风功率预测系统的应用与优化的讨论
龙源期刊网 https://www.wendangku.net/doc/aa10947734.html,
风功率预测系统的应用与优化的讨论
作者：王文刚刘建鹏（等）
来源：《科技创新与应用》2013年第14期
摘要：风电场风功率预测系统是风电安全、优质并网运行的关键技术手段，也是实现风
电场监控及信息化管理的重要基础。同时，采用风功率预测系统，能够有效提高电网调峰能力，增强电网的风电接纳能力，改善电力系统运行的安全性与经济性。文章介绍了即墨华能风电场使用的NSF3100风功率预测系统的体系结构、主要功能，并结合并网风电场给预测系统带来的精度问题展开了讨论。通过实时风场功率数据采集、对比、分析，实现对风场的功率预测和控制，确保电网安全稳定可靠运行。
关键词：风电场；风功率预测系统；应用；预测准确率
ABSTRACT：Wind power forecasting system is the key technical means of wind power security and high-quality operation， but also an important foundation for wind power monitoring and information management. And the wind power forecasting system is the most effective means to improve the power grid peaking capacity， enhance the grid for accepting wind power， perfect security and economy of the power system. This paper introduces the wind power forecasting system NSF3100 in Huaneng Jimo wind farm， including system architecture， main functions， and makes discussions on its improvement. This paper expounds the power prediction function of Huaneng Jimo wind power forecasting system carries out the power controlling for wind farm and keep grid a safe and stable operation through collection， comparison， analysis of the wind power data.
KEY WORDS：Wind power； forecasting system； application； predicting accuracy
引言
华能即墨风电场坐落于山东青岛即墨市境内，10米高度年平均风速5.7米/秒，风功率密
度为216.88瓦/平方米，现一期49.5MW已于2011年12月22日并网发电。作为山东省第一家正式投入风功率系统风力发电企业，华能即墨风电场采用的是国电南瑞NSF3100风电功率预测系统。
NSF3100风功率预测系统具有短期预测及超短期预测功能。超短期预测能够预测风电场未来0-4小时的输出功率，时间分辨率为15分钟一次；短期预测能够预测风场未来0-72小时的输出功率[1]，时间分辨率也为15分钟一次。预测系统分为实时数据监测、功率预测、软件平台展示三个部分。利用风功率预测系统，电网调度运行人员能够比较准确地预测出风电场的输出功率，提高风电接纳水平。
本文介绍了NSF3100风功率预测系统的组织框架和功能，阐述了系统的应用情况与优化，并对系统的改进进行了讨论。
风电功率预测系统功能要求规范
风电功率预测系统功能规范 （试行） 国家电网公司调度通信中心
目次 前言...................................................................... III 1范围. (1) 2术语和定义 (1) 3数据准备 (2) 4数据采集与处理 (3) 5风电功率预测 (5) 6统计分析 (6) 7界面要求 (7) 8安全防护要求 (8) 9系统输出接口 (8) 10性能要求 (9) 附录A 误差计算方法 (10)
前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。 本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。 本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 本规范由国家电网公司国家电力调度通信中心提出并负责解释； 本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。 本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。
风电功率预测系统功能规范 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。 本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1 风电场 Wind Farm 由一批风电机组或风电机组群组成的发电站。 2.2 数值天气预报 Numerical Weather Prediction 根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3 风电功率预测 Wind Power Forecasting 以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4 短期风电功率预测 Short term Wind Power Forecasting 未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5 超短期风电功率预测 ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。
关于短期及超短期风电功率预测的分析
关于短期及超短期风电功率预测的分析 发表时间：2020-03-14T14:01:00.437Z 来源：《福光技术》2019年32期作者：张俊林徐元中[导读] 风电的不确定性对电力系统与电力市场的稳定性、充裕性及经济性的影响日益彰显，及时、精确地预测风电功率（WP）动态的意义大。 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室湖北省武汉市 430068 摘要：风电的不确定性对电力系统与电力市场的稳定性、充裕性及经济性的影响日益彰显，及时、精确地预测风电功率（WP）动态的意义大。风电功率预测（WPP）根据风速及相关因素的历史数据和当前状态，定性或定量地推测其此后的演化过程。本文就对短期及超短期风电功率预测相关内容展开分析。 关键词：短期；超短期；风电功率；预测 引言 WP 的整体不确定性由其随机性及模糊性构成。有效的 WPP 虽然不会减少 WP 的随机性，但是可以降低其模糊性，从而使 WP 的整体不确定范围降低到WPP 的最大误差区间，减小了WP 对电力系统及电力市场的扰动。 分析影响 WPP 精度的因素第一，气象的历史数据与实时数据的缺失，风电场数据采集、传输与处理设施的缺陷，都会影响WPP 的精度。数据预处理技术包括数据同步、异常数据的识别与处理、缺失数据的替代等。第二，预测策略。例如，直接预测 WP 或通过风速预测；直接预测整个风电场的WP 或根据部分风机的预测值及空间相关性推算；采用逐一累加方式或统计升尺度方式推算区域风电场群功率。一般来说，能反映更多具体数据的预测策略可以得到更高的精度，但需要更多的数据与计算量。第三，数值天气预报（NWP）在大气实际的初值和边值条件下，数值求解天气演变过程的流体力学和热力学模型，根据空间网格中的平均值推算实际风电场地表风速的非均匀分布，并预测其动态变化。由于计及了等高线与等地形信息，以及地表粗糙度等地貌信息，通过微观气象学方法可以得到各风机轮毂高度的风速、风向等信息。然后将风速的推算值转换为风能，其精度与 NWP 的精度、网格大小、刷新周期等密切相关。第四，预测方法。物理计算法、时序外推法、人工智能（AI）法分别从空间、时间与样本分类的观点推算。它们依据的数据源、预测模型、误差特性都有所不同。若能巧妙地互补不同方法的优点，可更好地反映风速的时空演变特性。 分析 WPP 方法的研究现状基于 NWP 的物理模型计算 NWP 将天气的物理过程概括成一组物理定律，并表达成数学方程组。然后在已知的初始值及边界条件下，逐个时间段地往前联立求解描述天气演变过程的热力学和流体力学方程组，预测未来的气象数据，再结合风电场周围的地形地貌，计算风电机组轮毂高度处的风速与风向等，最后通过该机的功率 TC 得到 WPP。其技术要点包括：采用高性能计算机求解偏微分方程组的数值解；采用网格嵌套的方法减少计算量；为目标区域定制预报模型；通过观测数据的同化提高预报质量。基于 NWP 的物理模型预测方法除了能够充分考虑风电场的物理和环境因素以外，其最大的优势在于不需要积累大量的历史数据，因此特别适合新建风电场的 WPP。但由于 NWP 的更新频率较低，难以满足超短期预测的要求，仅适合短期及中长期预测。 基于统计观点的外推模型时序外推法通过归纳风速（或 WP）历史数据的时间序列之间的统计规律，建立WPP 值与最近期WP 时间序列之间的线性或非线性映射。由于历史数据序列反映了流体、热力、地形地貌等因素的影响，故基于统计观点的外推模型可以回避对物理机理掌握不够的困难。但是外推法隐含下述假设：第一，连续性，即影响事物未来轨迹的那些因素及规律，与该时刻之前一段时间基本保持不变；第二，渐进性，即事物以缓慢而渐进的方式演化，短期内不会突变。这些假设不但会使外推法在系统结构或边界条件于预测时效内发生突变时失效，即使在系统缓慢变化期间，其预测误差也会随着预测时效的增加而迅速增加，影响外推法的适用性及强壮性。 时间序列预测法经典的时间序列预测法。时间序列预测法根据目标变量本身随时间变化的趋势外推，较适用于气象信息有限的风电场进行超短期预测。由于无需考虑更多的气象信息，故具有建模简单且计算量少的优点。但输入数据单一的特点也使其难以考虑其他信息的影响，无法按不同的边界条件来修正预测模型，故除了建模时需要大量历史数据外，其强壮性更差，难以应对突变状况；且预测精度也随着预测时效的增加而迅速降低。经典的时间序列预测法，包括持续法、移动平均法和自回归移动平均（ARMA）法。持续法将最近一点的实测值作为下一时刻的预测值，简单并常被用做新算法的比较基准。移动平均法随着时间序列移动一个宽度不变的窗口，将其中各项的动态平均值作为下一时刻的预测值，仅适用于系统平稳或小幅波动时。ARMA 法利用滞后的自身数值和随机误差项来解释当前值，并以此预测未来。对于非平稳的 WP 时间序列，通过差分来消除部分不平稳分量。自回归求和移动平均（ARIMA）模型扩展了 ARMA 模型，将时间序列视为随机过程，并被广泛应用于超短期WPP 和短期WPP。 与其他数学分析法的结合。一些学者引入了其他数学分析法来弥补时间序列预测法的不足。例如，分数—自回归求和移动平均（ARIMA）模型通过降低时间序列高阶模型参数估计的难度来提高模型精度。马尔可夫预测法将时间序列看做一个随机过程，通过系统在不同状态下的初始概率以及状态之间的转移概率建立随机型的时序模型。 AI 预测法 AI 算法借助自然界规律或生物智能的启发，设计求解问题的计算机程序。包括模仿人类思维中模糊性概念的模糊算法，主要用于图像处理及模式识别；模仿生物进化和群体智能的进化算法，主要用于决策支持及优化问题；模仿大脑结构及其对信息的处理过程的 ANN 算法，可实现仿真、图像识别等任务。由于 AI 算法不需要按机理建立预测对象的数学模型，而是通过大量实测数据或仿真算例来训练 AI 模型，在其输出与输入变量之间直接建立非线性映射关系，故可用于机理不清楚的场合。 2.2.3ANN
风电功率预测的发展成就与展望
风电功率预测的发展现状与展望 范高锋，裴哲义，辛耀中 （国家电力调度通信中心，北京100031） 摘要：风电场输出功率预测对接入大量风电的电力系统运行有重要意义。本文从电力调度运行的角度，在风电功率预测技术的发展现状、系统建设情况、预测误差、预测评价指标和预测的主体等方面展开了论述，对目前存在的基础数据不完善、预测精度不高、预测的时间尺度较短和风电场普遍没有开展预测的问题进行了分析，提出了加强电网侧和风电场侧风电功率预测系统建设、加快超短期预测功能建设、继续深化预测技术研究、加强标准体系建设和开展跨行业合作等发展建议。 关键词:风电场；功率；预测；系统 中图分类号：TM614 文献标志码：A 文章编号： Wind power prediction achievement and prospect FAN Gao-feng , PEI Zhe-yi , XIN Yao-zhong (National Power Dispatching& Communication Center，Beijing 100031) Abstract: Wind power prediction is important to the operation of power system with comparatively large mount of wind power. This paper summarized the current situation of wind power prediction technology, wind power prediction system construction, prediction error, assessment index, and main market body of prediction from the power dispatch perspective. The main problems includes basic data incomplete, prediction precision relatively low, prediction time scale short and wind farm no wind power system are analyzed. Suggestions of enforcing grid side and wind farm side wind power prediction system construction, speeding up ultra-short term wind power prediction system construction, deepening wind power prediction technology study, strengthening prediction technical standard system and cooperation of different industry are proposed. Keywords: wind farm; power; prediction; system 0引言 电力系统是一个复杂的动态系统。维持发电、输电、用电之间的功率平衡是电网的责任。在没有风电的电力系统，电网调度机构根据日负荷曲线可以制定发电计划，以满足次日的电力需求。风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加，风电对电力系统的调度运行带来巨大挑战。 目前风电对全网的电力平衡已经带来很大的影响[1-3]。对风电场输出功率进行预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一。同时，风电功率预测还可以指导风电场的检修计划，提高风能利用率，提高风电场的经济效益。经过多年的科研攻关与技术创新，我国具有自主知识产权的风电功率预测系统已在电力调度机构获得了广泛应用，12个网省调建立了预测系统，覆盖容量超过12GW，在电网调度运行中发挥了一定作用。本文对近年来风电功率预测方面完成的工作进行了总结，对存在的问题进行了论述，并提出了下一步的发展建议。 1 风电功率预测发展现状 1.1 风电功率预测技术的发展情况 电网调度部门对风电功率预测的基本要求有2个：一是短期预测，即当天预测次日0时起72h的风电场输出功率，时间分辨率为15 min，用于系统发电计划安排；另一个是超短期预测，即实现提前量为0~4h的滚动预测，用于电力系统实时调度[4]。 风电功率预测方法主要分为统计方法、物理方法[5-6]。统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测，常用的预测模型有时间序列、神经网络、支持向量机等。物理方法是指风电功率预测的物理方法根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法，计算得到风电
【CN109934402A】一种风电场集控中心集中风功率预测系统及其设计方法【专利】
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910180757.6 (22)申请日 2019.03.11 (71)申请人 北京天润新能投资有限公司西北分 公司 地址 830026 新疆维吾尔自治区乌鲁木齐 市经济技术开发区上海路107号 (72)发明人 景志林 张宁 马辉 梁志平 (74)专利代理机构 北京华仲龙腾专利代理事务 所(普通合伙) 11548 代理人 李静 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称一种风电场集控中心集中风功率预测系统及其设计方法(57)摘要本发明提供一种风电场集控中心集中风功率预测系统，包括：（1）数据源；（2）数据平台层；（3）应用展示层；集中风功率预测系统采用微服务软件设计模式，系统中的每一个模块都是可以独立分拆、独立部署的微服务，底层使用的Docker容器技术和容器云平台，基于容器云平台上的持续集成、持续部署技术实现系统的快速迭代更新，分为生产控制大区的架构及信息管理大区的架构。还公开了一种风电场集控中心集中风功率预测系统的设计方法，包括步骤：1）设计集中风功率预测系统网络拓扑及电力监控系统安全防护模块；2）设计集中风功率预测系统的预测结果获取与展示模块；3）设计人为干预功率预测 结果的实施策略。权利要求书3页 说明书12页 附图11页CN 109934402 A 2019.06.25 C N 109934402 A
权 利 要 求 书1/3页CN 109934402 A 1.一种风电场集控中心集中风功率预测系统，其特征在于包括： （1）数据源：作为集中功率预测系统的基础数据来源，基础数据按照电场类别分为风电场数据、光伏电场数据，按照设备类型分为风机数据、逆变器数据、测量设备数据、升压站数据，展示以设备分类列出的数据源，测量设备数据包括风速、辐照度两种电场的实时监测数据，基础数据是通过客户端通过大数据平台的统一数据接口上传到中心端系统中，功率预测厂商的气象和功率预测数据为所述风电场集控中心集中风功率预测系统气象预报预警数据和预测功率数据的数据源，这部分数据通过互联网直接上传到所述风电场集控中心集中风功率预测系统中心端； （2）数据平台层：用于为统一的所述风电场集控中心集中风功率预测系统中心端提供统一存储和计算资源，所述风电场集控中心集中风功率预测系统的各业务子系统均部署在数据平台层； （3）应用展示层：是集中功率预测系统的界面，新能源用户通过所述界面实现所有风电场功率预测业务的查询、监控、报表工作。 2.根据权利要求1所述的一种风电场集控中心集中风功率预测系统，其特征在于：所述数据平台层包括统一数据接入服务、统一数据存储池、统一计算资源池、数据仓库、统一数据发布服务，所述数据接入服务基于大数据的采集技术，包括流数据和批数据采集技术Apache Kafka、日志等非结构化数据采集技术Logstash；所述应用展示层包括气象预报预警业务、功率预测业务和业务管理业务，所述气象预报预警业务分为天气数据展示、气象灾害预警、气象数据对比查询，所述功率预测业务分为预测指标展示、预测实测数据对比、上报状态查询与手动补报等功能，所述业务管理业务包括基础信息查询与管理、用户权限设置与管理、综合查询系统、数据归档管理、自由报表系统、测量设备管理系统。 3.根据权利要求1所述的一种风电场集控中心集中风功率预测系统，其特征在于：所述集中功率预测系统采用微服务软件设计模式，系统中的每一个模块都是可以独立分拆、独立部署的微服务，底层使用的Docker容器技术和容器云平台，基于容器云平台上的持续集成、持续部署技术实现系统的快速迭代更新。 4.根据权利要求1所述的一种风电场集控中心集中风功率预测系统，其特征在于：所述集中功率预测系统分为生产控制大区的架构以及信息管理大区的架构，所述生产控制大区分为安全Ⅰ区（控制区）和安全Ⅱ区（非控制区），所述安全Ⅰ区直接实现对电力一次系统的实时监控，纵向使用电力调度数据网络或专用通道，所述安全Ⅱ区在线运行但不具备控制功能，使用电力调度数据网络，与控制区中的业务系统或其功能模块电连接，所述集中功率预测系统在生产控制大区设置防火墙、功率预测服务器、内代理服务器、正向隔离、反向隔离，用于设备数据采集、协议适配、实时监控、告警管理、数据转发，所述集中功率预测系统的服务器把通过反向隔离传输过来的集中功率预测的结果按照电网要求的报文格式，上报给电网；内代理服务器将安全区数据通过正向隔离传输给外代理；所述信息管理大区采集存储服务器集群接受内代理转发的数据，对数据进行反向的解密、解压、数据拆箱匹配信息模型、流计算、数据持久化；获取其他管理信息系统数据，进行数据清洗、转换、加载、持久化，形成跨多数据引擎的清洁能源大数据湖；提供多副本集存储，保证数据的高可用性，查询分析服务集群提供海量异构数据的即席查询服务、多维数据聚合服务、并行化分析引擎、离线分析服务、数据审计核查、质量评估修复、使用痕迹记录等，为上层应用提供RESTful原则的 2
风电场风速及风电功率预测方法研究综述
—————————————————— —基金项目：福建省教育厅科技项目（JA08024）；福建省自然科学基金计划资助项目（2008J0018）。 第27卷第1期2011年1月 电网与清洁能源 Power System and Clean Energy Vol.27No.1 Jan.2011文章编号：1674-3814（2011）01-0060-07 中图分类号：TM614 文献标志码：A 风电场风速及风电功率预测方法研究综述 洪翠，林维明，温步瀛 （福州大学电气工程与自动化学院，福建福州350108） Overview on Prediction Methods of Wind Speed and Wind Power HONG Cui,LIN Wei-ming,WEN Bu-ying （College of Electrical Engineering and Automation ，Fuzhou University ，Fuzhou 350108，Fujian Province,China ） ABSTRACT ：Due to the intermittency of wind energy and the non -linearity of power system,there exist many uncertain variables which should be considered in the wind power prediction.The current prediction methods include the physical method, statistical method, learning method and the comprehensive one combining all the other methods.Based on accurate numerical weather prediction （NWP ）,the physical method is seldom used in the short term prediction,as its model is complicated and deals with large quantities of calculations.The model of the statistical method is simple and requires a small amount of data.It can be applied in those situations where data acquisition is difficult.The AI method is suitable in the random or non —linear system as it does not rely on the accurate mode of the objective.The comprehensive method maximizes favorable factors and minimizes unfavorable ones as contained in above-mentioned methods.This paper presents a brief overview on prediction methods of wind speed and wind power,and raises further issues worth further research on the basis of summarizing the previous studies.KEY WORDS:wind power prediction;statistical methods; learning methods;combinatorial prediction 摘要：由于风能的随机性以及电力系统的非线性等原因，预测风电功率时需要考虑众多的不确定因素影响。 现有预测方法主要包括物理预测方法、统计预测方法以及学习预测方法、综合预测法等。基于数字天气预报（NWP-numerical weather prediction ） 的物理预测方法模型复杂、计算量大，较少用于短期预测；统计预测方法模型简单，数据需求量少， 较适合于数据获取有一定困难的情况；人工智能预测方法不依赖于对象的精确模型，适合于随机非线性系统；综合预测方法可一定程度地扬长避短。本文主要就风电场风速及风电功率预测方法研究进行了综合阐述，并在总结前人研究的基础上提出了一些可进一步研究的问题。 关键词：风电预测；统计方法；学习方法；综合预测 随着全球石化资源储量的日渐匮乏以及低碳、 环保概念的逐步深化，风能等可再生能源的开发与利用日益受到国际社会的重视。2007年初欧盟曾提出，2020年其可再生能源消费将占到全部能源消费的20%，可再生能源发电量将占到全部发电量的30%[1]。风力发电是风能的主要利用方式之一。2009年，全球风电装机总量已达157.9GW ，较上年增加了37.5GW [2]。中国风能资源仅次于美国和俄罗斯，可利用风能资源共计约10亿kW 。近些年来风电在中国获得了飞速发展，2000年至2009年十年时间，中国风电装机容量从0.34GW 增至25.8GW [3]；2020年，预计全国风电总装机容量将达到30GW [1]。除部分采用离网运行方式外[4]，大容量风电机组多数采用并入电网的运行方式。随着规模越来越 大、数量越来越多的风力发电功率注入电网， 风能具有的随机性对电力系统的影响越来越不可忽视。 1风电预测的意义 准确有效地预测出风电场的输出功率不但可 帮助电力系统调度运行人员做出最有效决策， 还
风电功率预测系统功能规范
风电功率预测系统功能规范（试行） 前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。本规范由国家电网公司国家电力调度通信中心提出并负责解释；本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1风电场Wind Farm由一批风电机组或风电机组群组成的发电站。 2.2数值天气预报Numerical Weather Prediction根据大气实际情况，
在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3风电功率预测Wind Power Forecasting以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4短期风电功率预测Short term Wind Power Forecasting未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5超短期风电功率预测ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。 3数据准备 风电功率预测系统建模使用的数据应包括风电场历史功率数据、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌等数据。 3.1风电场历史功率数据风电场的历史功率数据应不少于1a，时间分辨率应不小于5min。 3.2历史测风塔数据a）测风塔位置应在风电场5km范围内；b）应至少包括10m、70m及以上高程的风速和风向以及气温、气压等信息；c）数据的时间分辨率应不小于10min。 3.3历史数值天气预报历史数值天气预报数据应与历史功率数据相
国家能源局关于印发风电功率预报与电网协调运行实施细则
国家能源局关于印发风电功率预报与电网协调运行实施细则(试行)的 通知 国能新能[2012]-12文件 各省(区、市)发展改革委、能源局、中国气象局，国家电网公司、南方电网公司、华能集团公司、大唐集团公司、华电集团公司、国电集团公司、中电投集团公司、神华集团公司、中广核集团公司、三峡集团公司、中国节能环保集团公司、水电水利规划设计总院、各相关协会: 为促进风电功率预测预报与电网调度运行的协调，根据《风电场功率预测预报管理暂行办法》的有关要求，现将〈风电功率预报与电网协调运行实施细则~(试行)印发你们，请参照执行。 附:风电功率预报与电网协调运行实施细则(试行) 风电功率预报与电网协调运行实施细则(试行) 第-章总则 第一条根据《中华人民共和国可再生能源法》和《节能调度管理办法}，为贯彻落实国家能源局《风电场功率预测预报管理暂行办法}C国能新能(2011 ) 177号)，制定本实施细则。 第二条中国气象局负责建立风能数值天气预报服务平台和业务运行保障体系，为风电功率预测提供数值天气预报公共服务产品和相关技术支持系统。 第三条风电开发企业负责风电场发电功率预报工作，按照要求上报风电场发电功率预报曲线，并执行电网调度机构下发的发电功率计划曲线。 第四条电网调度机构负责电力系统风电发电功率预测工作，建立以风电功率预测预报为辅助手段的电力调度运行机制，保障风电优先调度，落实风电全额保障性收购措施。 风电功率预测预报和并网运行的有关考核办法另行制定。 第五条各有关单位应保证安全接收、传送、应用气象和电力运行等信息，确保涉密信息的获取和使用符合国家相关保密规定。 第二章气象数据服务及功率预测
风电功率预测系统设计方案
风功率预测系统设计方案 随着社会的发展，传统能源出现面临枯竭的危险，发展新能源经济是当今世界的历史潮流和必然选择。而二次能源开发中利用风力发电是最有潜力最为环保的方式之一，但这也引出了分布式发电并网难的问题。由于风能发电的间歇性、不稳定性，并网后对电网冲击巨大，因此，做好风能发电的预测和调控是风力发电并网稳定运行和有效消纳的重要条件。 国外的经验证明，对风力发电进行有效预测，可以帮助电网调度部门做好各类电源的调度计划，减少风电限电，由此大大提高了电网消纳风电的能力，进而减少了由于限电给风电业主带来的经济损失，增加了风电场投资回报率。为此，国能日新自主研发的风电功率预测系统，为国家的风电事业发展贡献自己的一份力量。 风就是水平运动的空气，空气产生运动，主要是由于地球上各纬度所接受的太阳辐射强度不同而形成的。在赤道和低纬度地区，太阳高度角大，日照时间长，太阳辐射强度强，地面和大气接受的热量多、温度较高；在高纬度地区太阳高度角小，日照时间短，地面和大气接受的热量小，温度低。这种高纬度与低纬度之间的温度差异，形成了南北之间的气压梯度，使空气作水平运动，风沿水平气压梯度方向吹，即垂直与等压线从高压向低压吹。
地球在自转时，使空气水平运动发生偏向的力，称为地转偏向力，这种力使北半球南方吹向北方的风向东偏转，北方吹向南方的风向西偏转，南半球则相反。所以地球大气运动除受气压梯度力外，还要受地转偏向力的影响，大气真实运动是这两种力综合影响的结果。 国能日新开发的风电功率预测系统SPWF-3000，具备高精度数值气象预报功能、风电信号数值净化、高性能物理模型、网络化实时通信、通用风电信息数据接口等高科技模块；可以准确预报风电场未来168小时功率变化曲线。在即使没有测风塔的情况下，采用国能日新的虚拟测风塔技术，风功率系统短期预测精度超过80%，超短期预测精度超过90%。
风功率预测系统使用手册(v2.0)资料
风功率预测系统使用手册(v2.0)
精品文档 风电场风能预报智能管理系统 使用手册 北京国能日新系统控制技术有限公司 2011 年11 月16 日
目录 目录................................................................................................................................................. I 第一章系统操作 (1) 1.1 主界面 (1) 1.2 用户管理 (2) 1.2.1 用户登录 (2) 1.2.2 用户设置 (3) 1.2.3 用户注销 (5) 1.3 系统设置 (5) 1.3.1 风场设置 (6) 1.3.2 机组型号设置 (7) 1.3.3 测风塔设置 (9) 1.3.4 预测设置 (11) 1.4 状态监测 (13) 1.4.1 系统状态 (13) 1.4.2 风机状态 (14) 1.5 预测曲线 (14) 1.5.1 短期预测曲线 (14) 1.5.2 超短期预测曲线 (16) 1.5.3 风速预测 (17) 1.6 气象信息 (19) 1.6.1 风速曲线 (19) 1.6.2 风廓线 (20) 1.6.3 直方图 (20) 1.6.4 玫瑰图 (21) 1.7 统计分析 (22) 1.7.1 完整性统计 (22) 1.7.2.频率分布统计 (23) 1.7.3 误差统计 (24) 1.7.4 事件查询 (26) 1.7.5 综合查询 (27) 1.8 报表 (28) 第二章系统维护 (30) 2.1 数据库连接不上 (30) 2.2 短期预测数据不显示 (30) 2.3 超短期预测数据不显示 (30) 2.4 接收实发功率异常 (30)
基于等效平均风速的风力发电功率预测
基于等效平均风速的风力发电功率预测 井天军,阮 睿,杨明皓 (中国农业大学信息与电气工程学院,北京市100083) 摘要:目前应用风速气象数据预测风力发电功率的方法存在较大误差,难以满足工程应用的精度要求。文中基于能量守恒原理提出了风力发电机组等效平均风速的概念,并通过为期1年的现场实验分析得到等效平均风速与最大风速和平均风速的函数关系,由此提出了基于等效平均风速的风力发电功率预测方法,并与以往基于平均风速的风力发电功率预测方法进行了工程应用效果对比,表明基于等效平均风速的预测方法较基于平均风速的预测方法在预测精度方面有明显提高。关键词:等效平均风速;风速预测;风力发电功率中图分类号:TM614 收稿日期:2009204215;修回日期:2009209207。 /十一五0国家科技支撑计划重点项目(2006BAJ04B03)。 0 引言 随着能源与环保问题日益突出,近年来风力发电在全球迅速发展。由于风能是一种间歇性、随机性和波动性很大的一次能源,大规模风力发电的接入对电力系统的规划与运行、调度与控制都带来了新问题。通常解决此问题所采用的方法是在原电力系统基本方法中加入风速或风力发电功率预测环节,因此对随机的、波动很大的、不可调度的风速或风力发电功率的预测方法成为研究的热点。 根据研究目的的不同,风速或风力发电功率预测可以分为3类:1以功率平衡控制为目的的风速、风向预测方法或模拟方法[125],主要用于风力发电控制系统、风力发电机组保护系统和控制器或风轮机机械部件设计等方面,预测所产生风速序列的时间间隔为秒级或分钟级;o以电力系统能量调度为目 的的风速或风力发电功率预测方法[6218] ,预测所产生风速序列的时间间隔为几分钟到数十分钟,预测各时段的平均风速和相应的平均风力发电功率;?用于中长期发电规划和备用发电容量计划的风速或风力发电功率预测方法[19223],此类方法通常预测全年12个月代表日的小时平均风速或月平均风速,利用风速的概率分布函数和统计特征产生相应的模拟风速序列。本文研究主要涉及第2类。 以电力系统能量调度为目的的风速或风力发电功率预测方法可归为2类:1采用时间序列法或时间序列法与人工神经网络等智能方法相结合来预测平均风速,然后根据风力发电机组的功率特性计算 得到相应的输出功率预测值[6210];o采用人工神经网络法、模糊逻辑法、支持向量机法等人工智能算法,以平均风速、风向等气象数据作为输入量,直接预测风力发电机组输出功率[11218]。前者把研究重点放在对风速的预测上,但是尽管风速预测精度非常 高,但风力发电功率预测误差仍然很大[9,17] 。后者用黑匣子原理直接将风速、风向等气象学预测的物理量与风力发电机组输出功率相关联,采用人工智能方法建立输入与输出间的映射关系,使功率预测精度能够满足能量调度的要求,但是这类方法不能给出输入与输出间关系的解析表达式,每次应用都需要大量的样本进行学习。 事实上,即使风速预测数据准确,基于现有风力发电机功率特性也不可能得到符合工程应用精度要求的风力发电功率预测值,其根本原因是电力系统能量调度所预测的风力发电功率是某时段的平均功率,而风力发电机功率特性描述的是发电机输出功率关于任意风速的变化关系。为此,本文提出基于等效平均风速的风力发电功率预测方法,主要用于10min 级超短期风力发电功率预测,统计给出了等效平均风速与平均风速及最大风速的解析表达式。 1 等效平均风速 1.1 等效平均风速的概念与测量 风力发电机组的风速功率曲线表明,当实际风速小于切入风速或大于切出风速时,输出功率为0;当实际风速在切入风速与额定风速之间时,输出功 率与风速间成三次函数曲线关系[24] ;当实际风速超过额定风速而小于切出风速时,输出功率近似为恒功率输出。 称电力系统能量调度最小时间间隔为统计时 ) 83 ) 第33卷 第24期2009年12月25 日Vol.33 No.24Dec.25,2009
风功率预测系统局部架构
风功率预测系统局部架构 风功率预测涉及的其他产品 1、实时测风数据采集与传输系统 风电场风资源实时采集及传输系统，是根据国家电网对风电场测风塔相关标准及国内外风电场运行状况所开发的系统。本系统主要包括测风塔数据的实时采集、存储、转发、分析管理、以及与远动装置进行实时数据交互，实现向网调EMS系统的测风塔数据实时上传。 2、测风数据使用光纤传输方式的建设方案 风电场测风塔示意图如下图所示：测风塔部分主要包括测风塔、测风塔上的测量设备、数据记录仪、串口联网设备等硬件设施。其中测量仪器包括风速仪、风向标（在10米、30米、70米、风力发电机组的轮毂中心高层各一个），和温度传感器、湿度传感器、压力传感器（放在10米高层各一个）。这些测量设备通过传感器屏蔽电缆连接到数据记录仪。数据记录仪有专门的保护箱，其电源由太阳能供电系统提供，实现数据的采集及存储。数据采集器通过光端机把串口信号转换光信号，经过最近风机的备用光纤传送到电子设备间。 拓扑图
经过光纤交换机和光电转换器的处理，重新将光信号转换为电信号，然后数据通过ModBus协议（RS232/R485串口）实时传送到功率预测服务器上，并按照网调要求的格式进行上传，实现测风塔数据的本地采集、存储、显示、管理以及对网调的数据上送。风电场主控室，测风设备网络示意图如下所示： 升压站监控房网络图 说明：国能日新的实时测风数据采集及上传系统除了通过光纤方式传输外，还可实现GPRS无线方式、无线电台方式等多种传输方式。
测风塔 3、虚拟测风塔建设方案 虚拟测风塔是一套软件模块，无需建设测风塔，即可完全满足测风数据及其他气象数据的采集和主站上传要求，且无论是数据精度还是测量范围完全满足电网对风电场测风塔实时数据上传的技术要求。国能日新的虚拟测风塔可以位于场内及附近的任意位置，不受风电场区域限制；时间采集精度可以任意选取；同时没有任何工况限制，即使出现了极限天气，依然能够正常工作。这样不仅为业主节约了实体测风塔的硬件投资，而且还为用户节约了大量的维护费用。基于我们的虚拟测风塔，短期功率预测精度超过90%，目前甘肃桥东第一风场，桥东第三风电场以及甘肃鑫汇瓜州干河口第六风电场等风电场正在使用该技术，系统运行 稳定，得到用户的高度认可。
CSC-800W 风功率优化控制子站后台操作说明
CSC-800W功率优化控制子站后台操作说明 目录 CSC-800W功率优化控制子站后台操作说明 (1) 1 系统运行 (2) 2 系统介绍 (2) 2.1标题栏 (2) 2.2有功监控 (3) 2.3 主接线图................................................................................ 错误！未定义书签。 2.4 历史曲线 (6) 2.5 定值管理 (10) 2.6 报表统计 (13) 2.7 历史事件 (14) 2.8 系统日志 (14) 2.9 系统状态 (15) 2.10 实时报警 (15)
1 系统运行 在桌面上双击图标，进入工程管理器 点击运行工程，进入运行态。 点击标题栏右侧图标，弹出用户登录窗口 选择用户名，输入密码登录,密码为空 2 系统介绍 2.1标题栏
用鼠标停留在标题栏中的图标上，会显示图标名称，点击图标可以打开相应的画面，其中有功显示、无功显示、历史曲线画面为覆盖式窗口，定值管理、曲线管理、报表统计、历史事件、操作日志、系统状态为弹出式窗口。当前用户显示当前登录的用户。 2.2有功监控 参数监视：显示有功控制功能的工作模式和风电场相关数据。 状态监视：显示系统的运行的状态和报警。 控制方式设置：有功调节压板、工作模式、指令方式、一次调频和联合动力AGC状态的显示及对其进行操作。 风场功率曲线：显示风电场的实际有功、目标有功和理论有功实时曲线。 机群功率曲线：显示风机机群的实际有功、目标有功和理论有功实时曲线。 2.2.1 参数监视 工作模式：对有功调节功能处于调试还是运行模式的显示。在调试方式下，只是运行逻辑，不向风机下发有功控令；在运行模式下，既运行逻辑，也向风机下发有功控令。 指令方式：对控制方式设置中相应状态的显示。 在人工指令方式下，可点击参数监视区的人工设定，人工手动输入目标有功； 在计划指令方式下，目标有功为有功计划中96个有功计划值的相应时段的数值； 在遥控指令方式下，调度对风场进行功率控制，目标有功为调度实时下发的有功功率值。 在自由指令方式下，调度不对风场功率做限制，目标有功为风场装机容量的1.2倍。 目标有功：显示当前指令方式下设定的想让风电场调节到的有功功率值。 人工设定：在人工指令方式下对目标有功进行设置，有权限限制，满足权限时才可操作。 风场实际有功：风电场实际上网有功功率。 风场理论有功：华锐风机上送点，代表风场当前气候条件下可发有功功率。 有功死区：有功调节死区设定值的显示，如图显示有功死区是0.1MW，表示目标有功功率与风机实际有功功率的差值在0.1 MW之内，不对风机有功出力进行调节，当目标有功功率与风机实际有功功率的差值超过0.1 MW时，对风机出力进行调节。
风功率预测三种模型
风电功率预测问题 摘要 风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。现今风力发电主要利用的是近地风能。 近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。 大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。 如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。 因此，如何对风电场的发电功率进行尽可能准确地预测，是急需解决的问题。根据电力调度部门安排运行方式的不同需求，风电功率预测分为日前预测和实时预测。日前预测是预测明日24小时96个时点（每15分钟一个时点）的风电功率数值。实时预测是滚动地预测每个时点未来4小时内的16个时点（每15分钟一个时点）的风电功率数值。 对于问题一我们建立了3个模型：1、时间序列模型即指数平滑模型2、拟合回归模型3、神经元预测模型即BP模型。针对这3种模型，根据相对误差的大小和准确度的大小判断来确定优先选择哪个模型。 对于问题二，在第一问的基础上对相关模型进行了比较，分析，做出了预期。 对于问题三，在第一问的基础上，对相关的模型进行了改善，使其预测的更加准确。 关键词：风功率实时预测 BP网络神经 matlab 时间序列
问题的重述 一、背景知识 1、风功率预测概况 风功率预测是指风电场风力发电机发电功率预测。 风电场是利用在某个通过预测的坐标范围内，几座或者更换多的经过科学测算，按照合理距离安装的风力发电机，利用可控范围内的风能所产生的电力来实现运行供电。 由于风是大气压力差引起的空气流动所产生的，风向和风力的大小时刻时刻都在变化。因而，风力发电具有波动性、间歇性和随机性的特点。 这些特点所导致的风电场功率波动，会对地区电网整体运行产生影响，进而会影响到整个地区总网内的电压稳定。因此，当风力发电场，特别是大容量风力发电场接入电网时，就会给整个电力系统的安全、稳定运行带来一定的隐患。同时，这些波动性、间歇性和随机性的特点，也会严重影响风机的发电效率和使用寿命。 2、风功率原理介绍 风功率预测系统技术，是根据风电场气象信息有关数据，利用物理模拟计算和科学统计方法，对风电场的风力风速进行短期预报，而预测出风电场的功率，从而也可实现电力调度部门对风电调度的要求。 二、具体试验数据 PA、PB、PC、PD、P4和P58数据 附件1：风电场功率预测预报管理暂行办法 附件2：风功率数据P A 风功率数据P B 风功率数据P C 风功率数据P D 58台机总风功率数据P 58