探究风电场降低风功率预测系统电网考核电量

中电建新能源集团股份有限公司西南分公司 潘 帅

风电场降低风功率预测系统电网考核电量，主要是通过记录分析气象预报信息、测风塔实时测量信息、风功率输出结果信息，实现对风功率水平的合理预测，以便从信息整合中找到应用风功率预测系统降低电网考核电量的具体方法。一般情况下，此系统中经由风电预测软件、监控硬件设施联合操作下，即可获得实时数据，从而对4h 以后、168h 内风功率结果进行预测分析，达到降低考核电量目的，尤其是预测后可及时减少风电场非必要性考核电量，帮助风电企业节约考核成本，由此表明此系统的合理开发与应用有显著意义。

1 风电场降低风功率电网考核电量的特性

1.1 运行风功率曲线特性

风电场降低风功率电网考核电量预测系统在研发设计前，需要明晰考核电量特性，依据表1、图1所示的风电机组风速和有功功率曲线图，能发现在1013.3hPa 标准大气压、1225kg/m³空气密度、15℃条件下，考虑风力湍流特性时，将呈现风功率迟缓上涨而后持平的状态，经过仿真设计分析法确定风功率的降低，能利用控制风电机组桨距角形式促使风功率尽快到达持平拐点[1]。而在不考虑风力特性时，即可形成静态变化状态，在风速变大时，其风功率增长波动明显较小。

图1 1.5MW 风电机组风功率静态变化曲线

表1 1.5MW 风电机组风功率动态变化结果

要想降低电网考核电量，可从风功率预测层面把握降低途径。同时，依据IEC61400-12标准，要求在记录数据时，以15min 为数据采集周期，以风功率、风速为主要考核指标，并按照0.5m/s 的变化幅度为区间值，而且还需加强风电场风电机组运行现场周边地形、机组出力等条件干扰状况，继而增加风功率等数据采集准确度，满足风功率预测系统使用中降低考核电量要求。

1.2 风电项目风功率计算

针对风电项目风功率曲线考核值进行科学计算时，还要参照下列公式汇总高度测风仪风速实测结果，以便通过降低考核电量减少风电项目投资方经济损失。即：，其中：K 代表考核值，Q实测、Q推算分别表示实测年风电场发电量和保证推算年发电量。一般两项指标分别以对应的风频分布值×8760×功率曲线值予以计算。前者是指测风塔轮毂高度测风仪实测值，后者为风电场监控设施记录结果[2]。

在分析风电项目未达到考核标准，并在违反合同规定承担赔偿职责时，可借助下列公式计算具体金额：H=（Q当年推算-Q当年实测）×h，其中：Q当年推算、Q当年实测、h 分别代表当年风电场保证推算与实测推算年发电量、上网电价。当研发预测系统时，针对风功率考核电量的有效降低，应满足上述特性标准，以便实现系统的合理运行，顺利为相关人员找到降低考核电量的实践方法。

2 风电场降低风功率预测系统电网考核电量要点

2.1 明晰电网考核电量指标

电网考核电量的数据采集周期为15min，因此在风电场风功率预测系统降低电网考核电量设计环节，需要掌握清晰的考核指标。为降低考核电量，在预测风功率期间可先行确定区域控制偏差值变化范围（ACE），且符合下述要求：、，其中：、代表15min 内k 省份风电场ACE 平均值与控制带宽；ε15、Bk、BE为k 省份全年风功率平均偏差均方根值控制目标、k 省份电网频率响应系数及互联网电网频率响应系数。计算后往往满足功率偏差考核阈值高于功率偏差均值，此时表示无需考核电网电量。若前一个数值偏小，此时要想降低考核电量，往往需要按照相关调节标准摸索频率变化规律。

若通过系统预测风功率判断考核电量降低方向，还需要围绕省份在电网考核时间内出现波动的具体原因，即跨区考核中可将考核周期缩短为1min，此时可达到降低考核电量的目的，考核周期内ACE 绝对值平均结果低于考核带宽，表示满足既定考核标准，反之视为不合格，须加强考核量降低管理，有望减少风电项目投资损失。控制考核电量时，具体以考核带宽等指标为主，参照学者刘志成[3]等人给出的应用协调控制考核方法后得出表2结果。

表2 预测系统运行前后电网考核电量数量变化情况

笔者所在单位曾对特变电功达坂城风电场运用预测系统用于测量电量，该风电场所在位置海拔1132m，以西南盛行风向为主，电塔高度70m，属于戈壁滩地形。面对多个风电场，在其同步运行期间受气候环境影响，为保证风电场保持良好的运行状态，专门根据南北气流特征将风力发电机安装面积控制在1000km 之上，而且由于当地少见破坏性风速事件，且需要连年开启发电，因而笔者根据该工程中250亿kWh 风能蕴藏量以及75亿kWh 电能需求度，使用预测系统监测电能，致使装机容量达到2500MW 标准。为进一步促使该工程保持稳供电性能，专门引进预测系统对风电能源使用动态以及发电量进行动态监测，就此在预测系统辅助下实现高效发电。从笔者参与的预测系统实际应用案例中验证此系统具备推广价值。

2.2 建立风功率预测模型

对风功率进行预测需要通过建设风功率预测模型的方式，以便提升风功率预测的精准性。在建设模型的过程中，需要对离线模型进行辨识，将风速数据作为离线参考数据，借由风力发电机的电功率，作为模型的建设指标，以便能够得到模型建立的数据样本。待至得到数据样本后，按照间隔e 对样本数量进行扩展，以便得到含有（t-d）～（d）的数据间段的试验数据样本。同时，在此基础上，要选择合适建立风功率预测模型的数据样本（a）、测试样本（r）以及检验样本（p）：

之后，采用MAT 携带的局部编码程序对其数据进行编制，在利用MAT 进行仿真建模的过程中，借助减法聚类手段找到对应数据组，并根据聚类中心的个数来确定预测模型的建设规则数和输入变量的隶属度函数数目，以此来确定函数位置。并且，在进行计算的过程中采用梯度下降法和最小二乘法，首先将输入变量的时间间段d 设置为1，其后续变量取值1～7。在设定完减法聚类参数以后，将输入变量置于13个模糊子集中，利用公式计算出90条模糊规则，从而形成网络结构，建成基本的风功率预测模型：。其预测模型建立方法还包括以下细节。

参数训练。在数据样本（a）、测试样本（r）以及检验样本（p）中提取出2000个训练数据，将其置于基础模型中进行参数训练和校验。等到经过100次试验后，可发现模型输出的误差与校验误差并未发生变化，由此样本可以得出初级的风功率预测模型。在后续参数训练中，通过不断调整算法参数进行训练，而当训练误差与校验误差之间的差距最小时，就可以得出最优的风功率预测模型。而后将训练数据置于最优预测模型条件下，得出预测风功率与实际风功率之间的曲线，记录实际风功率与预测风功率之间的误差。

结果分析。通过对二者误差的分析可以知晓，在参数训练结束后，模型预测的风功率基本与实际功率重合。从误差的角度来看，二者的实际误差处于±5MW 的范围内。通过计算可以得出MEA 值为0.72%，继而能够说明将训练数据，作为预测模型的输入变量所得出的预测风功率，与实际风功率之间的误差小于风功率预测功能所规定的0.2，证明该模型具有较高的精准度。

模型测试。确定最佳风功率预测模型后，保持模型中的参数不变，选取训练样本中后2000位数据点作为测试模型的数据样本，通过该测试结果判断模型在新的样本数据下，其误差值能够保持与上个样本数据同样的精确度，以此来测试预测模型对于新数据的适应性。通过对测试结果的分析，在输入新数据样本后，所得误差值仍旧处于规定的范围要求内。

2.3 完善预测系统考核功能

以风电场风功率预测系统降低电网考核电量时，需对系统考核功能进行有效完善，此系统多需要依靠网络交换机、反向隔离装置、天气预报服务器、气象中心等设施构建硬件架构，并联合防火墙技术、外网服务技术预测风功率变化特征。而在软件架构设计中，多以监控监测、风电预测、统计分析等软件功能模块为主，尤其在风电预测阶段，包含发电量预测、风功率预测以及数据修订展示功能。在系统研发设计阶段，多以CDT451-91国际标准、IEC60870国际标准界定预测数据共享权限，并要求该系统设有日志功能以及网络安全加密功能，以便增强系统运行可靠性。

其中，采集的数据应涵盖监控数据（风功率、有功功率等）、机组运行数据（1min 时间分辨率下风速、风功率等），而数据管理功能下也要利用平均加权算法进行数据求和、平均值分析处理，便于提高数据采集效率。统计预测数据时，建立的预测模型还需要及时处理测风塔、风功率等不合理数据，借此预测考核电量标准范围，促使在数据集中管理条件下，快速通过负荷率、发电量等计算方法评估风电场运行动态。在完善系统功能时，还应当对风电场风功率短期指标、超短期指标（预测时效＞4h）进行合理统计，以准确率、合格率、最大偏差、最大偏差发生时间指标为主。例如，笔者在相关调查中，风电场中风功率预测准确率从85.4%逐渐降至76.04%，此时须加强数据校对，最终提高风电项目投资效率，规避投资失利风险。

风功率预测系统运行时为降低考核电量，还需设置绘图功能，以风向玫瑰图、风速轮廓图等气象曲线图展示风速变化规律，并且规定该系统需要24h 全天候记录，其上报数据点应为96个，一旦缺少上报数据，需立即考核电量。而在低于30MW 风电场装机容量下，10min 有功功率变化最大值为10MW（1min 为3MW）。若在30MW 以上装机容量条件下，该指标应为10%装机容量（1min）、1/3（10min），经过预测风功率变化指标确定考核电量降低方法，是目前研发预测系统重要目的。

2.4 在线智能检测考核量

关于电网考核电量常在风速降低、风速＞切出条件下风速风功率变化时达到免考标准，同时满足电网电量考核量＜1%上网电量的标准。因此，要想降低考核量，需通过运行风功率预测系统对现有考核量结果进行在线智能检测，从中了解当前考核量与免考标准的差距，随即找到降低考核量方法，比如降低风速、控制有机功率等。在应用预测系统期间，还可将风电场风速测量点获取的数据输入预测模型中，根据风速时间序列累加风功率，从而增加预测准确度。

为降低电网考核电量，应充分实现预测系统高精度设计。如可以借鉴笔者所在单位往年“风鸟”预测系统开发经验，在以在线智能检测功能复核实时数据时，该系统选用模型算法以定制化服务进行功率偏差考核，并且还依靠日内出力曲线、最优日前处理曲线针对现货交易风电项目进行高收益评估，便于电能市场化交易期间强化投资价值。