新能源发电功率预测系统

新能源发电功率预测系统2

光伏电站/风电场功率预测系统是指以数值气象预报为基础，搭建完备的数据库系统，利用各种通讯接口采集风电场监控系统数据，针对不同电场的情况，采用不同预测技术，对各个电场进行风功率预测模型建模，提供人性化的人机交互界面，对电场进行功率预测，为电场管理工作提供辅助手段。

电场功率预测系统根据电场的历史功率、历史气象、地形地貌、数值天气预报、发电机组运行状态等数据建立风电场输出功率的预测模型，以实测气象、功率和数值天气预报数据作为模型的输入，结合电场机组的设备状态及运行工况，得到电场未来的输出功率。根据预测时间尺度的不同和实际应用的具体需求，采用多方法及模型，形成最优预测策略。功率预测的定义3功率预测的意义根据功率预测系统的预测结果，可以合理安排常规电源发电计划，保证电力市场正常运行，减少系统的旋转备用容量，提高整个电力系统运行的经济性。提前预测风电/光伏发电功率的波动，合理安排运行方式和应对措施，提高电网的安全性和可靠性。4基本要求可以完成电场0-24小时、0-48小时、0-72小时短期功率预测，时间分辨率为15分钟；可以完成电场0-4小时超短期功率滚动预测，时间分辨率为15分钟；支持多个电场、多条集电线功率预测；支持多数值预报气象源、多种预测模型同步预测；考虑出力受限和故障对电场发电能力的影响，支持限电和机组故障等特殊情况下的功率预测；考虑电场装机扩容对发电的影响，支持不断扩建中的电场的功率预测；结合实时气象观测系统，可以完成理论电量，损失电量的计算。5系统拓朴结构6z软件平台技术数值天气预报技术预测模型技术理论发电能力计算主要技术7系统采用JAVA语言开发，B/S结构、界面友好，使用方便；软件采用松耦合设计，便于系统升级、二次开发；系统支持跨平台运行，支持Windows、Linux以及Unix系统。软件平台8数值天气预报9数值天气预报计算流程：初值场：欧洲气象中心、德国气象局、美国国家海洋和大气管理局；支持单位：中国气象局、中国电科院、中科院大气物理研究所；中尺度天气预报模式：WRF模式、MM5模式；降尺度嵌套计算；气象数据同化技术。数值天气预报10预测模型技术新能源发电功率预测11定义：应用大气边界层动力学与边界层气象的理论将数值天气预报数据精细化为电场实际地形、地貌条件下的电机组区域的福照度，风速，风向等气象信息，考虑当地影响后，再将预测风速应用于发电机组的功率曲线，由此得出发电机组的预测功率，最后，对所有发电机组的预测功率求和，得到整个电场的预测功率。物理模型特点：不需要电场历史功率数据的支持，适用于新建电场；可以对每一个大气过程进行详细的分析，并根据分析结果优化预测模型；对由错误的初始信息所引起的系统误差非常敏感；计算过程复杂、技术门槛较高。预测模型技术12物理模型粗糙度变化影响地形变化影响尾流影响预测模型技术13定义：统计法基于“学习算法”，通过一种或多种算法建立NWP历史数据与测得的电场历史输出功率数据之间的联系，再根据该关系式，由NWP数据对电场输出功率进行预测。统计模型特点：在数据完备的情况下，理论上可以使预测误差达到最小值；需要大量历史数据的支持，不适用于新建电场，对历史数据变化规律的一致性有很高的要求；统计法的建模过程带有“黑箱”性。预测模型技术14统计模型统计方法：时间序列分析人工神经网络支持向量机模糊逻辑预测模型技术15预测模型技术中、短期建模混合预测方法统计分析物理模型16超短期建模基础数据数值天气预报数据实时气象测量数据实时采集功率数据多元时间序列算法参数化模型M1M2M3M4非参数化模型M6模型优化选择未来0-4小时超短期预测结果预测模型技术17新能源发电功率预测系统登录控制实时监控功率曲线气象信息高级应用统计报表系统管理接口通讯安全控制，权限区分全景展示，当日功率曲线，气象曲线,数据监控预测功率曲线，历史功率曲线风向，风速，福照度，温度，湿度，预测实时对比发电计划，目标电压管理，理论及损失电量计算电场管理，用户管理，系统管理天气预报，实时功率，实时气象测量，运行状态上报管理上报设置，上报历史，手动上报预测指标，功率指标，气象指标，运行统计，数据报表预测功能模块理论发电意义

随着新能源发电的快速发展，受电网调峰容量限制，限电以成为普遍现象，合理评估电场在限电时段的理论出力，意义在于：（1）科学评估限电时段的电场限电电量；（2）科学评估限电时段的电场功率预测精度；（3）合理制定电场出力恢复期间的发电计划。3建模结果（光伏目前限电不具代表性，以风电经验为例）基于特征机组的卡尔曼滤波模式均方根误差0.09相关性系数0.908基于实时测量气象数据的电场理论出力计算原理：基于实时气象测量的物理模式10测风塔测风数据风机的实际功率曲线拟合单台风机的理论发功率计算

风电场理论功率/发电量空气动力学与CFD原理计算得到单台风机轮毂高度风速、风向建模结果均方根误差0.08相关性系数0.9511基于实时气象测量的物理模式建模结果基于实时气象与机组的ANN模式均方根误差0.039相关性系数0.9915评估方法优点缺点基于特征机组的卡尔曼滤波模式（1）建模方法简单（2）数据依赖性小（1）对特征机组较为敏感（2）受电场地形影响严重基于实时气象测量的物理模式（1）数据可靠、可信度高（2）计算精度较高计算精度受基础资料影响基于实时气象测量与发电机组的ANN模式计算精度最高单机测量结果可用率与可信度较低电场理论出力评估方法16电场限电电量评估方法以限电时段的预测功率为参考20限电时段电场限电电量评估方法以风电场理论功率计算值为参考21限电时段电场限电电量评估方法单位：万kWh指标方法1方法2实际电量计算电量586456485620电量差值24428

差值比例4.34%0.50%

说明：差值：计算电量-实际电量，比例：差值/实际电量统计时段：23（1）电场理论功率计算方法各有优缺点，相对而言，