范 宏，陳成優(yōu)，金義雄

(上海電力學(xué)院 電氣工程學(xué)院，上海 200090)

風(fēng)能［1，2］為間歇性能源，受眾多地理和氣象因素的影響，而且風(fēng)電場的有功功率和無功功率隨風(fēng)速的變化而變化，當(dāng)風(fēng)電場接入電力系統(tǒng)后，其波動(dòng)會(huì)對(duì)配電網(wǎng)的頻率穩(wěn)定、功角穩(wěn)定、電壓穩(wěn)定、諧波、電壓波動(dòng)與閃變、網(wǎng)損及潮流分布、備用成本、發(fā)電計(jì)劃、系統(tǒng)可靠性等諸多方面產(chǎn)生影響.在大規(guī)模風(fēng)電接入系統(tǒng)后［3］，短期風(fēng)電功率預(yù)測對(duì)電力系統(tǒng)的調(diào)度和安全穩(wěn)定有重要作用［4，5］.

短期風(fēng)電功率預(yù)測［6，7］是以“小時(shí)”為預(yù)測單位，一般提前1～48 h或72 h對(duì)每小時(shí)的功率進(jìn)行預(yù)測，其目的是供調(diào)度部門根據(jù)風(fēng)電場出力曲線優(yōu)化常規(guī)機(jī)組出力及安排備用，以降低運(yùn)行成本、保證供電質(zhì)量.超短期預(yù)測是以“分鐘”為預(yù)測單位，一般是提前幾小時(shí)或幾十分鐘進(jìn)行預(yù)測，其目的是為風(fēng)電機(jī)組的控制提供數(shù)據(jù).風(fēng)電短期預(yù)測和超短期預(yù)測對(duì)電力調(diào)度和風(fēng)電安全生產(chǎn)運(yùn)行起重要作用.《國家電網(wǎng)風(fēng)電場接入電網(wǎng)技術(shù)規(guī)定》明確要求風(fēng)電場向調(diào)度部門提供短期風(fēng)電功率預(yù)測和超短期風(fēng)電功率預(yù)測，規(guī)定在電力調(diào)度部門制定日運(yùn)行方式時(shí)，風(fēng)電場應(yīng)提供該日24 h輸出功率預(yù)測值;在運(yùn)行過程中，風(fēng)電場提供未來1～2 h內(nèi)風(fēng)電場的輸出功率預(yù)測值.因此，開展風(fēng)電功率預(yù)測研究，特別是短期和超短期預(yù)測研究，對(duì)于調(diào)度員制定發(fā)電計(jì)劃、安排備用容量、增加系統(tǒng)運(yùn)行的可靠性、減少對(duì)系統(tǒng)穩(wěn)定的影響、制定更合理的電價(jià)，都有十分重要的意義［8，9］.

1 風(fēng)電功率的預(yù)測方法

目前，國內(nèi)外用于風(fēng)電功率預(yù)測的方法可以分為兩類:一是基于歷史數(shù)據(jù)的風(fēng)電場功率預(yù)測法;二是基于數(shù)值天氣預(yù)報(bào)的風(fēng)電功率預(yù)測法［10，11］.

1.1 基于歷史數(shù)據(jù)的風(fēng)電功率預(yù)測法

基于歷史數(shù)據(jù)的風(fēng)電場功率預(yù)測是指根據(jù)歷史數(shù)據(jù)來預(yù)測風(fēng)電場功率的方法，也就是在若干個(gè)歷史數(shù)據(jù)(包括功率、風(fēng)速、風(fēng)向等參數(shù))和風(fēng)電場的功率輸出之間建立一種映射關(guān)系，主要包括:持續(xù)法、線性法、人工神經(jīng)網(wǎng)絡(luò)法等［12-14］.

1.1.1 持續(xù)法

這是最簡單的預(yù)測方法，是把最近一點(diǎn)的風(fēng)速或功率觀測值作為下一點(diǎn)的預(yù)測值，該法適用于3～6 h以下的預(yù)測.該法通常采用時(shí)間序列模型，其預(yù)測誤差較大且預(yù)測結(jié)果不穩(wěn)定.其改進(jìn)后的方法為卡爾曼濾波法，這一預(yù)測法具有可以動(dòng)態(tài)修改預(yù)測權(quán)值的優(yōu)點(diǎn)，且預(yù)測精度較高，但是建立卡爾曼狀態(tài)方程和測量方程較為困難，此算法只適用于在線風(fēng)力發(fā)電功率預(yù)測.

采用時(shí)間序列法可以對(duì)風(fēng)速進(jìn)行時(shí)間序列分析［15-17］，然后將其轉(zhuǎn)換成風(fēng)電場輸出功率，也可直接對(duì)風(fēng)電場的輸出功率進(jìn)行時(shí)間序列分析.輸入數(shù)據(jù)通常包含風(fēng)速、風(fēng)向、氣溫、氣壓等SCADA實(shí)時(shí)數(shù)據(jù).

1.1.2 線性法

在線性預(yù)測法中，應(yīng)用較為廣泛的是ARMA法.ARMA法優(yōu)于持續(xù)法，通常采用一組不同階數(shù)的ARMA的模型組合，對(duì)提前1～6 h的風(fēng)速及風(fēng)電場功率進(jìn)行研究.該法利用大量的歷史數(shù)據(jù)來建模，經(jīng)過模型識(shí)別、參數(shù)估計(jì)、模型檢驗(yàn)來確定一個(gè)能夠描述所研究時(shí)間序列的數(shù)學(xué)模型［18］，再由該模型推導(dǎo)出預(yù)測模型.該法計(jì)算精度較高，其中訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)的選取很重要.

根據(jù)Box-Jenkins方法，可將隨機(jī)時(shí)間序列的模型分為4類:自回歸模型(AR);滑動(dòng)平均模型(MA);自回歸-滑動(dòng)平均模型(ARMA);累積式自回歸-滑動(dòng)平均模型(ARIMA).對(duì)于AR模型，當(dāng)前時(shí)刻的觀測值由過去幾個(gè)歷史時(shí)刻的觀測值和一個(gè)當(dāng)前時(shí)刻的隨機(jī)干擾來表示;對(duì)于MA模型，當(dāng)前時(shí)刻的觀測值由稱作隨機(jī)干擾的白噪音序列的線性組合來表示;將AR模型與MA模型結(jié)合起來，就可以得到ARMA模型.

1.1.3 人工神經(jīng)網(wǎng)絡(luò)法

人工神經(jīng)網(wǎng)絡(luò)［19，20］是模仿人腦結(jié)構(gòu)及其功能，由大量簡單處理元件以某種拓?fù)浣Y(jié)構(gòu)大規(guī)模連接而成的，對(duì)復(fù)雜問題的求解比較有效，已有人將其用于風(fēng)電場風(fēng)速和發(fā)電功率預(yù)測.目前廣泛應(yīng)用于風(fēng)電場風(fēng)速及功率預(yù)測的神經(jīng)網(wǎng)絡(luò)為多層前饋神經(jīng)網(wǎng)絡(luò)，即BP神經(jīng)網(wǎng)絡(luò)［21］，它包括一個(gè)輸入層、一個(gè)或多個(gè)隱層和一個(gè)輸出層，層間的神經(jīng)元進(jìn)行單向連接，層內(nèi)的神經(jīng)元?jiǎng)t相互獨(dú)立.隱層神經(jīng)元的映射函數(shù)常采用S型函數(shù)，輸出層采用線性函數(shù).網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程就是權(quán)值的調(diào)整過程，由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)步驟來實(shí)現(xiàn).經(jīng)過良好訓(xùn)練的網(wǎng)絡(luò)，對(duì)于不是訓(xùn)練集中的輸入也能給出合適的輸出，具有泛化能力，這種能力為預(yù)測提供了可能性.神經(jīng)網(wǎng)絡(luò)法的優(yōu)點(diǎn)在于能并行計(jì)算、有自適應(yīng)性，可充分逼近復(fù)雜的非線性關(guān)系.

1.2 基于數(shù)值天氣預(yù)報(bào)的風(fēng)電功率預(yù)測法

基于數(shù)值天氣預(yù)報(bào)的風(fēng)電功率預(yù)測法是指利用氣象部門提供的數(shù)值天氣預(yù)報(bào)模型，對(duì)風(fēng)電場或附近某個(gè)點(diǎn)的天氣情況(如風(fēng)速［22，23］、風(fēng)向、氣溫、氣壓等參數(shù))進(jìn)行預(yù)測，并建立預(yù)測模型，再結(jié)合其他輸入，將數(shù)值氣象預(yù)報(bào)模型的預(yù)測值轉(zhuǎn)換成風(fēng)電場功率輸出的方法.這類方法的短期預(yù)測模型有統(tǒng)計(jì)模型和物理模型兩類.

1.2.1 統(tǒng)計(jì)模型

統(tǒng)計(jì)模型方法［24，25］在系統(tǒng)的輸入中包含了數(shù)值天氣預(yù)報(bào)模型、風(fēng)電場的測量數(shù)據(jù)等，并和風(fēng)電場功率建立了一種映射關(guān)系，其中包含線性和非線性函數(shù)的關(guān)系.其優(yōu)點(diǎn)是預(yù)測具有自適應(yīng)性，可以自發(fā)調(diào)節(jié)風(fēng)電場位置，且系統(tǒng)誤差自動(dòng)減小.缺點(diǎn)是需要長期測量數(shù)據(jù)及進(jìn)行額外的訓(xùn)練和計(jì)算.另外，在極端天氣狀況下需要進(jìn)行修正，否則會(huì)產(chǎn)生很大的預(yù)測誤差.

1.2.2 物理模型

物理模型方法［26］一般采用時(shí)間序列模型，其輸入數(shù)據(jù)包含數(shù)值天氣預(yù)報(bào)系統(tǒng)的風(fēng)速、風(fēng)向、氣溫、氣壓等數(shù)據(jù).該方法可以根據(jù)風(fēng)電場周圍的地形數(shù)據(jù)(如等高線、粗糙度、障礙物、溫度分層等)得到風(fēng)電機(jī)組輪轂高度的風(fēng)速、風(fēng)向等信息，并根據(jù)風(fēng)電場的功率曲線計(jì)算得到風(fēng)電場的輸出功率.物理模型方法通常采用中尺度或微尺度模型在數(shù)值天氣預(yù)報(bào)模型與當(dāng)?shù)仫L(fēng)之間建立映射關(guān)系，這一方法包含兩個(gè)步驟:一是從天氣預(yù)報(bào)點(diǎn)水平外推到風(fēng)電機(jī)組坐標(biāo)處;二是從氣象預(yù)報(bào)提供的高度轉(zhuǎn)換到輪轂高度.該方法的優(yōu)點(diǎn)在于不需要大量的、長期的測量數(shù)據(jù)，且更適用于復(fù)雜地形.缺點(diǎn)是需要豐富的氣象知識(shí)，且建立的模型較為復(fù)雜.

2 風(fēng)電功率預(yù)測誤差

受限于現(xiàn)有系統(tǒng)的預(yù)測精度，風(fēng)電功率預(yù)測值與實(shí)際值之間存在一定的誤差［27，28］.該預(yù)測誤差來源于天氣條件的快速變化、測量數(shù)據(jù)的損害、風(fēng)電機(jī)組的停運(yùn)、數(shù)值天氣預(yù)測數(shù)據(jù)誤差及預(yù)測模型的不準(zhǔn)確，其分布特性是風(fēng)電功率預(yù)測精度評(píng)估和大規(guī)模風(fēng)電并網(wǎng)電力系統(tǒng)優(yōu)化調(diào)度的重要參考依據(jù).目前已有的預(yù)測方法中大多采用正態(tài)分布模型，但是就精確度而言，會(huì)在一定程度上偏離預(yù)測誤差的實(shí)際概率分布.

對(duì)短期風(fēng)電功率預(yù)測誤差進(jìn)行綜合評(píng)價(jià)是改進(jìn)預(yù)測精度、指導(dǎo)預(yù)測結(jié)果合理應(yīng)用的前提.當(dāng)前風(fēng)電功率預(yù)測誤差評(píng)價(jià)主要采用均值類指標(biāo)(如均方根誤差RMSE，平均絕對(duì)誤差MAE，平均誤差ME等)，無法全面、準(zhǔn)確地反映預(yù)測系統(tǒng)的運(yùn)行情況.風(fēng)電功率預(yù)測誤差有很多存在形式，需要提出一套包含縱向誤差、橫向誤差、相關(guān)因子與極端誤差等在內(nèi)的綜合評(píng)價(jià)方法，才能對(duì)不同預(yù)測方法、預(yù)測系統(tǒng)的不同誤差環(huán)節(jié)進(jìn)行較為全面的評(píng)價(jià)［29，30］.

3 國內(nèi)外風(fēng)電預(yù)測系統(tǒng)

20世紀(jì)90年代初期，歐洲一些國家已開始研發(fā)風(fēng)能預(yù)報(bào)系統(tǒng)并投入使用［31］，如丹麥的Prediktor預(yù)報(bào)系統(tǒng)就在丹麥、西班牙、愛爾蘭、德國等國承擔(dān)短期風(fēng)能預(yù)報(bào)業(yè)務(wù)，丹麥的WPPT預(yù)報(bào)工具也用于歐洲一些地區(qū).90年代中后期，美國研發(fā)出的eWind和Prediktor預(yù)報(bào)系統(tǒng)在加利福尼亞同時(shí)用于兩大風(fēng)電場.目前用于風(fēng)能業(yè)務(wù)預(yù)報(bào)系統(tǒng)的還有丹麥的WASP，德國的Previento，西班牙的LocalPred和RegioPred，以及愛爾蘭和丹麥的 HIRPOM［32，33］.其中，WASP 應(yīng)用最為廣泛［34］，其核心物理模型是一個(gè)微尺度線性風(fēng)場診斷模式，而近地層風(fēng)場的形成是一個(gè)非線性、多因子影響的過程，因此在復(fù)雜地形應(yīng)用該軟件會(huì)產(chǎn)生比較大的誤差.

由于風(fēng)能資源分布范圍廣、能量密度相對(duì)較低且具有一定的不穩(wěn)定性，準(zhǔn)確的資源評(píng)估是進(jìn)行風(fēng)能資源開發(fā)利用的關(guān)鍵環(huán)節(jié)，而進(jìn)行資源評(píng)估的前提是必須掌握風(fēng)能資源的形成機(jī)理與分布特征［35］.我國對(duì)風(fēng)電功率預(yù)測的研究工作正處于探索階段，中國電力科學(xué)院新能源研究所已研發(fā)出風(fēng)電功率預(yù)測系統(tǒng)WPFS，使用的短期預(yù)測方法為時(shí)間序列法和人工神經(jīng)網(wǎng)絡(luò)法.

4 結(jié)語

由于風(fēng)的高度的隨機(jī)波動(dòng)性和間歇性，使得大容量的風(fēng)電接入電網(wǎng)會(huì)對(duì)電力供需平衡、電力系統(tǒng)的安全以及電能質(zhì)量形成嚴(yán)峻挑戰(zhàn)，因此準(zhǔn)確的風(fēng)電短期預(yù)測研究對(duì)風(fēng)電并網(wǎng)意義重大.另外，準(zhǔn)確的風(fēng)電功率預(yù)測系統(tǒng)的使用能夠有效促進(jìn)風(fēng)電的規(guī)?；l(fā)展，對(duì)風(fēng)電行業(yè)的發(fā)展有積極的推動(dòng)作用.

［1］吳義純.含風(fēng)電場的電力系統(tǒng)可靠性與規(guī)劃問題的研究［D］.合肥:合肥工業(yè)大學(xué)，2006.

［2］羅如意，林曄，錢野.世界風(fēng)電產(chǎn)業(yè)發(fā)展綜述［J］.可再生能源，2010，28(2):14-17.

［3］雷亞洲.與風(fēng)電并網(wǎng)相關(guān)的研究課題［J］.電力系統(tǒng)自動(dòng)化，2003，27(8):84-89.

［4］魏曉霞.我國大規(guī)模風(fēng)電接入電網(wǎng)面臨的挑戰(zhàn)［J］.研究與探討，2010，32(2):19-21.

［5］王富，徐學(xué)淵.我國風(fēng)力發(fā)電市場前景及存在的問題［J］.電站輔機(jī)，2010，31(1):1-4.

［6］王成山，鄭海峰，謝瑩華，等.計(jì)及分布式發(fā)電的配電系統(tǒng)隨機(jī)潮流計(jì)算［J］.電力系統(tǒng)自動(dòng)化，2005，29(24):39-44.

［7］劉永前，韓爽，胡永生.風(fēng)電場出力短期預(yù)報(bào)研究綜述［J］.現(xiàn)代電力，2007，24(5):6-11.

［8］李俊峰，高虎，施鵬飛，等.中國風(fēng)電發(fā)展報(bào)告［M］.北京:中國環(huán)境科學(xué)出版社，2007:2-3.

［9］呂天文.中國新能源行業(yè)分析與展望［J］.電源技術(shù)應(yīng)用，2009，12(3):1-3.

［10］韓爽.風(fēng)電場功率短期預(yù)測方法研究［D］.北京:華北電力大學(xué)，2008.

［11］洪翠，林維，溫步瀛.風(fēng)電場風(fēng)速及風(fēng)電功率預(yù)測方法研究綜述［J］.電網(wǎng)與清潔能源，2011，27(1):60-66.

［12］王松巖，于繼來.風(fēng)速與風(fēng)電功率的聯(lián)合條件概率預(yù)測方法［J］.中國電機(jī)工程學(xué)報(bào)，2011，31(7):7-14.

［13］孫元章，吳俊，李國杰，等.基于風(fēng)速預(yù)測和隨機(jī)規(guī)劃的含風(fēng)電廠電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度［J］.中國電機(jī)工程學(xué)報(bào)，2009，29(4):41-47.

［14］潘迪夫，劉輝，李燕飛.基于時(shí)間序列分析和卡爾曼濾波算法的風(fēng)電場風(fēng)速預(yù)測優(yōu)化模型［J］.電網(wǎng)技術(shù)，2008，32(7):82-86.

［15］BILLINTON R，CHEN H，GHAJAR R.Time-series models for reliability evaluation of power systems including wind energy［J］.Microelectron.Reliab，1996，36(9):1 253-1 261.

［16］CHEN Z，SPOONER E.Grid power quality with variable speed wind turbines［J］.IEEE Trans on Energy Conversion，2001，16(2):148-154.

［17］SAHD Saoud Z，JENKINS N.Models for predicting flicker induced by large wind turbines［J］.IEEE Transactions on Energy Conversion，1999，14(3):743-748.

［18］BOTH R R.Power system simulation model based on probability analysis［J］.IEEE Transactions on Power Apparatus and Systems，1972(1):62-69.

［19］范高鋒，王偉勝，劉純，等.基于人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測［J］.中國電機(jī)工程學(xué)報(bào)，2008，28(34):118-123.

［20］師洪濤，楊靜玲，丁茂生，等.基于小波-BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測方法［J］.電力系統(tǒng)自動(dòng)化，2011，35(16):44-48.

［21］陳聰聰，王維慶.基于小波神經(jīng)網(wǎng)絡(luò)法的短期風(fēng)電功率預(yù)測方法研究［J］.工業(yè)控制計(jì)算機(jī)，2010，10(2):15-20.

［22］FEIJOO A E，CIDRAS，DOMELAS J L G.Wind speed simulation in wind farms for steady-state security assessment of electrical power systems［J］.IEEE Transactions on Energy Conversion，1999，14(4):1 582-1 588.

［23］FEIJOO A E，CIDRAS J.Modeling of wind farms in the load flow analysis［J］.IEEE Trans.on Power Systems，2000，15(1):110-115.

［24］BLUDSZUWEIT H，DOMINGUEZ Navarro J A.Statistical analysis of wind power forecast error［J］.IEEE Trans.on Power Systems，2008，23(3):983-991.

［25］BOWDEN G J，BARKER P R，SHESTOPAL V O，et al.The weibull distribution function and wind power statistics［J］.Wind Engineering，1983，7(2):85-98.

［26］王丹，孫昶輝.風(fēng)電場發(fā)電量計(jì)算的物理模型［J］.中國電力，2011，44(1):94-97.

［27］王海超，魯宗相，周雙喜.風(fēng)電場發(fā)電容量可信度研究［J］.中國電機(jī)工程學(xué)報(bào)，2005，25(10):103-106.

［28］MBHAN P，BALASUBRAMANIAN R，RAO K S P.A new fourier method for evaluating generation system reliability indices［J］.IEEE Transactions on Power Systems，1986，1(3):88-94.

［29］徐曼，喬穎，魯宗相.短期風(fēng)電功率預(yù)測誤差綜合評(píng)價(jià)方法［J］.電力系統(tǒng)自動(dòng)化，2011，35(12):20-26.

［30］劉斌，周京陽，周海明，等.一種改進(jìn)的風(fēng)電功率預(yù)測誤差分布模型［J］.華東電力，2012，40(2):286-291.

［31］Fuerte Esquivel C R，Tovar Hernández J H，Gutierrez Alcaraz G，et al.Discussion of“modeling of wind farms in the load flow analysis”［J］.IEEE Transactions on Power Systems，2001，16(4):951.

［32］楊秀媛，肖洋，陳樹勇.風(fēng)電場風(fēng)速和發(fā)電功率預(yù)測研究［J］.中國電機(jī)工程學(xué)報(bào)，2005，25(11):1-5.

［33］谷興凱，范高鋒，王曉蓉，等.風(fēng)電功率預(yù)測技術(shù)綜述［J］.電網(wǎng)技術(shù):增刊，2007:335-338.

［34］陳兆慶，王崢，陸艷艷，等.華東沿海風(fēng)電場出力預(yù)測的研究和探討［J］.華東電力，2010，38(3):384-387.