利用实时功率曲线优化风功率预测系统

利用实时功率曲线优化风功率预测系统摘要:我国风电高速开发,大容量风场分布集中、容量增速过快。由于地区电网消纳容量有限,加之风电的随机性和间歇性,给电力系统的安全稳定运行造成了严峻的挑战,也不利于风电的进一步发展。提功率曲线的拟合,预测各风机的功率范围,叠加后得到整个风电场功率预测的置信范围,通过比较模型的预测输出和风场风功率置信区间。,使得模型的预测结果最优化。关键词:风功率曲线风功率预测模型优化风能作为绿色能源以其蕴量巨大、可以再生、没有污染、技术最成熟、最具规模开发和商业化发展前景等特点,近年来取得了突飞猛进的发展。但风电存在最大的问题是其波动性、随机性、间歇性的特点。发电、供电、用电同时完成是电网运行的基本规律。容量不断增大,风电对电网的影响已发展到对电网安全稳定、调频调峰、经济调度等方面的生产重大的影响所以减少风力发电的功率的波动和间歇,充分发挥风电场最大效益、提升风电的市场竞争力具有重要的意义。风功率预测系统的基本概述风功率预测功能规范的要求,以风速、功率或数值天气预报数据作为模型的输入,结合风电场机组的设备状态及运行工况,得到风电场未来的输出功率。按预测时,包括短期预测和超短期预测。短期风电功率预测应至少能够预测风电场未来3天的风电输出功率,15min型,结合基于历史数据的方法预测,也可以采用单纯的基于历史数据的0～4h,时间分辨率不小于15min。因为时间较短,气象变化不明显,通常采用1天,时间分5min5km范围内、数据的时间分辨率应不小于10min。历史数值天气预报数据要求应与历史功率数据相对应,时间分辨率应为15min,应包括风速、20%4h15%,1-1。风功率预测基本原理与方法根据是否使用数值气象预报(NWP),短期预测可以分为两种：一种基于历史数据的风电场功率预测,可以有两种方法:方法一是首先预测1h～6h,,把预测的风1h～6h的风电场功率,就是直接建立若干个历史数据(包括功率、风速、风向、温度等参数)和风电场的功率输出之间的映射关系。研究表明,基于人工智,这种方法的预测时间长度不能太长,一般为超短期预测和短期预测。,预测时间长度可以长一些,可以达到24h、48h、甚至更长,预测长度取决于数值气象预报的精度。低精度的数值气象预报由气象部门提供,一般的分辨率在数十平方公里,不能满足直接应用的要求。在实际的预测中,引入中小尺度的天气预报模MM5／WRFWRF,采用经过改进的物理过程方案,同时具有多重嵌套及易定位于不同地理位置的能力。预测的基本思路是:利用气象部门提供的低精度、大尺度的数值气象预报,结合风电场的物理信息(地形、地貌、海拔、风机分布等),,高精度数值气象预报,最后结合其他输入、将数值气象预报值转换为风电场的功率输出。利用风机实际功率特性曲线优化风功率预测系统风电场参数的采集处理采集风机SCADA中的数据从风机SCADA系统导出的运行数据和气象数据,因为风机的运行状态,会出现数据损坏、数据缺失的情况,因此需要对数据进行一系列预处理。风电场运行数据的统计,主要是对风速、风向等参数的年、月、日分布规律以及风电场的发电量进行统计。华能崇明前卫风电场采用的是上海电气的W2000M-93-802MW30台60MW01-300320123224数据(采自风机SCADA系统),2-1。运行数据的预处理风电场参数的处理主要包括:原始数据中的坏数据剔除,的补充等。首先,对采集数据的合理性进行检测,其中主要包括风速、,且不应该超过一定的限值,另外单位时间内的变化也不应该在一定的合理范围。风0°～360°最小应不小于定值的1002-2。在实际的运行过程中,由于风机检修,调度以及传感器故障等原因,造成测量数据的缺失。可以根据风机之间的相关性,进行数据的订正和补充。数据的相关性判断如下。XY,Cov(X,Y)=σXY=O。另一方面,XY,Cov(X,Y)=σXY=σXσYX和Y见公式(1)。ρ0≤ρ≤1ρ=0,我们称变量X和Y不相关。所以有n(X1,X2…Xn)(2):30某些数据发生缺失或奇异,就可以选择与该风机相关系数最大的风机的数据,对该风机数据进行订正和替换。风机实际风功率曲线拟合风力发电机组出厂时厂家会提供风电机组的功率曲线,但风力发电机组安放的环境不同,导致实际功率曲线与出厂的功率曲线是不完全相同的。因为风机的功率输出受机组运行状态、空气密度、地形、尾流等多种因素的影响,这些因素都有可能使得风力发电机组的实际功率曲线偏离理论功率曲线。所以在实际的预测中,需要根据实际的历史运行数据,建立各风机的功率曲线。风力发电机的功率曲线风力发电机组的功率曲线是描述风速与机组出力之间关系的曲(IEC)颁布实施了IEC61400-12,这个标准,其中一条是风力的标准功率曲线,所谓标准的功率(15℃,101.3kPa)测得的风机的功率输出特性,气象因素等很多因素的影响,所以实际功率曲线与理论曲W2000M-93-80型风机理论功率曲线62012322-1。功率曲线拟合的方法,风向等,所以要建立三维的风电功率特性曲线。其次、因为每台风力发电机所处的地理位置不同,受地面粗糙度、障碍物的影响、相近风机的风速和风向也不同,所以应该建立每台风机的功率曲线。以风速为行,,,求将风速按0.5m/s为一个区间进行划分,风向以角度记,范围为[00,3600]来分时段的建立功率曲线。对于功率曲线的建立,本文采用BP,()()之间的映射关系。根据不同的时段建立功率曲线,从曲线上发现规律是同一台风力发电机在不同的时段有不同的功率曲线,不同的风机在同一时段的功率曲线也不相同。因此,单独分时段的建立每台机的功率曲线是合理的,也是必要的。预测系统优化流程,得到整个风电场的总置信区间。流程是:首先是输入风电场中单台风机的风速,风向和功率三种历史数据,矩阵,对历史数据进行数据的预处理。通过数据预处理后得到符合建风电场功率预测的范围。最后系统输出的是风场功率输出的置信范围。,数值天气预报和测风塔数据等,通过天气预报信息处理特有的资料同化技术,提取中小尺度,,这个过程大都使用目前比较成熟的WRF3.3行数据的处理,得到针对本地风电场所处位置的气象预报信息,功率预测模型输出风场预测功率值。,可直接输出预测成果。当预测输出不符合风功率置信区间时,应将预测输出值及风功率置信区间值比较分析后作为输入,根据模型的相应修正规则对模型进行相应的调整,型的预测结果最优化。通过建立风电场风机之问的相关系数矩阵,对风机进行数据的预处理,利用神经网络确定变量的相关度,预测对象通过分时段建立每台风机的实际功率曲线的非线性模型是符合,提高预测的精度。参考文献[1]电网.[2],2011.

刘纯,裴哲义，等.风电功率预测系统功能规范[M].北京:国家贺电.大型风电场短期功率预测研究[D].北京:北京交通大杨晓亮.风电场输出功率预测方法的研究[D].沈阳:沈阳工业大学,2011.CostaA,CrespoA,NavarroJ,etal.Areviewontheyounghistory of the wind power short-termprediction[J],RENEWABLE&SUSTAINABLEREVIEWS,Aug2008，12(6):1725～1744.

ENERGY