省级风电及光伏运行监测分析平台研究
2022-03-08杨勤胜祝永晋郝雨辰
杨勤胜,李 剑,祝永晋,郝雨辰
(1.江苏方天电力技术有限公司,江苏 南京 210000;2.国网江苏省电力有限公司,江苏 南京 210000)
0 引言
新能源作为非化石能源的重要组成部分,对我国构建清洁低碳、安全高效的能源体系有着非常重要的作用。随着大规模的新能源接入电力系统,电网的安全稳定运行面临巨大挑战[1]。近年来,在相关新能源发展政策的引导下,江苏省新能源发电产业(特别是太阳能发电和风力发电)呈持续发展趋势。据国网江苏省电力公司统计,2015—2020 年江苏省新能源并网情况如表1所示。6年来江苏省新能源并网逐年增长,特别是在2020 年风电/光伏迎来并网高峰,12 月甚至出现风电抢装潮。
表1 江苏省新能源近几年并网情况 (单位:万千瓦)
由于新能源电站对气象依赖度大,具有波动性、随机性大等特点,使其难以可靠预测,也难以指定准确的发电计划,对电网可靠性以及运行经济性带来一定的影响。因此迫切需要建设省级风电及光伏运行监测平台,通过完备的全过程运行监测以及精准的发电负荷预测,加强电源与电网的统筹规划建设、科学的调度控制以满足新能源发电管理要求。
本文从电网调度需求出发,参照国家及地方政府要求,研发适用于江苏电网规模和新能源并网特征的监管平台。
1 平台设计
1.1 数据来源
省级风电及光伏运行监测平台数据主要包括风电场/光伏电站全站统计数据、风电场/光伏电站单机数据、风电场/光伏电站预测数据以及高精度数值天气预报数据,具体如表2所示。接入的数据特点如下。
表2 监测平台所需数据
(1)数据的多源化。接入的数据来源于各个业务系统,数据相对比较分散。例如:风电场/光伏电站全站统计数据以及单机数据来源于调度D5000系统;风电场/光伏电站功率预测数据来源于中国电科院;高精度数值天气预报数据来源于科阳电力。
(2)数据的多样化。随着风电及光伏电站并网规模的不断扩大,接入的数据量也持续增长。同时接入的数据种类较多、数据维度多,且数据的实时性要求不一致。例如:高精度数值天气预报数据及风电场/光伏电站功率预测数据采集频率均为15 min,而风电场/光伏电站全站统计数据及单机数据的采集频率为1 min。
(3)数据的复杂化。各类数据之间的关系较为复杂。比如,风电场/光伏的功率、风机待机/停运情况等均会受到气象因素的影响。因此,需对各层数据之间的关系展开深入的研究分析,挖掘各层数据的潜在价值,为更好地服务新能源消纳做准备。
1.2 平台架构
监测分析平台分为数据处理模块和运行监测可视化模块,具体如图1所示。
图1 平台架构
数据处理模块对风电场/光伏电站全站统计数据、单机设备数据、功率预测数据以及高精度数值天气预报数据进行解析、存储、统计分析等处理;运行监测可
视化模块实现模型管理、运行情况监视、气象资源监视、并网电能质量监测、消纳监测分析等展示功能。平台后续可根据需求,开展更深入的数据分析工作,例如风电场指标分析及评价等,具有较好的延展性。
1.3 平台功能设计
平台共分为9个功能模块。
(1)数据接入与数据处理。与各个业务系统建立数据接口,接入江苏省新能源发电监测所需数据,包括全站统计数据、单机设备数据、功率预测数据以及高精度数值天气预报数据,并对接入的数据进行梳理、存储、整合以及计算分析。
为规范数据存储流程,设计统一持久化模块,所有的数据均通过统一数据持久化模块完成分区存储。江苏省统调风电/光伏单机数据通过在并网期间上报对应设备各个数据项点号至平台,形成数据模型与数据点号的对应关系,通过对应关系对数据进行解析并转换为数据模型,使用平台数据持久化模块完成存储;对于全站统计数据则通过前期整理的遥测编号形成对应关系;功率预测数据由平台侧统一定义文件格式和内容,上报后按照预先分配的电站ID 标示电站并检查文件格式内容是否符合要求,根据定义的动态文件解析规则对文件进行解析。
(2)模型管理。对江苏省各电站的信息进行配置。例如:对电站的基本信息(名称、类型、总容量、并网容量、地理位置)等信息进行设置。
(3)采集数据质量管理。建立采集数据质量监控体系,实现对新能源发电监控数据的有效、全面治理。设计各种信息校验算法,对采集到的数据进行检验,通过数据质量考核,实现对数据质量的有效监控。
(4)综合场景监测。按照区域、地市、电站、单机的维度对新能源电站的运行状态开展集中监控。分别从地市/区域维度体现地市/分区的总装机容量、实时出力、发电量情况等;从电站维度对电站的基本信息、机组分布情况、电站的出力/风速走势、消纳情况及电量走势进行全面监视;从单机维度对单机的运行状态、功率、电量情况进行全面监视。
(5)并网电能质量监测。依据已接入数据,设计新能源发电并网电能质量考核指标体系。根据建立的指标体系,对新能源发电电能质量开展在线监测分析,及时掌握并网电压、功率越限等情况,并进行越限告警。
(6)消纳监测分析。设计监控指标,对风电机组状态重新规范化定义,实现理论发电量、电网限额、受损电量、场外陪停受损电量等功能,准确区分场内、场外弃风电量,进行在线监测。通过准确的电量计算结果,在平台中生成地区、风电场机组利用小时数,完成差异率统计,根据统计结果评估风电场设备情况及运行维护情况。
(7)气象资源监视。依托接入的高精度数值天气预报数据,通过风速、降水、辐照度、温度、湿度等不同维度对江苏/华东/送端地区的气象情况进行全面监视;同时对地市平均风速、平均风速同比/环比情况进行监视。
(8)营销分布式光伏出力估计。根据接入的光伏电站(含营销分布式光伏电站)数据以及高精度数值天气预报数据,建立营销分布式光伏实时出力估计模型及预测模型,估计江苏省各区域营销分布式光伏实时出力,并结合0~72 h高精度数值天气预报,预测营销分布式光伏电站出力。
(9)发电预测。依托采集的电站预测数据,结合高精度数值天气预报,开展电站出力预测工作。对上报的预测数据进行优化整合,实现电站、地址、分区多维度的电站出力预测。
2 关键技术
2.1 多源数据处理技术
平台接入的数据比较多源化,各系统或单位提供的数据格式有所不同,因此需要采用不同的方法对数据进行解析后再存储至数据库。例如,高精度数值天气预报数据采用的是NETCDF格式,需要通过动态链接库的解析方式;调度D5000 系统、中国电科院提供的数据采用E文本,需要采用文本格式定义对数据进行解析。
2.2 Kafka消息队列技术
通过定义适用于业务场景的MQTT 协议配合消息队列技术,在多源化数据的情况下,完成业务解耦,提高整体处理性能与可用性,解决了分布式物联网采集系统中数据分发和并行处理的问题。
2.3 Redis数据分层技术
使用数据分层技术,解决在业务具有一定多样性场景下数据整合速度慢、维度多的问题。利用数据分层技术按照业务将数据定义为不同的数据热度,提高整合速度,优化用户体验。
2.4 Flink流计算技术
通过全面使用基于内存的分布式流计算,解决平台中对各类业务需要的实时计算结果输出,利用高速内存和分布式流对复杂计算业务进行切割拆分,由若干个子节点对数据进行计算,实现复杂计算结果的快速输出。
2.5 营销分布式光伏发电功率估算技术
营销分布式光伏因建设成本等原因,无法安装实时监测设备,因此无法实时监测并实时采集各设备的数据。目前营销分布式光伏是将光伏电站中的逆变器、电表等设备的数据通过下接路由器等通信协议收集起来,并用GPRS 的上接方式传送到用电信息采集系统[2]。采用GPRS 传输存在传输带宽、网络不稳定等问题,为了解决该问题,采用了一种基于BP 神经网络的泰森多边形内营销分布式光伏发电功率估算方法,根据泰森多边形原理将面积为10.72 万平方公里的江苏省划分为900 多个泰森多边形,找出泰森多边形内的气象观测数据(例如辐照度等)。然后再通过BP 神经网络对历史数据进行训练得出训练模型,根据训练模型估算发电功率[3-4]。
3 系统实现及应用效果
平台已在江苏省上线运行,目前已实现江苏省约2 740 万千瓦规模风电场、光伏电站的全面采集与监视。截至2021 年4 月,已接入风电场129 座(风电机组4 798台)、统调光伏电站36座(光伏逆变器单机16 861台)、非统调集中式光伏电站414座、非统调分布式光伏电站750 座,合计监视风电容量约1 541 万千瓦,光伏容量约1 195万千瓦。平台具备运行监测、气象资源监视、营销分布式光伏出力估计与预测等功能,具体如图2所示。
图2 系统实现
4 结语
在新能源电站接入比例逐渐提高的情况下,为应对江苏新能源快速发展的趋势以及为了保证电网的安全稳定运行,设计了省级风电及光伏运行监测分析平台,实现江苏省风电及光伏运行全监测。平台的投入使用有利于电网规划,促进江苏电网与新能源协调发展,并为业务部门的统计分析提供有力支撑。