基于WRF模式的元江羊岔街风电场功率短期预报实验*

丁 圣,段 玮,赖国兵,李 刚

(1.云南省元江县气象局,云南 元江 653300;2.云南省气象科学研究所,云南 昆明 650032;3.中国广核新能源控股有限公司,云南 玉溪 653100)

1 引言

目前，风力发电技术已成为世界上发展最快的新能源发电技术之一，虽然我国的风力发电技术起步较晚，但发展迅猛，目前总装机容量和累计发电量都位于世界第一，风力发电量占世界风力发电量的一半以上。

风力发电厂的选址和运行和气象密切相关，由于风力呈现波动性和间歇性的特征，风力发电不稳定，对电网稳定安全运行影响大，进行风功率的预报工作，提高预报准确率，提高风电上网率，可以提高风电场运行经济性和整个电网的安全性，增加效益[1-3]。

云南目前建成的风电场均为高原山地风电场，风电场内地形、风机、风速、高差分布复杂，异于我国其他地区的大规模平原风电场，现有预报技术对高原山地风场的预报精度达不到要求。由于风的局地性强，预报难度大，要开展风电场功率预报，必须针对具体的风电场，在数值天气预报的基础上，进行专门的统计分析，建立相应的统计预报模型，从而预报风电功率，必须考虑地形订正、参数优化等技术的实施来提高高原山地风电场的预报准确率。以元江羊岔街风电场为例，风场面积跨度大(涉及羊岔街和咪哩2个乡镇)，风机间落差大，下垫面地形地貌复杂，风机分布复杂，环境风场复杂，风速预报难度大，同时针对高原山地的系统观测不足，理论研究较少，本文研究符合云南高原山地电场发展规模化并网发电的迫切需求。

风电场风功率预测是指对风电场的风力发电机输出的发电功率进行预测，目前运用的技术主要是根据风电场气象信息有关数据，利用物理模拟计算和科学统计方法，对风电场的风力风速进行预报，再根据风机状态信息预测出发电功率。本文尝试使用WRF模式进行短期风功率预报。

2 资料来源

2.1 羊岔街风电场介绍

此次研究以元江县羊岔街风电场为目标风电场。项目资料主要收集了风塔和2座风机2017年1月份的风速和风功率数据。图1给出了风电场、风机及风塔的位置示意图，由图可见：风电场坐落于元江与墨江之间的哀牢山脉中段，距离元江县城东面21.8 km，风电场海拔2 220 m，是典型的高原山地风电场。风电场风机沿山脊分布,山脊植被多以灌木丛组成，地理环境、区域下垫面和地形都很复杂。羊岔街风电场采用歌美飒生产的机型为G97-2000型风机，额定功率2 000 kW，风机类型为高原常温型、叶桨，三叶片，具备变速、变桨功能。风机切入风速3 m/s，切出风速25 m/s。风塔高度80 m，风机轮毂高度78 m，叶桨直径97 m。

图1 风电场、风机及风塔位置示意Fig.1 Position of wind farm, fan and tower

2.2 资料来源

由于传统气象站的风塔仅10 m高度，风电场风塔和风机高度均高于气象站风塔高度，相应风速测量资料也和传统气象站测量数据有很大差异，风电场都会自建风塔测量收集数据，每台风机也自带风速测量装置，根据风电场发电规范要求，风电场还会对每台风机的风功率实时数据进行采样收集。本文研究内容得到了羊岔街风电场和云南省气象科学研究所的支持，相关风塔和风机的风速和风功率数据均来自于羊岔街风电场。NCEP-GFS资料来源于美国环境预报中心网站。WRF模式的建立和运行得到了云南省气象科学研究的支持。

项目收集了风电场测风塔风速资料与用于驱动数值模式预报试验的NCEP-GFS资料如下：2017年1月逐15 min的羊岔街风电场测风塔资料，包括气象风速、测风塔风速、风机风速；2017年1月逐15 min的羊岔街风电场s1136、s1137号风机资料，包括有功功率 、平均风速；2017年1月逐6 h NCEP-GFS预报资料。

3 技术方法

本文使用常规气象数值预报模式预报风电场风速，通过地形订正方案对资料同化得出每台风机的风速预报结果，仅根据风机风功率曲线得出风功率预报结果，最后根据《风电功率预测功能规范》的检验评估方法，对预报结果进行分析评估得出结论。

具体方法是采用中尺度气象模式WRF、3dvar边界层地形订正方法对预报结果进行资料同化，结合风机功率历史数据输出针对风机未来24 h内逐15 min的风功率预报结果，运用历史预报结果来修正和优化风功率的预报结果[4-6]，图2给出了技术路线图。

图2 技术路线Fig.2 Technical route

项目选用了WRF的实时天气数值预报功能，定型版本为WRF3.8 (2016年4月发布)，WPS版本。项目采用的是ARW WRF高级研究动力解决方案，质量地形追随坐标，Lambert-conformal地图投影，GFS(NCEP 的Global Forecast System)资料作为预报基础资料。

图3 WRF模式的模拟区域分布Fig.3 The simulation area distribution of the WRF mode

项目模式预报采用3重嵌套，确定的模拟区域如图4所示。3层嵌套的具体参数，见表1。在3重嵌套中，Domain1和Domain2为9 km分辨率和3 km分辨率，与目前云南省业务WRF模式分辨率一致,因此在Domain1和Domain2选用的各项物理量与业务保持一致。Domain3分辨率为1 km，除了近地面层方案外，其他物理过程方案参数与现行云南省数值天气预报业务保持一致，如表1所示。由于风机处于大起底层的近地面层(地面以上30～100 m)，彼此最近距离仅几百米，项目组技术人员采用统计降尺度方法[7]，基于风塔的观测值，在WRF提供的1 km分辨率的风速、风向等气象要素预报基础上，经过边界层地形订正、地面资料同化后将预报资料细化到具体风机位置上。

表1 WRF模式3重嵌套各项参数情况Tab.1 Three nested parameters of WRF mode

4 结果检验

4.1 检验评估方法

本文根据《风电功率预测功能规范》采用相关性系数、平均绝对误差、均方根误差三个指标来对预报结果进行检验评估分析[8-10]。

相关系数可以确定两个时间序列之间的关系，就风电功率预报而言，可以确定风电功率的预报趋势效果。相关系数的计算公式为：

(1)

平均绝对误差用来分析要素(风速或风功率)预报值与记录值的偏离程度，注意风功率的平均绝对误差还要除以开机总容量，平均绝对误差计算公式为：

(2)

均方根误差也称标准误差，是用来衡量观测值与真值之间的偏差，均方根误差按规范要求短期预测月均方根误差要在20%以下，超短期预测第4 h预测值月均根误差要在15%以下(限电时段不参与统计)。

(3)

4.2 预报结果检验

根据前文的技术路线，按三步走的思路，首先直接预报风速结果，然后使用地形修正后预报风速，最后资料同化后输出风速预报结果，利用风速结果和风功率曲线图和风机历史数据生成风功率预报。

3次风速预报结果都会出现一些与实际风速差异过大的离群值，我们事后主观加上一个离群值修正后订正，思路是如果模式风速大于其前后4个时刻预报值的3倍方差，认为是离群值，则用前4个时次观测值平均值代替预报值。3次预报及修正离群值后的预报对比结果如图4所示。

如表2所示对预报结果进行检验，修正离群值后预报系数提高，平均绝对误差减小，复杂地形同化后相关系数减小且平均绝对误差增大，说明本实验选择的3dvar复杂地形同化方案不适于羊岔街地区，但是为何出现离群值以及地形同化后效果还不如未地形同化后的预报结果，其原因较为复杂，有待进一步的分析总结。

图4 三步预报风速及修正离群值后预报对比(单位 m/s)Fig.4 Three-steps forecast of wind speed and forecast comparison after correction of outliers (Unit:m/s)

直接预报风速对比直接预报风速对比(修正离散值)地形修正后风速对比地形修正后风速对比(修正离散值)复杂地形同化后风速对比复杂地形同化后风速对比(修正离散值)相关系数 0.560.8250.6870.8330.5580.823平均绝对误差1.441.291.341.241.451.29平均相对误差0.1890.1720.1780.1670.2190.202

利用地形同化后的风速结果和风功率曲线图及风机历史数据生成1136号风机和1137号风机的风功率预报对比结果如图5所示。

图5 1136号风机和1137号风机风功率预报结果对比(单位kW)Fig.5 Comparison of wind power forecast results between No. 1136 and No. 1137 fans(Unit:kW)

两台目标风机的风功率预报结果的相关系数、平均绝对误差和均方差误差检验结果如表3所示。可以看出修正离群值后两个风机的风功率预报结果都达到了20%的预报性能要求。未修正离群值前1136号风机的均方差误差达到0.23，不合要求，1137号风机达到0.17可以符合预报性能要求。对于超短期4h预测的月均均方差误差，两台目标风机都达到了很好的预报要求。

表3 三步预报风速及修正离群值后月数据相关系数和平均绝对误差结果Tab.3 The three-steps to predict the correlation coefficient and mean absolute error of monthly data and corrected outliers

5 结论

①仅使用边界层地形订正方法使用WRF模式输出风速预报结果的风功率预报尝试，对于超短期4 h风功率预报是足够的，简单判断查找并订正离散值的修正结果也满足短期预测月均方根误差要求。

②3dvar地形修正方案结果对本风电场实验的风速同化效果不明显，不建议业务中使用。

③云南冬季1月份，相对天气过程简单，预报难度小，是否适用云南雨季天气复杂的时段还有待进一步收集资料进行实验。

④其他文献[11-15]指出使用时间序列模型、人工神经网络模型、支持向量机、基于小波分析、基于卡尔曼滤波等数学工具，可以进一步提高预报准确率，但是为满足预报时效性也会加大硬件成本，下一步有条件情况下可以进一步开展实验。