎng)風(fēng)速信號(hào)的平均小時(shí)風(fēng)速和湍流部分進(jìn)行了分析。通過(guò)對(duì)不同地域的多個(gè)風(fēng)電場(chǎng)歷史風(fēng)速和風(fēng)功率的海量數(shù)據(jù)的統(tǒng)計(jì)分析，發(fā)現(xiàn)了風(fēng)速波動(dòng)的內(nèi)在關(guān)系，建立了風(fēng)速瞬時(shí)方差統(tǒng)計(jì)參量關(guān)于其小時(shí)平均值的冪律模型，并驗(yàn)證和初步理論解釋了所建立的風(fēng)電瞬時(shí)波動(dòng)不確定性模型的普適性。

關(guān)鍵詞：大數(shù)據(jù)； 小波分析； 建模； 不確定性； 風(fēng)電功率

中圖分類號(hào)：TP614 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）28-0279-03

Uncertainty Modeling of Wind Speed Based on Big Data

TAO Yu-bo， CHEN Bo， ZHANG Ya-fei， CHEN Hao

（State Grid Jiangsu Electric Power Co.， Ltd Maintenance Branch Company， Nanjin 210013， China）

Abstract：A lot of previous studies have analyzed the random characteristics of wind speed and power in wind farms as a whole； however， they gave little consideration to the respective characters of the high-frequency fluctuant part as well as the low-frequency stable part. Based on this fact， this paper applies the mechanism of atmospheric turbulence in meteorology and analyzes the hourly mean wind speed and the turbulence part in wind speed signal of wind farms with the techniques of big data analysis and data-driven modeling. Through the statistical analysis of large quantities of data from historical wind speed in different regions， the inherent relationship is found in fluctuations of wind speed. And the power-law model is established between instantaneous variance of wind speed fluctuation component and its hour average component. Universality of the uncertainty model is verified， and preliminary theory explained.

Key words： big data； wavelet analysis； model； uncertain； wind power

風(fēng)電作為清潔可再生能源日益受到人們的重視。大型集群風(fēng)電接入是風(fēng)電大規(guī)模的發(fā)展方向。風(fēng)電機(jī)組裝機(jī)容量的不斷增加以及風(fēng)電的間歇性、隨機(jī)性、波動(dòng)性和不可控性，大型集群風(fēng)電接入必然會(huì)給電力系統(tǒng)注入更多的不確定性，對(duì)電網(wǎng)容量有較大沖擊，造成電網(wǎng)的波動(dòng)，對(duì)電網(wǎng)調(diào)度帶來(lái)很大的困難，影響電網(wǎng)的安全穩(wěn)定運(yùn)行，給電網(wǎng)規(guī)劃工作帶來(lái)了一系列新的問(wèn)題[1]。結(jié)合大數(shù)據(jù)分析和基于數(shù)據(jù)驅(qū)動(dòng)的建模技術(shù)能夠提高風(fēng)力發(fā)電的可靠性。在大數(shù)據(jù)分析的幫助下對(duì)風(fēng)電出力進(jìn)行更為準(zhǔn)確的預(yù)測(cè)，有助于突破風(fēng)電瓶頸，解決風(fēng)電消納問(wèn)題。

針對(duì)風(fēng)電的隨機(jī)特性，現(xiàn)有研究大多側(cè)重于進(jìn)行整體分析，幾乎都未將歷史數(shù)據(jù)分解為平均穩(wěn)定分量和湍動(dòng)分量加以分析。結(jié)合大數(shù)據(jù)分析和基于數(shù)據(jù)驅(qū)動(dòng)的建模技術(shù)，通過(guò)對(duì)積累的海量歷史數(shù)據(jù)分析，發(fā)現(xiàn)了風(fēng)速波動(dòng)的內(nèi)在關(guān)系，建立了風(fēng)速波動(dòng)統(tǒng)計(jì)參量關(guān)于其小時(shí)平均值的冪律模型，基于不同地域的數(shù)百臺(tái)風(fēng)電機(jī)組實(shí)測(cè)數(shù)據(jù)的統(tǒng)計(jì)分析以及大氣運(yùn)動(dòng)的氣象學(xué)機(jī)理分析，驗(yàn)證和初步理論解釋了所建立的風(fēng)電瞬時(shí)波動(dòng)不確定性模型的普適性，與實(shí)際情況更切合。

1 數(shù)據(jù)建模方法

1.1 湍動(dòng)分量的氣象學(xué)解釋

自然界中流體存在著兩種不同的存在形式，一種是層流，看上去平順、清晰，沒(méi)有摻混現(xiàn)象，另一種是湍流（湍動(dòng)分量），雜亂無(wú)章，毫無(wú)規(guī)則。湍流是一種極其常見(jiàn)的自然現(xiàn)象，但其不可測(cè)量難以捉摸，運(yùn)動(dòng)極其復(fù)雜，目前科學(xué)界還無(wú)法給出湍流的嚴(yán)格的科學(xué)定義[2]。湍流具有強(qiáng)的非平穩(wěn)性、耗散性、多尺度性和擬序結(jié)構(gòu)。

大氣運(yùn)動(dòng)包含各種時(shí)間尺度，不同尺度的運(yùn)動(dòng)在物質(zhì)和能量的傳輸過(guò)程中擔(dān)負(fù)著不同的作用，將不同尺度的分量分離，可以分別研究不同尺度的特征。將小尺度峰與天氣尺度峰分開(kāi)的谷稱為譜隙，存在大約為1小時(shí)的間隔[3]，因此，可以根據(jù)這個(gè)時(shí)間間隔分離出湍動(dòng)分量。

1.2 小波分解

小波分解（Wavelet Decomposition，WD）是一種真正涉及具體時(shí)空尺度的分解方法，可以彌補(bǔ)傅里葉方法這種僅在頻率或波數(shù)空間的分解的不足，利用聯(lián)合時(shí)間-尺度函數(shù)分析信號(hào)，通過(guò)平移和伸縮巧妙地構(gòu)造小波基，使小波同時(shí)具有時(shí)間平移和多尺度分辨率的特點(diǎn)，可以同時(shí)進(jìn)行時(shí)頻域分析[4]。

風(fēng)速是具有周期性的小時(shí)平均分量和湍流導(dǎo)致波動(dòng)的隨機(jī)多變分量的疊加，小波分解可以較為容易地把天氣中引起風(fēng)速突變的湍動(dòng)信號(hào)分離，得到一組較為平穩(wěn)的小時(shí)平均分量曲線，具有分析非線性和非平穩(wěn)信號(hào)局部特性的能力。

1.3 數(shù)據(jù)采集與存儲(chǔ)

隨著現(xiàn)代信息技術(shù)發(fā)展迅速，在風(fēng)電場(chǎng)運(yùn)行管理中有效應(yīng)用大數(shù)據(jù)等手段，促進(jìn)了大數(shù)據(jù)分析與氣象融合建模的發(fā)展，全面提高了數(shù)據(jù)采集和分析的能力。在數(shù)據(jù)采集中，控制類信息對(duì)風(fēng)速模型的建立基本無(wú)意義，只需要重點(diǎn)采集遙測(cè)類型的數(shù)據(jù)進(jìn)行深入分析。風(fēng)速數(shù)據(jù)變化迅速，要開(kāi)展大數(shù)據(jù)分析，需要積累和存儲(chǔ)海量歷史數(shù)據(jù)。根據(jù)不同風(fēng)電機(jī)組采樣周期，風(fēng)速數(shù)據(jù)采集周期控制在1s左右，并將采集的數(shù)據(jù)存入實(shí)時(shí)歷史數(shù)據(jù)庫(kù)，這些實(shí)時(shí)變化的數(shù)據(jù)是大數(shù)據(jù)分析的重要對(duì)象，其數(shù)據(jù)變化頻繁，數(shù)據(jù)集合較大，需要高效的實(shí)時(shí)數(shù)據(jù)庫(kù)和存儲(chǔ)平臺(tái)。

2 基于大數(shù)據(jù)的風(fēng)速不確定性建模

2.1 采集數(shù)據(jù)

為了避免采集裝置采集周期的系統(tǒng)誤差，應(yīng)用基于大數(shù)據(jù)的風(fēng)電數(shù)據(jù)采集系統(tǒng)，將實(shí)時(shí)采集的數(shù)據(jù)每隔5s取平均值，將其存入分析數(shù)據(jù)庫(kù)，并將其進(jìn)行多層次分解和重構(gòu)，得到小時(shí)級(jí)的平穩(wěn)分量，并將其他細(xì)節(jié)分量重構(gòu)成湍動(dòng)分量。

將30天的 518400個(gè)風(fēng)速數(shù)據(jù)點(diǎn)進(jìn)行小波分解，得到小時(shí)級(jí)平穩(wěn)風(fēng)速和湍動(dòng)分量，如圖1所示。

2.2 建立模型

根據(jù)風(fēng)電場(chǎng)風(fēng)速大數(shù)據(jù)的分析，湍動(dòng)分量模型不是嚴(yán)格意義的線性模型。由于復(fù)雜地理環(huán)境等因素的影響，在高風(fēng)速和低風(fēng)速區(qū)使用線性模型擬合參數(shù)必然會(huì)帶來(lái)比較大的誤差?；趦蓚€(gè)不同地區(qū)典型風(fēng)電場(chǎng)的數(shù)據(jù)和風(fēng)速湍動(dòng)的周期特性，采用數(shù)據(jù)驅(qū)動(dòng)的建模方法，提出了湍動(dòng)冪律模型，模型結(jié)構(gòu)為[T=a×v（t）-b+c] ，其中，[v（t）] 為平均風(fēng)速部分，a、b和c為待擬合參數(shù)。

根據(jù)風(fēng)電場(chǎng)1和風(fēng)電場(chǎng)2的海量數(shù)據(jù)，擬合了湍動(dòng)冪律模型，如圖2和圖3所示。風(fēng)電場(chǎng)1的最優(yōu)參數(shù)為a=0.178，b=0.762，c=0.099；風(fēng)電場(chǎng)2的最優(yōu)參數(shù)為a=0.238，b=0.768，c=0.071。

從如圖2和圖3中可以看出，這兩個(gè)不同地區(qū)的風(fēng)電場(chǎng)，都能采用相同的模型結(jié)構(gòu)進(jìn)行較好的擬合，只是擬合參數(shù)不同，因此，湍動(dòng)冪律模型可以適用不同風(fēng)電場(chǎng)的情況，具有較好的泛化能力。

空氣中的湍流是由于地形差異、空氣流量與地面的摩擦、空氣密度和溫度的變化引起的。根據(jù)驅(qū)動(dòng)力的不同可以將湍流分為熱力湍流和動(dòng)態(tài)湍流。熱力湍流是由于近地面空氣被太陽(yáng)輻射行程渦流[5]。動(dòng)態(tài)湍流是由于空氣流過(guò)地面產(chǎn)生摩擦效應(yīng)，形成風(fēng)切變所導(dǎo)致。在白天，湍流由熱力湍流和動(dòng)態(tài)湍流共同組成，但是在夜間，由于沒(méi)有太陽(yáng)的輻射過(guò)程，動(dòng)態(tài)湍流是主要組成成分。

將兩個(gè)風(fēng)電場(chǎng)的風(fēng)速數(shù)據(jù)分成24份，時(shí)間間隔即為1小時(shí)，分別得到其湍流模型擬合結(jié)果，其擬合的a，b和c三個(gè)參數(shù)值如圖4和圖5所示。

從中可以發(fā)現(xiàn)，在一天的不同時(shí)間段，采用具有相同結(jié)構(gòu)模型結(jié)構(gòu)的湍流強(qiáng)度冪律模型均可很精確的擬合數(shù)據(jù)點(diǎn)，由此可見(jiàn)湍流強(qiáng)度冪律模型的可行性得到進(jìn)一步的驗(yàn)證，不同的時(shí)間段下湍流強(qiáng)度冪律模型僅僅是參數(shù)在改變，揭示了24小時(shí)內(nèi)湍流強(qiáng)度冪律模型參數(shù)的變化規(guī)律。從圖4和圖5中可以發(fā)現(xiàn)，c的最大值出現(xiàn)在11：00～15：00之間，因?yàn)檫@期間太陽(yáng)輻射強(qiáng)度最大，對(duì)流活動(dòng)激烈，垂直切變較弱。夜晚期間太陽(yáng)輻射較弱，溫度較低，對(duì)流活動(dòng)平緩，垂直切變較弱，故c值較小。

3 結(jié)論

通過(guò)對(duì)大氣運(yùn)動(dòng)的湍流氣象學(xué)機(jī)理的研究，發(fā)現(xiàn)真實(shí)風(fēng)速可看作是由可以預(yù)測(cè)的小時(shí)級(jí)平均風(fēng)速和難以預(yù)測(cè)的湍動(dòng)分量?jī)刹糠纸M成，并得出區(qū)分出的時(shí)間間隔為1小時(shí)左右。采用小波分解將風(fēng)速數(shù)據(jù)分解為小時(shí)平均風(fēng)速與湍動(dòng)分量，采用大數(shù)據(jù)驅(qū)動(dòng)的建模方法，提出了一種湍動(dòng)冪律模型來(lái)描述湍動(dòng)分量與小時(shí)平均風(fēng)速之間的關(guān)系，并通過(guò)大數(shù)據(jù)分析驗(yàn)證了該冪律模型的正確性和普適性。本文給出了大數(shù)據(jù)背景下風(fēng)速預(yù)測(cè)的嶄新思路，可以將過(guò)去確定性預(yù)測(cè)方法，擴(kuò)展到能提供包含不確定性信息的不確定性預(yù)測(cè)，對(duì)工程實(shí)踐具有一定的現(xiàn)實(shí)意義。

參考文獻(xiàn)：

[1] 谷興凱，范高鋒，王曉蓉，等.風(fēng)電功率預(yù)測(cè)技術(shù)綜述[J].電網(wǎng)技術(shù)，2007，12（31S2）：335-338.

[2] 張美根，胡非，鄒捍，等.大氣邊界層物理與大氣環(huán)境過(guò)程研究進(jìn)展[J].大氣科學(xué)，2008，32（4）： 923-934.

[3] Van der Hoven I. Power spectrum of horizontal wind speed in the frequency range from 0.0007 to 900 cycles per hour[J].Journal of Meteorology，1957，14（2）： 160-164.

[4] Mix， Dwight F.， and Kraig J. Olejniczak.Elements of wavelets for engineers and scientists[M].John Wiley & Sons， 2003.

[5] Hu Y Q， Chen J B，Zuo H C. Theorem of turbulent intensity and macroscopic mechanism of the turbulence development[J].Science in China Series D： Earth Sciences，2007，50（5）： 789-800.

【通聯(lián)編輯：梁書】