风机发电风功率预测系统的研究与应用王宝成

风机发电风功率预测系统的研究与应用王宝成

王宝成

（辽宁大唐国际新能源有限公司辽宁省沈阳110166）

摘要：随着社会经济的不断发展和传统化石能源的逐渐枯竭，风能作为新型能源得到了越来越多的开发和利用，特别是在电力行业。然而，由于风资源影响因素较多，风功率预测系统的研究在世界范围内得到重视，并取得了许多研究成果。目前，我国风功率预测系统的研究也取得了相应的进展，尽管还存在许多不够成熟的地方，但是随着科技的进步和社会的发展，风功率预测系统所采取的NWP数据精确性也会逐渐提高，这些都有利于风功率预测系统准确性的提升和风力发电行业的发展，从而推动我国能源结构的改善。

关键词：风机发电风功率预测系统；研究；应用

引言

我们了解到风速与风力发电功率的预测维护着我国电网的经济稳定运行与发展。因此，我国风电企业市场竞争力，可以通过对风速与风力发电的准确预测得到极大提高。目前，我国已经设计出并实现了以经典统计学与神经网络的风电场功率预测模型，这些预测模型不仅操作简单、执行速度快而且结果可靠稳定、预测精准度高。然而，随着技术的发展风速与风力发电的精准度还有待得到进一步提高，因此下一步工作重点要转移到对中长期的风功率预测的研究中。

1风机发电风功率预测系统的组成

风机发电风功率预测系统主要由：①功率预测主机、②NWP处理服务器、③反向物理隔离装置、④防火墙、⑤PC工作站、⑥网络设备、⑦附属设备组成。其中，功率预测主机包括了数据预处理服务及数据库服务等，而NWP负责从互联网下载气象部门所发布的天气预报数据并对风场本地的NWP进行详细解析，PC工作站通过对用户图形界面的运行，将预测结果以电子表格、曲线等方式进行显示，同时对系统进行相关配置并操作管理。

2国内风功率预测系统研究现状

20世纪末期，我国已经开始了对于风电功率预测系统的研究工作，尽管相较于国外起步较晚，但是目前已经取得了不小的进展，我国对于风功率预测系统的研究可以分为两个阶段。

2.1风功率预测系统研究第一阶段

2000～2010年是我国风功率预测系统研究的第一阶段。在这一阶段，各个相关部门将研究重心放在风功率超短期预测上，由于NWP数据———风电功率预测专用数据的缺少，使得这段时间的研究停留在理论探索上。神经网络法、时间序列法和支持向量机这些方法是建模过程中采取的主要方法。随着对风功率预测系统研究的不断深入与发展，许多专家和学者发现，由于单一预测模型缺乏较高的精确性，无法满足实际生活和生产需求，因此，相关部门开始对模型自身、模型输入量进行优化，以此来提高预测的准确度。这一阶段风功率预测系统的研究较为浅显，只能进行较短时间的预测，距离实际的投入使用还有很长一段路要走。

2.2风功率预测系统研究第二阶段

我国风功率预测系统的第二阶段研究以数值天气预报数据的加入为开始标志。国内的科研机构、高校以及新能源公司购买了NWP数据，将其加入构建的模型中，以此增加预测时间，提升预测的准确性。2008年4月，中国电力科学研究院联合德国太阳能研究所、丹麦里索国家实验室、挪威WindSim公司开启了我国首个风电预测系统的研究工程，2008年12月，此项工程正式投入使用。目前，该风电预测系统已经应用于全国11个省的50个风电场。随着风功率预测系统研究的不断深入及发展，中国气象局推出了风力发电功率预测预报系统，华北理工大学则研究出适用于电网调度与发电端的风电场输出功率预测系统，这些预测系统都是根据我国风力发电的实际情况进行研究的，NMP数据的采用，使得风功率预测系统的准确性大大提高，且便于更好地投入到风力发电的实际工作中来[2]。

3风力发电风功率预测技术方法的总结和分类

风功率预测技术，即数值天气预报，它是以热力学、空气动力学为基本原理，以历史天气为基础，采用数值计算的方式来进行风功率输出的预测技术。风力发电风功率预测技术方法主要分为：

3.1直接方法和间接方法

直接方法和间接方法的功率预测都是以预测的数学模型作为前提的。以风速为基础，实现风机发电风功率的预测，属于直接方法；以功率为基础进行风功率预测则属于间接方法。

3.2物理方法

NWP数据是风功率预测系统的主要参考数据，在此基础上，风电场的地形、风电场地表粗糙程度、风机轮高度和附近障碍物等因素都需要进行充分的考虑。在进行风功率的中长期预测时，还需要利用建模对象对其进行预测和确定，如风机特性曲线、机械转动结构以及风机控制策略等，以此来提高风功率预测系统的准确性[3]。

3.3统计方法

统计方法也是进行风功率预测的1种常见方法。这种方法没有将风速考虑在内，而是建立风功率预测系统输入端和风功率预测系统输出端的映射函数，然后直接利用NWP数据实现对风电场风机输出功率的预测。时间序列是最为常用的统计方法之一，它具有随机性高、数据平稳的特点，但是这些数据只能依靠计算机程序进行识别，预测时间较短，误差也比较大，多用于优化控制。解析方程是系统输入与输出的主要描述方法，这种方法适应力和容错性较强，并且可以自主学习，因此，在信号的管理、模式的识别、智能检测等方面被广泛应用[4]。

4风机发电风功率预测系统的误差分析

对风机发电功率的预测，因为会由于不确定的天气状况使风速受到一定影响，所以难免会存在些许误差。具体误差如下：①不可避免的误差。因为风资源的不确定性与随机性比较大，因此给预测模型输出带来了相关误差，这种误差是不可避免的；②数学模型精确度比较低而带来的误差。目前，我国所使用的风功率预测数据模型比较单一，根本不能对实际湿度与实际地貌等因素全面进行全面反映，致使国内预测技术比较落后。

5风机发电风功率预测系统的不足之处与相关改进措施

风机发电风功率与测试系统的不足之处，主要有物理因素的影响、输入的数据过于单一以及不够完善的测风塔采集系统等，这些都会使得最终的预测结果产生一定误差。相关改进措施如下：①为了使预测的精准度得到有效提高，需对风力预测模型进行优化组合，从而正确预报NWP的信息，以此缩小在极端天气与恶劣天气下的误差；②加速NWP的更新频率，对现代的物联网技术与计算机控制技术，在对数学模型与数据输入的同时进行良好改善，从而达到提高输出精准度的目的；为了更好地对预测结果进行优化组合分析，对于混沌理论、小波分析以及模糊神经网络等智能方法进行充分利用，以此使预测的可靠性与精准度得到有效提高；对NWP的数据尽快更新，使得在对风功率短信预测时提高预测方法与技能。

结束语

间歇性、波动性和随机性是风电场输出功率的基本特点，这是由于风能在利用上，受到随机变化的风速和风向影响，这些因素不仅直接影响到电网的安全运行，还对电网工作效率有着非常不利的影响。因此，风电功率预测系统应运而生，它不仅可以对数据的波动情况做出预测，并及时采取应对方式，增加电网运行的稳定性，还可以增加风电在市场竞争中的优势，推动我国能源结构的转变。因此，风机发电风功率预测系统是目前风力发电的主要研究领域，提高风机发电风功率预测系统的准确性、充分利用风能进行发电，对于缓解我国能源紧张的局面、推动环保事业的发展都有着不可替代的作用。

参考文献

[1]蔡华祥,杨永强,赵珍玉,王凯,蔡建章,张敬东.风功率系统建设在云南电网的应用[J].云南电力技术,2017,45(05):159-163.

[2]董英瑞,谭江平,陈晓云.基于风电场和光伏电场功率预测的微网储能系统容量配置研究[J].企业技术开发,2017,36(10):66-68.

[3]田波.基于时间序列分析的风功率超短期预测研究[D].沈阳农业大学,2017.

[4]高兢,于文波,于佳.分布式发电功率预测系统的研究[J].山东工业技术,2017(05):181.