风电功率预测系统简介

1目的和意义 (3)

2国内外技术现状 (3)

2.1国外现状 (3)

2.2国内现状 (4)

3风电功率预测系统技术特点 (5)

3.1 气象信息实时监测系统 (5)

3.2超短期风电功率预测 (5)

3.3短期风电功率预测 (6)

3.4风电功率预测系统软件平台 (8)

1目的和意义

风能是一种清洁的可再生能源，由于其资源丰富、转化效率高、产业化基础好、经济优势明显、环境影响小等优点，具备大规模开发的条件，在可以预见的将来，风能的开发利用将成为最重要的可再生能源发展方向。但由于风电等可再生能源发电具有间歇性、随机性、可调度性低的特点，大规模接入后对电网运行会产生较大的影响, 以至于有些地方不得不采取限制风电场发电功率的措施来保证电网的安全稳定运行。

对风电输出功率进行预测被认为是提高电网调峰能力、增强电网接纳风电的能力、改善电力系统运行安全性与经济性的最有效、经济的手段之一。首先，对风电场出力进行短期预报, 将使电力调度部门能够提前为风电出力变化及时调整调度计划，从而减少系统的备用容量、降低电力系统运行成本。这是减轻风电对电网造成不利影响、提高系统中风电装机比例的一种有效途径。其次，从发电企业（风电场）的角度来考虑,将来风电一旦参与市场竞争, 与其他可控的发电方式相比, 风电的间歇性将大大削弱风电的竞争力,而且还会由于供电的不可靠性受到经济惩罚。提前对风电场出力进行预报, 将在很大程度上提高风力发电的市场竞争力。

2国内外技术现状

2.1国外现状

在风电功率预测技术研究方面，经过近20 年的发展，风电功率预测已获得了广泛的应用，风电发达国家，如丹麦、德国、西班牙等均有运行中的风电功率预测系统。

德国太阳能技术研究所开发的风电管理系统（WPM）S是目前商业化运行最为成熟的系统。德国、意大利、奥地利以及埃及等多个国家的电网调度中心均安装了该系统，目前该系统对于单个风电场的日前预报精度约为85%左右。丹麦Ris? 国家可再生能源实验室与丹麦技术大学联合开发了风电功率

预测系统Zephyr ，目前丹麦所有电网公司均采用了该预测系统。此外，美国、西班牙、英国、法国、爱尔兰等风电发展较快的欧美国家纷纷开始开发和应用风电功率预测系统，其中较为成熟的产品还有美国True Wind Solutions 公司开发的

E-Wind，法国Ecole des Mines de Paris 公司开发的AWPP，S西班牙马德里卡尔洛斯第三大学开发的SIPREóLco 以及爱尔兰国立科克大学与丹麦DMI 联合开发的HIRPOM。

近年来，国际风电功率预测研究的重点已经转向开发更高级的预测模型，强调研发适用于复杂地形、极端天气条件以及海上风电场的预测技术。在2002 年欧盟启动的“开发下一代陆上与海上风电场风能预测系统” 项目（“Development of a Next Generation Wind Resource Forecasting System for the Large-Scale Integration of Onshore and Offshore Wind Farms ” - ANEMOS ）的支持下，涌现出大量新的预测方法，如结合统计法与物理法的混合预测法、小气候模型与中尺度气象模型的结合、多个中尺度模式的集合预报等。新预测方法的提出对提高预测结果的精度，拓宽预测方法的适应性具有重要意义。

2.2国内现状

经过多年的技术攻关，我国在风电功率预测的研发方面取得了重大突破。国网电力科学研究院自主研发的风电场功率预测系统于福建省电力公司、内蒙乌拉特风电场等不同现场投运, 预测精度达到国外同类产品水平，并在我国首次实现超短期预测功能，预测精度可满足国家电网公司相功能规范要求，接近或达到国外同类产品的水平。国网电力科学研究院的风电功率预测系统将于近期在华北电网公司、东北电网公司投运现场验证。

中国电力科学研究院研发的风电功率预测系统在我国多家网省电力公司投运，预测精度已满足国家电网公司相关功能规范要求，接近或达到国外同类产品的水平。

目前所有运行的风电功率预测系统均为针对单一电场的功率预测系统，

缺乏针对整体区域性大规模新能源电站（群）的综合预测，综合考虑区域

间大气科学、边界层物理等约束条件的不同对新能源电站发电能力的影响。随着我国大规模新能源产业的大规模发展，亟需加强大规模区域性新能源电站（群）发电功率预测的相关研究。

3风电功率预测系统技术特点

风电功率预测系统包括了数据监测、功率预测、软件平台展示三个部分。数据监测是预测的基础，数据监测包括对气象信息的监测和对风电场运行状况的监测。功率预测系统可实现短期、超短期预测功能，满足风电企业对于不同时效预报的需求。软件平台将对监测和预测的数据结果以直观的方式展示并分析。

3.1 气象信息实时监测系统

气象信息实时监测技术的应用，为风功率预测提供风电场区气象实时数据，以实现超短期功率预测，并为模型校订提供关键数据源。

实时监测系统由遥测站、中心站数据采集装置和通信通道组成，其中遥测站安装于风电场指定测风塔的相应高层，中心站数据采集装置安装于风场中控楼内，遥测站与中心站之间有光纤通道或者特高频通信通道供用户根据风场实际条件进行选择。实时监测系统具有稳定可靠的微功耗数据采集器、多信道可选的无线通信接口、丰富的高精度传感器接入、适用的机械构件设计、功能完备的中心站数据采集软件平台等核心技术。

在监测的气象要素数据中，多个高层的风速、风向值以每秒进行采集，近地面的温度、湿度、气压以每10 秒进行采集，每分钟采集雨量，遥测站可实现每5 分钟向中心站自动发送气象要素的实测数据和5 分钟平均值、最大/ 小值、极大值等统计数据。

3.2超短期风电功率预测

超短期风电功率预测能够实现对接入系统的风电场未来0-4 小时的输出功率情况进行预测，预测点时间分辨率为15 分钟。

超短期风电功率预测一般采用数理统计法，数理统计法是对风电场所在地测风塔的历史观测数据和周边气象台站的历史观测数据进行分析和整理，采用逐步回归法、时间序列法、BP神经网络法等，进行风力预测建模试验，最后选取预报效果较好的一种风力预测模型。

数理统计预报模式——超短期功率预测流程示意图

3.3 短期风电功率预测

短期风电功率预测能够实现对接入系统的所有风电场次日 0-24 小时的输出功率情况进行预测，预测点时间分辨率为 15 分钟。

短期风电功率预测主要依靠数值气象预报，并根据风电场地形的特点，输入风电场测风塔观测资料、周边自动气象站观测资料、风电场基础地理信息资料等，对风电场微观区域进行时空加密计算，得出满足风电场出力预测需求的风力预测结果。在风机标准功率特性曲线基础上，根据风电场历史功率数据以及历史测风塔数据统计分析获得风电场的出力预测模型。结合风

力预测结果与出力预测模型便可获得风电场全场输出功率预测结果。再将测风塔实时数据作为输入，经风力预测模型计算，即可得到超短期风力预测结果。

风电场短期功率预测方案流程示意图

数值天气预报是以资料同化系统 ADAS 为基础，通过 INTERNET 实时获取 GFS 背景场，结合本地大量实时观测资料，重建中尺度区域模式所需的初始场。在获

得精细化客观分析场的基础上，调试中尺度区域模式 WR ，F 构建风力预估数值预报系统。业务化运行后，可将模式预报所得传送至后处理服务器，通过 INTERNET 指定经纬度）的 5分钟平均风速、 5分钟平均风向。预测高层涵盖风机轮毂高度，风电场测风塔测风设备的安装高层等；对应预报点整点的 2米温度、 2 米相对湿度、地面气压， 6 小时累计雨量预报值；

向客户提供数据下载，并通过页面形式显示各气象

要素场

数值天气预报系统流程

3.4风电功率预测系统软件平台

风电功率预测软件平台采用基于B/S 架构的友好人机界面，具有如下功能：

1）实时监视信息：

提供界面监视测风塔采集的各气象要素（气温、湿度、气压、雨量、风速风向等）实测、预测值；

2）风电场气象实时/ 历史信息：包括实测和预测的气温、湿度曲线、风速、风向、湿、压、雨数据表格等；

3）风电场出力实时/ 历史信息：

包括全站实时有功曲线、日前预测出力曲线、风速与出力对比曲线、实际出力历史数据查询、预测出力历史数据查询；

4）误差统计分析：风力预测误差统计、出力预测误差统计分析。

风电出力预测系统是一个建立在分布式计算环境中的多模块协作平台，

主要采用java 语言、Python 语言等作为开发工具语言。人机界面采用了基于浏览器的B/S 架构开发。风电出力预测系统软件平台模块划分和数据流见下图：

风电出力预测系统软件平台模块图

各个软件模块的功能如下：

1.预测数据库：是整个风电预测系统的数据核心，各个功能模块都需要通过系统数据库完成数据的互操作。系统数据库中存储的数据内容包括：数值天气预报、测风塔实测气象数据、风场实时有功数据、超短期风力预测、时段整编数据、出力预测数据；

2.人机界面：这是用户和系统进行交互的平台，人机界面中以数据表格和过程线、直方图等形式向用户展现了预测系统的各项实测气象数据、风场实时有功数据和预测的中间、最终结果；

3.天气预报获取解析程序：负责定时从ftp 下载从气象部门获得的天气预报数据，通过筛选、格式化等操作将数据存放到预测系统数据库中；

4.风场风机信息采集程序：负责将从风机厂家获得的风场风机实时有功数据转存到预测数据库以作为预测数据比对和预测功率计算使用；

5.数据采集平台：负责从测风塔收集与预测相关的气象数据，并对数据做初步筛选处理，并将之存入预测数据库；

6.短期和超短期风电出力预测模块：从预测数据库中获得数值天气预报以及测风塔实测气象数据，以此为输入，应用各种模型计算短期和超短期出力预测结果并存入预测数据库；

7.误差统计计算模块：输入不同时间间隔的预测和实测出力数据，统计合格率、平均相对误差、相关系数，通过存入预测数据库、输出误差计算结果到人机界面。