云南省风电负荷预测系统现状评估

罗恩博,杜景琦,唐立军

(云南电网公司电力科学研究院,昆明 650217)

云南省风电负荷预测系统现状评估

罗恩博,杜景琦,唐立军

(云南电网公司电力科学研究院,昆明 650217)

风电负荷预测系统对风电大规模接入后电网的供电品质、供电可靠性有重要意义；针对目前云南省风功率预测还处于起步阶段的情况,对目前云南省风电功率预测系统中的数据采集系统、统计及报表功能、界面功能、预测功能、风场预测情况统计分析这5方面的现状及存在的问题进行分析,并对风功率预测系统的管理及优化提出改善意见。

风功率预测系统；预测功能；风场预测情况统计

0 前言

风能作为目前新能源开发中技术成熟,具有大规模开发前景的能源,目前在云南省范围内进行了大规模的开发和利用；针对风电场大规模接入电网的情况,风电负荷预测系统将对电网运行方式提供强有力的理论依据。

1 风功率预测系统

风电场功率预测是指以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型,以风速、功率或数值天气预报数据作为模型的输入,结合风电场机组的设备状态及运行工况,得到风电场未来的输出功率,预测时间尺度包括短期预测和超短期预测。

2 风功率预测对云南省的重要意义

云南省每日最高负荷大约为1 400 MW,目前风电接入200 MW,由于负荷中水电比重相对较大,水电具有较强的调频能力,所以目前对于在线路容量允许的情况下风电采用全额消纳的方式,但随着十三五规划中风电的大力发展,风电在电网中的比重将继续增大[1],由于风能的随机性、间歇性特点,风电对电力系统的安全稳定运行将带来更大的挑战。

风功率预测系统对风电场出力变化趋势进行预测,对风电场的运行情况进行监视,通过对风电出力的预测可以为电力调度部门优化运行方式提供数据支持,从而提高电网供电质量、保证电网安全[2]。

3 电场侧风功率预测系统情况

2010年前投运风电场于2011年开始陆续配置风功率预测系统,2011年以后投运风电场在投运过程中就开始配置风功率预测系统。

下面从以下4个方面对目前云南省风电负荷预测系统的现状进行分析。

3.1 数据采集系统

数字采集系统是风电负荷预测系统基础的数据来源,也为负荷预测计算提供实际数据支持,并与调度端进行通讯,上送风电场运行情况及预测数据。现阶段云南风功率预测数字采集系统基本情况如下：

1)风电场测风塔采集量均包括三个不同层高的风速和风向；但发现存在风电场目前并未安装测风塔,测风塔数据均是电脑自动生成,并非实时风速。

2)风功率预测系统通过通讯终端接收风场气象信息和风场实际运行情况,并向调度端输出风功率预测信息；但各风场均有不同程度的采集信号缺少现场温度、湿度、风向级空气密度等气象数据采集不全的情况。

3)目前风电厂预测数据存储均是按15 min存储一次的方式进行存储,期间的风场实发功率及风速数据都为15 min转化的平均数据。

4)部分风电厂存在实际功率、实际风速缺失的情况,缺失的情况下数据显示为空缺,未对缺测和异常数据进行处理,将对预测数据准确性造成影响。

3.2 统计、报表功能

统计和报表功能是通过对风功率预测系统中气象数据、预测数据、实际运行数据进行归纳总结再生成数据展示功能,包括表格展示、图表展示、报表打印输出。现阶段云南风功率预测系统统计及报表功能情况如下：

1)各风电场风功率预测系统中对于短期及超短期功率预测都可以通过历史趋势进行查询。

2)各风电负荷预测系统中误差统计均是采用日统计、月统计的方式完成；误差指标包括均方根误差、平均误差、相关性系数、最大预测误差存在统计数据不完善的情况。

3)各风功率预测系统只包括风速及风向统计功能,并支持自动生成报表；未包括发电量、风电有效发电时间、最大出力及其发生时间等,也未向电力调度机构上送以上统计数据。

3.3 预测功能

预测功能是通过天气预报、现场实际气象数据及历史数据对风电场未来功率进行预测的方法。目前预测功能情况如下：

1)目前这些风功率预测系统均包含预测次日零时起3天的风电输出功率的短期预测、预测未来0-4h的风电输出功率的超短期预报,且时间分辨率都为15min。

2)各风功率预测系统短期预测启动时间都是由后台设定,无法通过界面按钮进行手动测试,超短期预测都是按照15min执行一次,预测该时刻之后4h的输出功率。

3)风场均存在开机容量缺失的情况,由于缺少实际的开机容量将导致误差统计计算不准。

4)各风电场风功率预测系统中对于限电时段都没有从预测系统中填写限电时段,导致限电时段预测数据与实际负荷偏差很大。

5)对负荷预测曲线在预测系统中存在数据缺失或错误是无法进行修正。

6)各风场都具有完备的误差统计功能。

3.4 风场预测情况统计分析

根据 《风电功率预测系统功能规范》中要求单个风电场非限电时段的短期预测月均方根误差应小于20%,超短期预测第4 h预测月均方根误差应小于15%；[3]误差计算方法如下：

均方根误差(RMSE)

平均绝对误差 (MAE)

相关性系数 (r)

最大预测误差 (δmax)

式中：

PMi——i时刻的实际功率

PPi——i时刻的预测功率

Cap——风电场的开机总容量

n——所有样本个数

通过收集的预测数据根据公式 (1)至公式(4)对风电场的预测误差进行计算,计算结果如图1～4所示：

图1 调研风电场2-8月份短期预测均方根误差统计

图2 调研风电场2-8月份超短期预测均方根误差统计

图3 调研风电场2-8月份短期预测平均绝对误差统计

图4 调研风电场2-8月份超短期预测平均绝对误差统计

通过对上述3个风电场预测数据的收集及误差计算的结果可以看出,目前风电场的短期、超短期预测均方根误差均有不同程度的不满足要求的情况,预测精度相对偏低；短期预测平均绝对误差在10%～25%之间,超短期预测平均绝对误差在5%～25%之间。

4 风电负荷预测系统存在的问题

云南省由于近几年才开始大力发展风电项目,导致目前对风功率预测系统的管理及研究存在明显的不足,由于风电的大规模接入,风功率预测系统已经成为大家关注的焦点,但云南省范围内风功率预测系统存在着以下几个主要问题：

1)目前我省风电功率预测系统依赖于地区天气预报数据,但地区天气预报对风电场局部气象预测存在明显偏差的情况,导致预测精度偏低。

2)风电场历史数据不完备、气象数据缺失等情况也导致负荷预测精度较低。

3)风电场发电计划上报基本是采用参考前一日实际负荷情况来进行上报,并未直接使用预测数据作为计划发电数据上报；这样导致上报的计划数据与预测数据及次日实际功率情况存在较大偏差,风功率预测系统也未起到应有效果。

4)风功率预测系统在各风电场中无人管理无人维护,预测系统未对风电场运行,风功率预测的数据、误差统计等也没有进行归档和收集。

5 结束语

本文介绍了针对目前云南省风功率预测系统的闲置及存在的问题,对下一步规范和提高风功率预测系统提出以下建议：

1)提高风电场风功率预测系统的基础资料管理,完善风功率预测系统的数据统计及采集,并向电力调度中心及时上报；这样一方面可以提高预测精度,同时对风电场的运行维护及检修计划安排提供便利。

2)完善风功率预测系统的考核管理制度,提出相应的风功率预测系统的各项技术指标以规范风功率预测系统,提升预测水平,保证电网安全。

3)进一步对风功率预测系统的算法与技术进行深入研究,对气象预报数据进行长期统计收集,针对我省以山地为主的特点优化预测算法,提高预测精度。

4)开展风电场技术监督。在技术监督的过程中规范风功率预测系统,并在监督过程中收集各项气象数据及预测数据,为进一步深化风功率预测研究工作提供数据支持。

[1] 邢婷,郑有飞,朱勇,等.云南风能资源及其开发利用研究进展 [J].气象与环境科学,2013,36(4)：55-61.

[2] 范高锋,裴哲义,辛耀中.风电功率预测的发展现状与展望 [J].中国电力,2011,44(6)：38-41.

[3] 风电功率预测功能规范 [S].北京：国家电网公司,2011.

Status Assessment of Wind Power Forecasting System in Yunnan Province

LUO Enbo,DU Jingqi,TANG Lijun
(Yunnan Electric Power Research Institute,Kunming 650217,China)

The wind power forecasting system is of important significance to the quality and reliability of power supply after a large scale of wind power connecting to the grid.In view of the wind power forecasting in Yunnan Province is still in the initial stage,this paper analysis the status quo and existing problems in the following five aspects in wind power forecasting system：data acquisition system,statistics and reporting function,interface function,forecasting function and wind power forecasting situation statistics,then proposes the opinions on improving the management and optimization of the wind power forecasting system.

wind power forecasting system；forecasting function；wind power forecasting situation statistics

TM73

B

1006-7345(2015)01-0056-03

2014-09-02

罗恩博 (1986),男,云南电网公司电力科学研究院,从事水、火电机组及新能源控制系统研究 (e-mail)luo725＠126.com。

杜景琦 (1980),男,硕士,云南电网公司电力科学研究院,从事水、火电机组及新能源控制系统研究 (e-mail)109059245＠qq.com。

唐立军 (1985),男,硕士,云南电网公司电力科学研究院,从事水、火电机组及新能源控制系统研究 (e-mail)16893515＠qq.com。