[发明专利]一种面向极端场景的风电功率预测系统

说明书

本发明公开了风电预测领域的一种面向极端场景的风电功率预测系统，包括数据采集服务器、数据库服务器、交换机、PC工作站、风电功率预测服务器和电网调度中心，数据采集服务器通过通信网络与数值天气预报系统、测风塔、升压站SCADA服务器、风机SCADA服务器以及三维激光雷达测量系统相连接，数据采集服务器通过交换机分别与PC工作站、风电功率预测服务器和数据库服务器通过通信网络连接，交换机通过数据接口服务器与电网调度中心相连接。通过增加输入信息量，减小预测偏差，采用物理、统计和学习组合的预测方法，建立预测误差小，计算效率高的组合预测模型，对经济调度的计算通过选择负荷的极端场景来增强，并且考虑中心场景样本，保证了系统的经济性。

技术领域

本发明涉及风电预测技术领域，具体为一种面向极端场景的风电功率预测系统。

背景技术

风力发电是通过风电机组将风能转换为电能的能源利用技术，是目前新能源开发领域中发展最快和最具潜力的“绿色能源”。而风电功率预测技术是指对未来一段时间内风电场所能输出的功率大小进行预测，以便安排调度计划。这是因为风能属于随机波动的不稳定能源，大规模的风电并入系统，必将会对系统的稳定性带来新的挑战。电力生产调度机构需要对未来数小时的风电输出功率有所了解。按风电场出力预测时间尺度划分，包括:长期预测、中期预测、短期预测以及超短期预测。

国外风电预测研究起步较早，丹麦、西班牙、德国、美国等国家的风电预测技术已较为成熟，各国研究出的风电预测系统均已投人运行。

欧盟资助的“SafeWind”项目针对极端天气情况的风电功率预测从不同时间和空间尺度开展研究。与陆地风电场相比，海上风电场的地形较为平坦、光滑，其风速和热效应变化相对敏感，且现有的预测模型多针对于陆地风电场，因此建立合适的海上风电场预测模型有待于进一步研究。

最新的理论研究中，相关研究计算了区域和单个风电场的风电功率预测的误差，分析发现误差的减小取决于区域的大小，利用空间平滑效应预测区域风电功率提供了一种减小误差的新思路。也有研究将一种时间自适应的quantile-copula方法应用于风电功率概率预测，并且讨论了如何选取对不同变量建模的核函数。另外有研究首先将风速序列进行小波分解，并对各分解信号采用自适应小波神经网络进行回归预测，再通过前馈神经网络将风速预测值转化风电功率预测值。有文献将风机数据和数值天气预报数据转化为风速向量，通过多个观察点预测风速和风向，再将风速预测值通过功率曲线转换成风电功率预测值。

国内风电预测现状

我国风电功率预测系统的研究机构主要包括:中国电力科学研究院、中国气象局国家气象中心、华北电力大学、金风科技股份有限公司等，同时我国也与德国太阳能研究所(ISET)、丹麦Rise国家实验室以及挪威WindSim公司开展了国际合作。有研究建立了以数值天气预报为基础，基于人工神经网络的风电功率预测系统，并应用于吉林电网调度中心，该系统具有良好的人机界面，实现了与能量管理系统((EMS)的无缝连接。也有文献提出一种基于数值天气预报以及人工神经网络的混合型风能预测系统，该系统能够依据特定风电机组或风场的发电量的历史数据对输出数据进行修正。

为进一步提高预测精度，国内学者在预测模型和算法等方面进行了深人的理论研究。利用粗糙集理论分析影响风速预测的主要因素，将其作为中长期风速预测模型的附加输人，建立粗糙集混沌神经网络预测模型。有文献通过兼顾准确性和效率两方面，利用WRF中尺度数值预报模式选择合适的网格分辨率对风电场风速进行预测。

风电功率预测的最大问题是预测误差较大，导致各个预测方法的实用性大大降低，分析整个过程的误差来源，基于现有的风电功率预测还存在的问题如下：

1、输入数据单一，当前很多预测系统主要包括数值天气预报处理模块和风电模块变量作为输入数据，风能还受周围环境因素、物理因素等影响，势必会给预测带来一些偏差。