风电场功率预测方法研究

,

(三峡大学 电气与新能源学院，湖北 宜昌 443002)

风电场功率预测方法研究

张密,夏昌浩

(三峡大学 电气与新能源学院，湖北 宜昌 443002)

本文从风速及风电功率预测的重要性着手，介绍了风电功率预测的基本原理及过程。结合国内外预测方法研究动态，对目前常用的风电功率预测方法和预测系统做了大致的介绍，并分析了现有方法在实际应用中存在的问题。

风速；风电功率；预测方法；预测系统

1 引言

面对当前严重的环境污染和能源危机，全球都越来越看重清洁能源的开发利用。风力发电近年来在我国以迅猛之势发展，是可再生能源发电技术中发展最快和最为成熟的一种，目前我国已具备大规模商业开发的技术和经济条件。近年来随着风电装机容量的增大，大量风电开始接入电网，给电网的安全稳定运行带来了巨大的挑战。风在自然界中的存在总是不连续的，规律性极弱的，要想更好地利用风电就要掌握风电的特性，进行功率预测是了解风电规律的第一步。

若各风电场能准确上报其输出功率，这样电力调度部门就能比较合理地安排各方功率出力，保证电网的供电质量，同时还能减少系统的备用容量，提高电网运行的经济性，此外还可以让风电更加灵活地满足电力市场交易需要，大大提高其市场竞争力。

2 风电场功率预测概述

2.1 风电场功率预测的基本原理

风电功率预测的原理有两种，第一种是先预测风速，然后通过功率特性曲线的转化得到相应的风电功率；第二种是收集进行功率预测所需的各种历史数据，如风速、风向、温度等，通过建立数学模型来反映这些数据和风电功率之间的关系。

2.2 国内外研究现状

欧洲国家较早就开始了风电功率预测方法的研究，很多国家都有已投入运行的功率预测系统。由于国外有比较完善的数值气象预报系统，所以其预测系统的气象数据来源比较完整可靠，预测误差一般能够控制在20%以内。预测流程一般是：先利用数值气象预报得到原始气象数据，再利用预测模型得到输出功率。国外比较具有代表性的预测系统如表1所示[1]。

表1 国外风电功率预测系统

国内对风电功率的研究起步较晚，目前还未建成专门的预测系统，再加上国内没有专门的数值气象预报系统，现有研究大多是基于历史数据的预测，因此预测误差较大。

3 风电场功率预测的方法

功率预测的方法主要分为两类，一种是物理方法，即结合风电场周边的物理信息利用物理模型[2]进行预测；一种是统计方法即大量收集以往数据然后进行统计分析，找出其规律所在，然后建立数学模型进行预测。实际应用中还会将两种及以上的方法结合起来，称为组合预测法。

3.1 物理方法

利用物理方法进行风电功率预测的流程如图1所示。

图1 物理方法预测流程图

首先从数值气象预报系统中得到相关气象数据，然后将其与风电场周围的物理相结合，采用类似于WASP 程序的计算方法。计算得到风电机组的相关气象信息，最后根据功率曲线算出其输出功率。

物理方法的实质就是缩小数值气象预报模型的预测范围，进行更加精准的预测，由于其不需要大量的历史数据，对于新建的风电场比较适用，且对于地形复杂的风电场也有比较好的预测效果，但是运用此方法就需要对风电场的气象知识和物理特性了解得比较透彻，否则达不到理想的预测精度。

3.2 统计方法

统计方法就是忽略物理条件的影响，建立数据库，找出风速、风向等因素与输出功率之间的对应关系，建立模型，然后运用实时数据进行功率预测。常见的统计方法可分为线性方法和非线性方法，两种方法中最常用的就是时间序列法和神经网络法。

3.2.1 时间序列法

时间序列法目前在负荷预测方面已应用得比较成熟，它对于数据量大的预测对象有较好的处理效果，进行风电功率就是这样一个对众多数据进行处理的复杂过程。运用时间序列法进行预测的原理就是通过统计分析大量的历史数据，然后确定合适的模型来进行风速或风电功率的预测。目前最常用的时间序列模型是差分自回归滑动平均模型(ARIMA-Autoregre-ssive Integrated Moving Average)。

3.2.2 神经网络法

神经网络法在股市、证券交易方面运用得比较多，它能够以比较高的精确度去逼近待解的复杂非线性关系，并具有很强的信息综合能力，同时它还具有鲁棒性强、计算速度快、能够自学习等优点。神经网络法用于实际预测要完成以下步骤：确立表达式、选择模型、确定输入参数、选择训练模式、网络测试，其中比较复杂的就是如何在众多数据中选择合适的输入参数来进行多次的训练。比较常用的神经网络模型有：BP 网络和RBF(径向基函数)网络。

3.3 组合预测法

组合预测的原理就是把两种及以上的方法相结合，综合各种有用信息，使问题求解的过程更加快速高效。实际应用中可以采用时序神经网络法[3]来进行风电功率预测，即先用时间序列法进行建模分析，确定影响预测结果的关键变量，然后将它们作为神经网络法的输入量，这样可以就解决了神经网络需要通过反复试验确定输入变量的难题，减少了系统的冗余计算，提高了预测系统的效率和精度。

4 预测系统的结构

目前国内对风电功率预测系统的要求是能够预测次日的功率[4]，并且为了便于调度系统的灵活操作，要求其采用调度系统的网络。图2所示为预测系统的结构图。

图2 风电功率预测系统结构图

预测数据库主要负责汇集各种数据，是系统进行数据交互的中心位置；数值天气预报主要负责收集系统所需的各种数据；预测程序就是利用系统输入的气象数据进行预测后将结果返回数据库；EMS系统接口主要完成外界和系统的数据交流；图形用户界面则是系统与用户进行信息交流的工具。目前在我国的一些小型风电场中已有投入运行的预测系统，受各方面条件的限制，预测精度还有点提高。

5 结论

在我国已有比较完善的负荷预测等预测系统，但由于风速和风电功率具有规律性弱，易受自然环境影响的特性，目前其预测精度并未达到理想状态，因此还需对预测方法进行进一步的探讨与改进。未来的预测方法将朝着如何提高预测时间长度和预测精度的方向去改进，如何将新兴的智能方法运用到预测中来也是值得探讨的方向。

[1] 韩爽.风电场功率短期预测方法研究[D]北京：华北电力大学，2008.

[2] Landberg L.Prediktor：an on-line prediction system[C].Wind Power for the 21stCentury，EUWEC Special T C，Kassel，2000.

[3] 杨秀媛，肖洋，陈树勇.风电场风速和发电功率预测研究[J].中国电机工程学报，2005，25(11)：1-5.

[4] 范高锋，王伟胜，刘纯，等.基于人工神经网络的风电功率预测[J].中国电机工程学报，2008，28(34)：118-123.

[5] 雷亚洲，王伟胜，戴慧珠，等.风电对电力系统运行的价值分析[J].电网技术，2002，26(5)：10-14.

[6] 田铮.时间序列的理论与方法[M].北京：高等教育出版社，2001

[7] 张颖，高中文.基于时间序列和神经网络的电力系统负荷预测[J].哈尔滨理工大学学报，2003，8(1)：30-36.

[8] L.Landberg.Short-term Prediction of LocalWind Conditions[J].Journal of Wind Engineeri-ng and Industrial Aerodynamics，2001，89：235-245

[9] 吴国旸，肖洋，翁莎莎.风电场短期风速预测探讨[J].吉林电力，2005(6)：21-24.

ResearchontheWindPowerPredictionMethod

ZHANGMi，XIAChang-hao

(College of Electrical Engineering & New Energy，Three Gorges University，Yichang 443002，China)

This paper starts from the importance of wind speed and wind power prediction,introduces the basic principle and process of wind power prediction.Combined with dynamic forecast methods at home and abroad research,this paper introduces the current commonly used wind power prediction method and prediction system and analyzes the problems of the existing methods in practical application.

wind speed; wind power; prediction method; prediction system

1004-289X(2017)02-0035-03

TM71

B

2016-09-06