靈敏度-層HMM 功率預測的風機運行不確定性風險評估方法

摘 要： 風電機組的運行風險評估對大規(guī)模風電并網(wǎng)的安全與穩(wěn)定具有重要的意義，為解決傳統(tǒng)風電機組運行風險評估中殘差評估風險等級劃分準確度低的問題，提出基于靈敏度-層隱馬爾可夫鏈（hidden Markov model， HMM） 功率預測的風電不確定性風險評估方法。首先提出新的量化風險度的模型，在殘差序列中考慮風險發(fā)生的概率并應用HMM 聚類考慮殘差序列的時間特征；進一步地，提出靈敏度-層HMM 預測模型，其采用靈敏度提取風電功率在風速區(qū)間內(nèi)的變化趨勢，使HMM 預測狀態(tài)的選取更為合理，進而提高預測精度。最后，實際算例表明，相較于傳統(tǒng)的風險度評估方法，采用該文提出的風電機組的風險評估方法，風電功率預測誤差RMSE 降低至10.47%，風險評估模型在考慮不確定性與時序性的前提下，聚類的錯誤率降低為5.5%。

關(guān)鍵詞： 風電功率預測; 靈敏度分析; 層隱馬爾可夫鏈; 風險度評估

中圖分類號： TB9; TM614 文獻標志碼： A 文章編號： 1674–5124（2025）03–0037–09

0 引 言

在雙碳目標的指引下，風電、光伏等可再生能源裝機占比不斷提升。目前我國新能源發(fā)電占比已接近總發(fā)電量的三分之一[1]。隨著風電裝機容量的擴大，風電的不確定性對于風電機組運維及并網(wǎng)調(diào)度的影響逐漸顯著，受到越來越多的研究與關(guān)注[2]。因此，風機運行風險度的量化研究對于風電的發(fā)電與并網(wǎng)具有重要意義[3]。目前，對于風電機組的運行風險評估已經(jīng)取得了較多的成果，一般分為對風電場運行數(shù)據(jù)的研究和風電場中預測值與實測值的殘差數(shù)據(jù)的研究。

一些研究通過分析風電場運行數(shù)據(jù)以及風機的故障數(shù)據(jù)，利用模糊綜合評估法[4]、證據(jù)理論[5]，層次分析法（analytic hierarchy process， AHP）[6-9] 等評估方式對風電機組運行狀況進行評估。上述方法需要依賴過多的專家經(jīng)驗，本文所提出的“風電風險”具體是指風電機組運行時會出現(xiàn)的風電機組設備故障風險，但風電設備故障類型較廣，如圖1 所示，不同類型的故障率具有不同的特征，而新建的風電場一般沒有大量的歷史故障數(shù)據(jù)用于研究評估。由于風電機組的設備故障會引起設備運行狀態(tài)變化，造成實際輸出功率的異常，現(xiàn)在，已有文獻提出通過對比風電場實際輸出功率與理想輸出功率，來表征風電場機組的運行風險[10-11]。因此本文通過機器學習模型預測風電機組在正常運行狀態(tài)時的輸出功率的數(shù)據(jù)，進一步地利用實際風電場的輸出功率與模型預測的輸出功率的偏差表征設備故障風險的程度，當功率偏差值超出正常預測誤差范圍時，說明此時風電機組運行存在一定風險，通過本文提出的風險評估模型可以有效表征風電機組運行出現(xiàn)設備故障的風險程度，為風電場的機組的設備維護提供參考[12-14]。

而運用風機輸出功率的殘差聚類評估風電機組運行風險等級中，對風機運行風險度聚類可以分為硬聚類[15-16] 和軟聚類[17-21]。其中硬聚類是指返回標簽的聚類，軟聚類為返回概率的聚類方法。文獻[15] 中利用硬聚類中的K-means 聚類方法分析風機運行風險度，由于風電功率殘差數(shù)據(jù)具有不確定性，傳統(tǒng)的聚類方法無法適應不確定性的數(shù)據(jù)，因此文獻[21] 中應用軟聚類中的模糊均值聚類（fuzzyC-means， FCM） 對風機運行風險度量化，考慮了由于風電的不確定性對數(shù)據(jù)聚類結(jié)果的影響。

在上述風險度評估中，風電功率預測精度是影響風險評估結(jié)果的重要因素。目前風電功率預測技術(shù)已經(jīng)取得了較多的研究與應用，其主要可分為兩個方面：風電功率相關(guān)數(shù)據(jù)的特征挖掘[22-23] 以及預測模型的優(yōu)化[24-25]。在預測模型中，一般采用數(shù)值天氣預報數(shù)據(jù)（numerical weather prediction， NWP）作為輸入數(shù)據(jù)，將其與功率數(shù)據(jù)結(jié)合，如文獻[26]中利用HMM 作為預測模型，將風速數(shù)據(jù)與歷史功率數(shù)據(jù)結(jié)合來預測未來時刻的風電功率。

以上研究中應用風電功率預測中的殘差來評估風機運行風險度，并對殘差聚類將風險度進行量化。首先，風電功率預測精度是與風險評估準確率強相關(guān)的因素，因此如何彌補層HMM 中可能出現(xiàn)的狀態(tài)概率相似情況以提高預測精度需要進一步研究；進一步，在風險評估中如何體現(xiàn)風險度的不確定性以及風險度序列的時間序列特性，以提高風電評估風險等級劃分準確度，也需要進一步展開研究。

針對上述問題， 本文提出了基于靈敏度-層HMM 功率預測的風機運行不確定性風險評估方法。首先，采用預測結(jié)果與殘差結(jié)合的方式得到新的風險度，解決傳統(tǒng)風險度評估中忽略了風險度不確定性的問題。其次，利用HMM 中的聚類將風險度劃分等級，改進傳統(tǒng)風險度劃分等級時不考慮時間序列特性。然后，為了提高殘差的準確性，在風電功率預測中建立靈敏度函數(shù)， 以解決傳統(tǒng)預測層HMM 中出現(xiàn)概率相似而無法選擇最優(yōu)解的不合理現(xiàn)象，以提高風電功率的預測精度。最后，根據(jù)算例驗證本文所提出方法可以有效提高風電評估風險等級劃分準確度。