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

江苏科技信息 2022年2期

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。