风电场短期功率预测方法及应用实践微探

(整期优先)网络出版时间:2017-12-22
/ 2

风电场短期功率预测方法及应用实践微探

张平

(重庆云能发电有限公司404500)

摘要:风电场通过与风能以及相关发电机的结合,能够达到以风发电的目的。风电场短期功率预测工作,是实现大规模风电接入电力系统良好运行的重要前提。文章以此为前提分析了几种预测方法,并且探讨了预测方法的应用实践,希望能够为相关工作者提供有效的参考。

关键词:风电场;短期功率;预测方法;应用

风能本身是一种清洁、可再生能源,近年来已经得到了广泛的运用,然而随着大规模风电机组接入,逐渐对电力系统运行情况造成严重的影响。所以,对风电场发电功率进行预测,能够有效解决电力系统的调度问题。风电功率预测主要有超短期、短期、中长期预测三种。当前阶段,对于风电功率短期预测而言,其方法主要包含了物理、统计2种方式,一般是根据实际情况选择预测方法。近年来,受技术发展的影响,风电场短期功率预测也有了一些不同的方法,并且在实践中得到实际运用。

1风电场短期功率预测方法解析

对风电场短期功率进行预测,需要用到当地的数值天气预报数据,并且由中尺度数值预报模式将数据结果输出进行降尺度处理,其中主要有不同位置的测风塔高度下的气温、风速、风向以及气压等物理量预报值等,所呈现的数据时间分辨率是15min。

经过降尺度处理之后的成果最终显示水平分辨率是4km×4km,在地形和风电机组尾流等相关因素的影响下,并不能反映风电场内部的实际风速布设。所以,务必要将经过降尺度之后的天气预报数据转变为与单台风电机组轮毂高度相同的风速。相关资料中提出,当前阶段要想实现尺度数值天气预报模式降尺度,一般可以通过两种方式进行:其一是风场诊断模式,该方式所需计算量比较小,然而在精度方面却存在一些不足;其二,计算流体力学方式,该方式所需计算量较大且计算需要时间比较长[1]。在此次研究中,选用的是原理较为简单的统计方式。

对风电场短期功率进行预测,需要利用气象服务器接收数值气象预报数据,将其进行加工处理之后,再通过反向隔离器将经过处理的数据传送到风功率预测服务器内,功率预测服务器在防火墙的作用下,连接升压站与电场风机监控系统,对实发功率进行采集、存储与统计,这时风电功率预测服务器按照所接收的数值气象数据、实时测风塔数据以及风机数据等,对其进行并行计算,从而获得一段时间内的中期功率预测以及未来4小时超短期功率预测曲线。再此基础上结合现场投运情况的分析情况,得到风电场短期功率。

风电场短期功率预测方法主要表现为以下几个方面:

①对单台风电机组风速进行预测。按照每一台风电机组之前所测得得风数据以及同期数值天气预报数据,在此基础上建立线性回归关系。以数值天气预报模式最终成果为前提,在建立完成的回归关系基础上进行风电场中风电机组轮毂高度位置的预测风速的推算。实际预测与推算当中,数值预报模式模拟所得风场和现实风场可能会存在差异,对于这种现象便可以运用线性回归的方式进行纠正。

②对单台机组功率进行预测。预测功率之前,需要通过风电机组运行过程中产生的数据,对风机功率曲线进行纠正,在此基础上按照数值预报最终结果和风机功率曲线,对每台风机预测功率进行推算[2]。风机功率曲线的纠正十分必要,由于机组运行的状态、空气密度以及气流等相关因素极有可能造成风电机组的风机功率曲线、实际功率曲线脱轨的现象,所以,要在实际运行数据的支持下进行不同机组功率曲线的建立。一般情况下会按照各台风电机组实时测量的瞬时风速与瞬时功率,以最小二乘法的方式将其分段拟合。此次实际测量中,并没有对测风塔数据进行运用,其主要原因在于以下几个方面:其一是因为测风塔数据存在缺陷,时常有缺测现象的发生;其二,因为地形等相关因素的影响,致使各台风电机组所测风速存在显著差异,测风塔只能够以近似的方式表示风电场内部的风资源,无法将各台风电机组实际风速进行体现。

③对风电场功率进行预测。将各台风电机组的预测功率进行计算,以此获得风电场实际预测功率。

2风电场短期功率预测的应用实践

下文以某市风电场为例分析风电场短期功率预测方法的使用情况。该风电场一期工程施工过程中,海拔高程为1300~1700m,风电场北东—南西两个方位的长为8.1km左右,而东南—西北方向的宽则为1km左右,由此整个场区面积约为8.2km2。在一期工程当中,总共装机规模为49.5MW,其中安装国内品牌风机25台,风电机组的轮毂高度和单机容分别为85m、2000kW。

以上所述几种短期风功率预测方法,已经在风电场内使用超过1年,其中预测功率所指为预测风电场内没有出现故障、维护等状况情况下的输出功率。但是,该风电场几乎每月都会出现考核问题,为了保证功率预测误差评估的合理性,需要借鉴理想出力的理念。所谓理想出力,即在无限电、无风机故障与检修维护状态下,保证全部风机都能够维持正常运行下的出力。理想出力只能指代全部风机症状运行基础上呈现的输出功率。

此外,风电场所处地区为亚热带季风性湿润气候区,当其处于冬季和春季时,便会受到冷空气影响,且这种季风气候极为容易出现大风天气,进而导致风功率预测出现较大的误差;因为夏季副热带高压的影响,通常情况下风速比较小,在这种环境下风功率预测的误差也会缩小;因为秋季冷暖气流交替,致使昼夜温差较差,且风速相比其他季节也会加大,这时风功率预测所出现的误差也会增加。

导致风功率预测误差的原因一方面是因为数值天气预报误差,而另一方面则是受风预测模型误差影响,为了将预测模型误差分离,将距离测风塔距离最为接近的风电机组所产生的实测风速视为数值天气预报数据,并且将其输入至风功率预测模型中,也就是假设数值天气预报与实际观测结果相同[3]。对风功率重新预测之后,得出误差分析结果。通过对这一结果的分析,可以了解到当风电机组产生实测风速是数值天气预报数据,这时可以通过理想出力、预测功率计算的方式获得月均方根误差,否则则是按照实际数值天气预报数据预测风功率误差。另外需要注意的是,从风到功率预测模型所形成的误差,也必须要对其进行重视,以免加大风电场电气功率预测误差。

结束语

综上所述,通过分析可知,风电场风功率预测误差的形成,主要原因是数值天气预报风速误差和预测模型这两种原因。为了全面提升风功率预测精准度,不仅要考虑当下,还需要从长远计,加大对微尺度预报模式以及计算流体力学等相关物理预测方法的研究力度。

参考文献

[1]彭小圣,熊磊,文劲宇,程时杰,邓迪元,冯双磊,王勃.风电集群短期及超短期功率预测精度改进方法综述[J].中国电机工程学报,2016,23:6315-6326+6596.

[2]张涛,孙晓伟,史苏怡,李振兴.基于QPSO-LSSVM的风电场超短期功率预测[J].中国电力,2016,03:183-187.

[3]徐晓玲,郑潇.风电场短期功率组合预测模型研究[J].华东交通大学学报,2013,05:81-86.