超短期最优预报下风电场功率预制修正策略

文章兼用软硬件方法对风电场功率预报进行修正,针对数值天气预报存在一定误差、风能输出功率波动较大、较难精确获取风速与发电机功率输出之间动态关系模型等关键问题,基于数值天气预报历史统计数据,利用BP神经网络,结合前一时段实际风速及输出功率对预制功率进行分时段误差动态修正,提出提高风电场风电功率预报准确度的风储系统,建立改进的风电功率预报系统;同时基于风电场输出功率历史统计数据,利用数理统计方法确定应用于风电场功率预制误差二次修正的储能电池最佳容量,以此提高风电场功率预报精度,达到最优预报目标。采用风电场的实际运行数据,通过MATLAB平台仿真,验证了修正算法策略的效果及可行性。     

中国气象局风能太阳能预报系统（CMA-WSP）在风资源短期预报中的检验评估

[目的]为检验中国气象局风能太阳能预报系统（CMA-WSP）风速产品在风资源短期预报中的可靠性,对CMAWSP 100 m风速3 d预报产品进行检验分析。[方法]文章利用湖北省枣阳周楼、麻城蔡家寨和大金中部3个风电场100 m风速实测数据开展研究。[结果]研究结果如下：（1）CMA-WSP对枣阳风电场3 d内风速的整体预报效果较好,预报结果与实测风速变化趋势较为一致,逐15 min、小时平均和日平均风速第1 d的预报与实测风速相关系数可达0.728、0.740和0.860,随着预报时效增加,预报与实测相关性逐渐降低。（2）CMA-WSP预报风速与实测风速相对误差变化规律性强,逐15 min、小时平均和日平均风速第1 d预报相对误差分别为68%、70%和92%,预报风速整体高于实测风速;小时平均风速及相对误差均呈现白天小、晚上大的特征;月平均风速变化与MRE值变化呈相反趋势,且在1～6月和10～12月最低、7～9月最大。（3）从地区差异来看,CMA-WSP对枣阳周楼风电场风速的预报效果最好,第1 d预报与实测风速相关性可以达到0.728,第2～3 d的预报相关性也超过0.6,CMA-WS...     

风向偏差角对风机功率预测的影响

提高风电功率预测准确率对风电场和电力系统的稳定运行都具有重要意义。风机偏航系统理论上可使得风机叶片自动适应环境风向的变化,但风向偏差角仍普遍存在。应用国电集团江西省某风电场的实测数据,分析了风向偏差角的分布特征及其对风机输出功率的影响。结果表明：风向偏差角具有显著的正态分布特征及日变化规律,当风速一定时,风向偏差角越大,则风机输出功率越小。进一步将风向偏差角引入预测模型,发现可有效提升风电功率预测的准确性,预测相关系数提升0.9%,均方根误差降低7.9%、平均绝对误差降低8.6%,表明在风电功率预测模型中,考虑风向偏差角的影响具有积极意义。     

大气模式物理过程参数化对风电场风速预报的影响

准确预报风电场风电功率对风电稳定发展至关重要,可有效减轻风电对电网的不利影响,提高风电场运行效益,其前提是准确预报风电场风速。以宁夏某风电场为例,基于中尺度大气模式WRF,采用不同物理过程参数化方案设置对提前72h的逐时风速进行预报,并将预报结果与实际风速资料对比,分析了WRF模式不同物理过程参数化方案设置对风速预报结果准确度的影响,并优化了物理过程参数化方案设置。结果表明,行星边界层参数化方案与辐射过程参数化方案设置对风速预报结果准确性影响较大,微物理过程参数化方案与积云对流参数化方案设置对风速预报结果准确性影响较小。     

基于模拟退火粒子群算法的风电场短期风速预测

针对风电场短期风速预测存在精度较低的问题,引入了一种基于灰色模型与模拟退火粒子群优化BP神经网络(SAPSO-BP)相互嵌入而成的预测模型。该方法在SAPSO-BP网络的输入层前增加一个灰化层,在网络输出层后增加一个白化层,以改进网络的拓扑结构,提高模型的容错能力。仿真试验结果表明,该预测模型具有较好的鲁棒性,其平均绝对误差及均方误差分别为18.7%和5.11%,可用于风电场短期风速的预测。     

俯仰策略对两台串列风力机功率输出影响研究

为增加风电场总输出功率,基于大涡模拟(Large Eddy Simulation,LES)方法,采用致动线(Actuator Line,AL)技术,通过swak4Foam产生指数率风剪切,利用OpenFOAM对两台串列布置的5 MW风力机风电场进行不同叶轮俯仰数值模拟,对比各工况下风电场总输出功率,并结合流场分布云图分析总输出功率存在差别的内在原因。结果表明：风电场上游风力机尾迹会严重减弱下游风力机性能;俯仰策略可有效提升风电场总输出功率;俯仰角从0°增大/减小到±35°过程中,呈现出上游风力机功率先增后减、下游风力机功率持续增加的规律,风电场总输出功率升至极大值后开始下降;正俯仰角时风电场总输出功率较负俯仰角时的总输出功率更高。     

基于机组分类的风电场有功功率分配方法研究

针对单一风速预测方法预测精度不高,以及按风速比例进行风电场机组功率分配时,跟踪功率调度指令误差较大的问题,提出一种组合风速预测方法,并基于机组预测风速、当前风速及输出功率的机组分类,提出一种风电场有功功率分配方法。采用模糊C均值分类方法对机组进行分类,根据分类结果确定功率调节优先级,将功率指令分配到不同类机组,再按某一类各机组输出功率的比例分配至每台机组,实现整个风电场有功功率分配。以某风电场实际风速数据进行风速预测和有功功率分配仿真研究,仿真结果表明,该文提出的组合风速预测方法和风电场有功功率分配方法具有风速预测精度高、风电场输出功率跟踪精度高,参与有功功率调节的机组数目少的优点。     

弃风限电条件下复杂地形风电场短期风功率预测对比分析

为提高弃风限电条件下风电场短期风功率预测的准确率,选取甘肃及湖北位于不同条件下5个风电场2015年5月份和9月份的数据进行对比分析。利用BJ-RUC耦合CALMET模式模拟风电场风速资料,通过线性滚动订正方法对模式资料进行订正预处理,分别采用物理法、动力统计法、集合预测法和自适应偏最小二乘回归法探讨不同条件下风电场的预报效果。结果表明:1)线性滚动订正方法能够有效降低数值预报风速误差,其中以时间步长为1 d订正效果最佳;2)动力统计法在风电场弃风率低于50%时优势明显;3)物理法3在未限电地区表现较优,可见采用实测数据建立的风功率预报模型能较好地预测未限电地区的风电功率;4)集合预测法和自适应偏最小二乘回归法可有效提高弃风限电地区的短期预测准确率,准确率最高可提升约30%;5)针对不同条件的风电场,从预报效果和普适性的角度来看,集合预测法在所有方法中稳定性最佳。     

基于MMAS BP算法的短期风速非线性组合预测模型

为提高风电场短期风速的预测精度,引入一种基于改进蚁群算法优化神经网络的非线性组合预测方法,按误差平方和最小原则对所建灰色GM(1,1)模型、BP网络和RBF网络三种单一预测数据进行非线性组合,并将其结果作为最终预测值。仿真结果表明,该方法的平均绝对误差及均方误差分别为17.76%和3.68%,均小于单一模型、线性组合模型及神经网络组合模型的预测结果,提高了网络的泛化能力,降低了预测风险,为风电场风速预测提供了一种新途径。     

基于时空注意力-Seq2Seq模型的多风电机组多步风速预测算法

针对在多风电机组风速预测任务中，卷积运算不适用于提取排布不规则的多风电机组空间相关性的问题，提出一种基于时空注意力-Seq2Seq模型的多风电机组多步风速预测算法。首先使用空间注意力机制强化风速序列的空间相关性，并对常规空间注意力机制进行改进；之后使用Seq2Seq模型中的编码器进行编码；最后使用结合时间注意力机制的解码器计算多风电机组的多步预测结果。以河北市某风电场的实际数据为算例进行实验，结果表明相比其他对比算法，所提算法的平均绝对误差下降约4.3%～15.0%，精度有较大提高。     

高分辨率中尺度数值模式在风电场风速预报中的应用

将美国科罗拉多大学的RAMS(Regional Atmospheric Modeling System)模式应用到某风电场短期风速预报的试验中,水平分辨率达到1km.预报结果与10min平均的实测资料对比表明,RAMS模式对6～72h的短期风速预报结果较好.     

基于神经元网络方法的风电场风电功率预报研究

风电大规模并网使风电对电网的冲击问题越来越凸显,许多地方出现了拉闸限电的情形,随着百万千瓦级风电基地、千万千瓦级风电基地的规划及建设,急需开展行之有效的风电场风电功率预报,来满足风电上网调度的实际需求,利用数值模式预报的风速、风向等预报场及风电场逐时风电功率资料,通过神经元网络方法进行了风电场风电功率预报试验,预报精度与2002—2006年欧洲风能计划中的风电场风电功率预报精度相当。     

风力机机头风速与输出功率相关性分析及应用

鉴于用机头风速代替入流风速来预测输出功率的误差较大,因此以某实际风电场为例,计算机头风速和入流风速之间的相关系数,将机头风速拟合成关于入流风速的线性式,并对比由机头风速预测所得的输出功率曲线与模型功率曲线。结果表明,当机头风速与入流风速的线性关系式的一次项系数与1偏差不大时,使用机头风速预测的输出功率较可靠。但对于风场里的后排风机,必须先使用Jensen尾流模型求出后排风机的入流风速,再预测输出功率。将此方法应用于实际风场中预测的超短期输出功率与实测功率基本吻合,进而证实了此方法在风电场输出功率预测中的可行性。     

边界层气象对风电机组功率特性的影响研究

边界层气象因素对运行过程中的风电机组性能和表现具有重要影响。文章利用激光雷达设备对某大型风电场开展了气象观测,针对不同湍流、风切变、日变化和降雨情况下风电机组的功率特性进行了研究。研究结果表明:高湍流在切入风速和额定风速左右会提升或降低机组的功率曲线,并增大输出功率的离散性;高切变在切入风速和额定风速左右均会提升机组的功率曲线,并减小输出功率的离散性;边界层的湍流和风切变等气象要素存在显著的日变化规律,并影响风电机组的功率曲线和输出功率的离散性,表现出日夜不同;降雨天气与非降雨天气相比,总体上提升了机组的功率曲线,并增大了输出功率的离散性。文章的研究结果可为风电项目评估发电量、风电场功率预报等工作提供参考。     

风电功率预测预报系统的设计与开发

鉴于风电场的输出功率预测对电网的安全运行具有重要意义,采用C/S结构,在Windows Server 2008 R2操作系统上的.NET3.5框架环境下进行系统开发,以SQL SERVER2008作为整个系统的数据支撑,设计开发了一套适用于不同环境的风电场的输出功率预测预报系统,制订了标准化与可订制的数据通讯接口,提供了独立的后台自动化预报模块,具有6种短期功率预报算法和4种超短期功率预报算法,风电场可根据实际运行情况选择最优的预报方法运行。系统应用结果表明,该系统短期预报的准确率达80%以上,超短期预报的均方根误差在15%以下,能满足国家能源局和国家电网相关要求。     

平坦地形相邻风电场尾流影响研究北大核心CSCD

随着风电产业向三北地区和海上发展,大规模风电场规划建设成为了热点。风电场尾流的影响是规划设计的关键技术之一,文章研究了平坦地形下相邻风电场间的尾流影响特性。首先,利用Horns Rev风电场SCADA数据验证了RANS/AD方法的可靠性;然后,基于国内某平坦地形风电场的SCADA数据,采用临界函数法剔除异常数据,同时采用机舱风速传递函数(NTF)修正机舱风速,处理得到风电场各台风力机来流风速及相应输出功率的分布规律;最后,分别模拟计算两风电场同时运行以及下游风电场单独运行工况下的各台机组输出功率,并与实测数据进行对比,由于尾流影响,下游风电场在主风向8 m/s风速下的功率亏损达20%;当下游风电场第一、二排间流向行间距由10.5D增至13D时,可使整场功率亏损降至15.4%。文章研究结论对风电场的宏观选址及微观选址具有一定的指导意义。     

风力机安装地点的选择及输出功率的估算

机组输出功率与风速关系极大,它与风速的立方成正比。在一定的天气条件下风速的大小又与机组安装地点的选择有关。若九江风速为3.5米/秒,庐山风速为5.4米/秒,则庐山的风力发电机组的输出功率为九江机组的3.7倍,即     

基于卡尔曼滤波修正的多步风电功率预测

针对传统时间序列预测多步风速时不能预测突变风速使风电功率预测误差较大的问题,采用基于数值天气预报(numerical weather prediction,NWP)风速及历史风速修正的卡尔曼滤波法对NWP风速进行多步修正,并通过修正后的NWP风速进行多步功率预测,第16步风速平均绝对误差降低了0.47 m/s,将该修正NWP风速与支持向量回归相结合,构建风电功率预测模型。构建模型与ARIMA模型及NWP直接预测模型相比,误差分别降低了6.8%和8.4%。应用该模型对山东某地区风电场现场数据进行仿真测试,第16步预测准确率达到82.6%。     

A WIND-POWER FORECAST SYSTEM BASED ON THE METEOROLOGICAL NUMERICAL MODEL

基于高分辨率中尺度气象模式,利用卡尔曼滤波订正技术和经验统计规律订正技术,通过动态加入实时观测资料对数值模式预报风速进行滚动订正,建立基于气象数值模式的风电功率预测系统,开展风电场未来72h风速及风电功率预测.利用该系统在上海崇明风电场进行为期两个月的预报试验,结果表明:数值模式预报风速与观测值之间的误差随着预报时效增长逐渐加大,并在不同时段模式的系统误差分布规律也有所差别,模式预报风速与误差之间有一定的统计关系.经过滚动订正预报模型订正后,预报发电量误差比模式本身预报发电量误差明显减小,风速及发电功率预报质量明显提高.     

基于气象因子的BP神经网络风电场风速预测

探讨了风电场风速预测对电力系统稳定运行、经济调度、运行效益及电力市场环境下风电场参与市场竞争能力的重要影响和意义,建立了考虑风电场气象因子影响的BP神经网络风速预测的一种新模型,该模型兼顾了相似日特征的作用和影响.运用该模型对新疆某实际风电场进行了日平均风速、最大风速、最大风速方向进行了连续20天的预测,平均相对误差分别为8.07%,10.09%,9.05%.预测结果表明了该方法的有效性、实用性和可靠性.