调度侧风电功率预测系统设计与应用

王炜，张国建，姜鸣，周永华，周强

（1.云南电网有限责任公司大理供电局，云南大理 671000；2.南瑞集团公司（国网电力科学研究院），江苏南京 211106；3.东莞理工学院，广东东莞 523000）

调度侧风电功率预测系统设计与应用

王炜1，张国建2，姜鸣3，周永华2，周强1

（1.云南电网有限责任公司大理供电局，云南大理 671000；2.南瑞集团公司（国网电力科学研究院），江苏南京 211106；3.东莞理工学院，广东东莞 523000）

为解决风电场功率预测数据异常和数据丢失的问题，提出了一种调度侧风电功率预测系统方案。调度侧风电功率预测系统由数值天气预报下载服务器、反向物理隔离装置、数据采集与处理服务器、预测系统数据库服务器和功率预测应用服务器构成。通过在云南大理电网的应用结果表明：调度侧风电功率预测系统与发电侧风电功率预测数据相互校核，互为备用，进一步提高了全网预测精度，保障了电网的安全运行；系统效果良好，安全性高，实用性强。

风力发电；功率预测；调度中心

风力发电在国内受到重视，但由于风电具有间歇性、波动性、周期性等特点，大规模风电场接入电网势必会对整个电网的安全稳定经济运行造成影[1-2]。风电预测是解决大规模风电并网对电力系统运行冲击的基本措施之一，可为风电场制定发电计划提供准确的依据，保证电力系统的安全稳定运行[3-5]。

在以往的风电预测系统中，一般在发电侧部署风电功率预测，调度中心的数据来自于风电场上送数据。部分风力资源丰富的地区，随着风电大力开发，接入电网的风电场数量越来越大，上送数据的准确性受到了极大的挑战，因而亟待建设调度侧风电功率预测系统[6-8]。在调度侧建设风电功率预测系统，对下辖风电场输出功率进行集中预测，通过对比风电场上报的功率预测结果和调度侧风电场功率预测结果，电网调度部门可以择优选择切合风电场真实发电能力的预测结果编制发电计划，同时也可以对风电场运行数据和预测模型进行有效的统一管理。本文将提出一种调度侧风电功率预测系统的方案。

1 调度侧风电功率预测系统架构

1.1 系统总体架构设计

利用标准化和模块化设计技术，采用C/S架构与分层设计思想，设计调度侧风电功率预测系统，以满足系统功能模块间既独立工作又相互协调。风电功率预测系统位于调度侧调控中心安全II区，由数值天气预报下载服务器、反向物理隔离装置、数据采集与处理服务器、预测系统数据库服务器和功率预测应用服务器构成。系统模块内部及与其他应用间的网络通信在边界网络处配置物理隔离设备和硬件防火墙，以满足《电力二次系统安全防护规定》的相关要求。调度侧风电功率预测系统总体架构见图1。

图1 调度侧风电功率预测系统总体架构图Fig.1 Overall architecture diagram of wind power forecasting system at the dispatching center

图1中，数值天气预报下载服务器经防火墙与Internet联接，并经反向物理隔离装置和数据采集与处理服务器相连，数据采集与处理服务器与调度SCADA系统经防火墙联接，与风电场功率预测系统采用2 M专线经纵向加密认证装置联接，同时和功率预测应用服务器分别与预测系统数据库服务器相连接并双向通讯。

数值天气预报下载服务器用于下载风电场数值天气预报数据；数据采集与处理服务器用于获取风电场的数值天气预报数据、实时运行数据以及功率预测系统上报的短期和超短期功率预测数据，并对数值天气预报数据、实时运行数据、短期和超短期功率预测数据进行处理后存入预测系统数据库服务器数据库中。

功率预测应用服务器基于预测系统数据库服务器数据库中存储的风电场数值天气预报数据和实时运行数据，实现调度侧风电场及电网全网的短期和超短期功率预测、功率预测误差计算，并将预测结果和预测误差计算统计结果存入预测系统数据库服务器数据库中。

1.2 系统功能模块设计

系统从功能上主要划分为风电场数值天气预报下载传输模块、风电场数据采集处理模块、区域/场站功率预测模块、预测误差计算统计模块和人机界面交互模块等，见图2。

图2 调度侧风电功率预测系统功能模块图Fig.2 Function module diagram of wind power forecasting system at the dispatching center

数值天气预报下载服务器上部署有天气预报下载模块和天气预报传输客户端软件，其中天气预报下载模块通过互联网与专业权威气象服务机构连接，采用ftp方式定时下载风电场数值天气预报数据，包括10 m、30 m、50 m和轮毂高层4个代表高层的风速、风向、温度、相对湿度、气压等要素；天气预报传输客户端软件，将天气预报下载模块下载的风电场数值天气预报数据以文本文件格式实时单向传输给数据采集与处理服务器，从而保证了电网系统的安全。

数据采集与处理服务器上部署有天气预报传输服务端软件、风电场实时数据采集模块、风电场预测数据接收模块和数据处理模块，其中天气预报传输服务端软件用于接收天气预报传输客户端软件发送的风电场数值天气预报数据；风电场实时数据采集模块，通过配置与调度SCADA系统数据接口来采集风电场总有功、风速、风向、温度、相对湿度、气压以及风机运行状态等实时运行数据，调度SCADA系统通过防火墙和数据采集与处理服务器相连；风电场预测数据接收模块，支持ftp或IEC102规约方式接收风电场功率预测系统上报的短期、超短期功率预测数据，预测数据支持E语言格式和XML格式，风电场功率预测系统通过纵向加密认证装置经2 M专线和数据采集与处理服务器相连；数据处理模块，对风电场实时运行数据、数值天气预报数据和上报功率预测数据进行处理，对不合理数据和缺测数据进行插补和替代，并将处理后的数据存入预测系统数据库服务器数据库中。

功率预测应用服务器上部署有区域/场站功率预测模块、预测误差计算统计模块和人机界面交互模块，其中区域/场站功率预测模块，用于根据风电场基础参数和历史功率数据建立预测模型，基于风电场数值天气预报数据实现调度侧风电场及电网全网的短期和超短期功率预测，同时将预测结果存入预测系统数据库服务器数据库中；预测误差计算统计模块用于对风电场上报的历史短期、超短期功率数据、调度侧预测的历史短期、超短期功率数据和电网全网的历史短期、超短期功率数据进行准确率、合格率、上报率等误差指标的计算、统计和分析，并将计算统计结果存入预测系统数据库服务器数据库中；人机界面交互模块用于对预测系统的运行参数和风电场的基础参数进行配置和维护，并将配置参数存入预测系统数据库服务器数据库中，支持对风电场的总有功、风速、风向、温度、相对湿度、气压等实测和预测数据及预测误差计算统计结果进行可视化展示，可视化展示方式包括曲线、报表、玫瑰图、柱状图等，同时支持对风电场上报预测数据进行人工修正及用户权限管理。

预测系统数据库服务器用于存储数据处理模块处理的各类数据、参数配置模块配置的参数、功率预测模块输出的预测结果和预测误差计算统计模块得到的计算统计结果。

2 调度侧预测系统应用

本调度侧风电功率预测系统已在云南大理电网进行了应用。大理电网统调风电场12座，分布于宾川、洱源、鹤庆、大理、剑川、巍山、祥云、云龙8个地区，总装机容量达922.5 MW。系统通过从安全I区SCADA系统采集风电场实时运行数据、风电机组运行状态数据，从安全III区数值天气预报下载服务器接收风电场数值天气预报数据以及从风电场安全II区风电功率预测系统接收上报的短期/超短期功率预测数据，不仅实现了调度侧并网风电场的功率预测，还实现了大理电网全网/区域的功率预测，同时为用户提供友好的访问界面，支持功率数据、测风数据和气象信息等一系列数据的采集监视、预测分析、考核统计和报表导出等功能，满足国家能源局和国家电网公司相关标准。系统具备高效、精确、智能的特点，为整个发电计划以及运行方式的制定提供基础和保障。本系统平台软件完全兼容D5000数据结构规范，具有强大的数据接入能力，支持多种数据接入协议采用统一编码设计，支持跨平台运行，实现数据和应用的分离，保证系统的兼容性，且系统功能伸缩性和扩展性好。

目前，风电功率预测系统已稳定运行，取得了良好的效果。运用系统内嵌的典型风场距离加权法对大理电网全网短期功率进行预测，并与全网实测功率以及利用风场预测结果累加法得到的全网短期预测功率进行对比，见图3。对比2016年3月1日至31日的全网功率曲线，运用典型风场距离加权法较风场预测结果累加法求得的电网全网短期功率预测结果更趋近于全网实测功率。典型风场距离加权法的月均方根误差和月平均相对误差分别为7.95%和6.70%，相比于累加法，其均方根误差和平均相对误差分别减少了3.02%和2.88%。调度侧风电功率预测系统提高了全网预测精度，保障了电网的安全运行。

图3 大理电网全网功率曲线Fig.3 The power curve of Dali Power Grid

3 结语

该系统通过在调度侧为风电场统一定制数值天气预报，结合风电场功率数据，实现调度侧风电场及电网全网的短期和超短期功率预测；同时通过对比风电场上报的功率预测结果和调度侧风电场功率预测结果，电网调度部门可以择优选择切合风电场真实发电能力的预测结果编制发电计划。调度侧风电功率预测系统与发电侧预测数据相互校核，互为备用，进一步提高了全网预测精度，保障了电网的安全运行。该系统在云南大理电网应用效果良好，安全性高，实用性强。

[1]迟永宁，刘燕华，王伟胜，等.风电接入对电力系统的影响[J].电网技术，2007，31（3）：77-81.CHI Yongning，LIU Yanhua，WANG Weisheng，et al.Study onimpactofwindpowerintegrationonpowersystem[J].Power System Technology，2007，31（3）：77-81（in Chinese）.

[2]范高锋，赵海翔，戴慧珠.大规模风电对电力系统的影响和应对策略[J].电网与清洁能源，2008，24（7）：44-48.FAN Gaofeng，ZHAO Haixiang，DAI Huizhu.The impact and countermeasure of large scale wind power on power system[J].Power System and Clean Energy，2008，24（7）：44-48（in Chinese）.

[3]郑婷婷，王海霞，李卫东.风电预测技术及其性能评价综述[J].南方电网技术，2013，7（2）：105-110.ZHENG Tingting，WANG Haixia LI Weidong.A review of the wind power forecasting technology and its performance evaluation[J].Southern Power System Technology，2013，7（2）：105-110（in Chinese）.

[4]郁琛，薛禹胜，文福拴，等.按时序特征优化模型后在线选配的超短期风电预测[J].电力系统自动化，2015，39（8）：5-11.YU Chen，XUE Yusheng，WEN Fushuan，et al.An ultra-short-term wind power prediction method using“offline classification and optimization，online model matching”based on time series features[J].Automation of Electric Power Systems，2015，39（8）：5-11（in Chinese）.

[5]闫鹤鸣，李相俊，麻秀范，等.基于超短期风电预测功率的储能系统跟踪风电计划出力控制方法[J].电网技术，2015，39（2）：432-439.YAN Heming，LI Xiangjun，MA Xiufan，et al.Wind power output schedule tracking control method of energy storage system based on ultra-short term wind power prediction[J].Power System Technology，2015，39（2）：432-439（in Chinese）.

[6]林建新，温步瀛，陈冲.基于分段平滑风电输出功率波动的储能系统容量配置方法[J].电力电容器与无功补偿，2016，37（2）：110-114.LIN Jianxin，WEN Buying，CHEN Chong.An energy storage system capacity configuration method based on piecewise smoothing wind power output fluctuations[J].Power Capacitor&Reactive Power Compensation，2016，37（2）：110-114（in Chinese）.

[7]南晓强，李群湛，赵元哲，等.计及风电预测可信度的经济调度及辅助决策方法[J].电力系统自动化，2013，37（19）：61-67.NAN Xiaoqiang，LI Qunzhan，ZHAO Yuanzhe，et al.An economic dispatch and decision making method based on credibility of wind power forecasting[J].Automation of Electric Power Systems，2013，37（19）：61-67（in Chinese）.

[8]廖志民，孙晔，张欢.大型风电场超短期风电功率预测[J].电网与清洁能源，2013，29（2）：75-79，85.LIAO Zhimin，SUN Ye，ZHANG Huan.Ultra-short-term wind power prediction for large-scaled wind farms[J].Power System and Clean Energy，2013，29（2）：75-79，85（in Chinese）.

（编辑 董小兵）

Design and Application of Wind Power Forecasting System at Dispatching Center

WANG Wei1，ZHANG Guojian2，JIANG Ming3，ZHOU Yonghua2，ZHOU Qiang1
（1.Dali Power Supply Bureau of Yunnan Power Grid Co.Ltd.，Dali 671000，Yunnan，China；2.NARI Group Corporation（State Grid Electric Power Research Institute），Nanjing 211106，Jiangsu，China；3.Dongguan University of Technology，Dongguan 523000，Guangdong，China）

In order to address the prediction data anomaly and data loss in wind farms，a scheme of wind power forecasting systematthedispatching center is proposed in this paper.The wind powerpredictionsystematthedispatchingcenterconsistsofnumerical weather forecasting server，reverse physical isolation device，data acquisition and processing server，prediction system database serverandpowerpredictionapplicationserver.Thewindpower forecasting system at the dispatching center and the wind power forecasting data at the generating station are mutually checked to further improve the forecasting accuracy and ensure the safe operation of the grid.ThesystemisnowinoperationinYunnanDali grid.

wind power；power forecasting；dispatching centers

2015-11-01。

王 炜（1976—），男，本科，工程师，主要从事电力系统调度自动化工作；

张国建（1986—），男，硕士，工程师，主要从事新能源预测技术、气象信息技术研究工作；

姜 鸣（1982—），男，博士，主要从事电力系统自动化、新能源预测技术研究工作；

周永华（1979—），男，硕士，主要从事电力系统自动化、新能源预测技术研究工作；

周 强（1983—），男，工程师，学士，主要从事电力系统调度自动化工作。

1674-3814（2017）05-0079-04

TM614

A

国家科技支撑计划资助项目（2012BAA15G00）；广东省自然科学基金资助项目（2016A030313134）。

Project Supported by the National Key Technology Research and Development Program of the Ministry of Science and Technology of China（2012BAA15G00）；the Natural Science Foundation of Guangdong Province of China（2016A030313134）.