本发明专利技术公开了一种基于时间序列法的超短期风电功率预报方法，包括以下步骤：(1)采集风电场附近测风塔测风数据；(2)数据处理；将测风塔记录风速进行平滑、平稳化处理；(3)利用时间序列法进行风速预报建模；将步骤(2)进行平滑及平稳化处理后的风速数据按照预报时间分辨率分别建模，共建立16个预报模型；计算出未来0-4小时的预报风速；(4)超短期风电功率计算；将预报风速输入风电功率预报模型计算得到预报时效内的风电功率预报结果。本发明专利技术方法能够滚动预报风电场0-4小时内的风电出力，为电网调频、维持电网稳定运行提供合理的数据支持，使调度部门在电网运行中提早对由于风电的急速变化带来的各种突变情况采取应对措施。
【技术实现步骤摘要】
本专利技术涉及风力发电系统领域，尤其涉及一种基于时间序列法的超短期风电功率 预报方法。
技术介绍
20世纪以来，世界经济迅猛发展，能源需求成倍增长，能源工业大规模发展。但常 规能源不仅面临着枯竭的问题，而且由于化石能源的大量使用，直接向大气中排放温室气 体和气溶胶等引起了全球气候变暖和日益严重的环境污染问题，对自然生态系统、社会经 济和人体健康均构成了严重威胁，已引起国际社会和公众的高度关注。为了更好地克服能 源供需矛盾的制约，促进全球经济的可持续性发展，应对气候变化，改善人居环境，大力发 展包括风能在内的可再生能源已成为各国政府、科技界和公众广泛关注的焦点。在这种形势下，中国的风力发电事业呈现了良好的发展势头，大型并网风力发电 发展迅速，国家相继在酒泉、新疆、江苏、蒙东、蒙西、吉林、河北规划了七个千万千瓦级风电 基地。其中酒泉千万千瓦级风电基地已完成建设规划，部分风电场已并网发电。随着风力发电的迅速发展，其弊端也逐渐凸显。风力发电是将空气动能转换为电 能，其特性会直接受到风特性的影响。风的随机波动性和间歇性决定了风力发电的功率也 是波动和间歇性的。当风电场的容量较小时，风电对电网系统的影响并不明显。随着风电 场容量在系统中所占比例的增加，风电对电网系统的影响就会越来越明显，如电网调度困 难、发电计划制定困难等。大风速扰动会使系统的电压和频率产生很大的变化，严重时将 可能使系统失去稳定。另外，风电机组的运行受制于系统的运行条件，当系统的运行条件比 较恶劣，如电压水平比较低时，风电机组很容易在系统扰动或风速扰动条件下停机，风电作 为电源突然消失，也可能使系统失去稳定。有关学者申洪、陈树勇、雷亚洲、戴慧珠等在文献 1. “基于电力系统站台稳定分析的风电场穿透功率计先计算.”(电网技术，2002 二6(8) 8-11.) >2. “含风电场电力系统的有功优化潮流.”(电网技术，2002二6)、3. “风电场的发 电可靠性模型及其应用.，，(中国电机工程学报，2000，20 (3) :26-29.)中指出在一般情况 下，当风电穿透功率(即风电功率占系统总发电功率的比例)不超过8%时，我国电网不会 出现较大问题。但是当风电穿透功率超过一定值之后，有可能对电能质量和电力系统的运 行产生影响并且可能危及常规发电方式。特别是在我国风能资源丰富区，电网结构比较薄 弱，风电穿透功率远远低于8%，风电的波动性和间歇性严重的制约了风电的发展。目前，风电场接入电网的主要特点为单个风电场容量大，风电场装机达到可以和 常规机组相比的规模；风电场接入电网的电压等级高，直接接入输电网。随着风电装机容 量在系统中所占比例的增加，与风电场并网有关的电压、无功控制、有功调度、静态稳定和 动态稳定等问题越来越突出，给电力系统的调度管理带来了极大困难；传统的发电计划基 于电源的可靠性和负荷的可预测性，以这两点为基础，发电计划的制定和实施有了可靠的 保证。随着系统内风电场比例的增加，风电出力的波动性使发电计划的制定变得日益困难。 百万千瓦、特别是千万千瓦级风电基地的规划及建设，促使我们必须尽快制定相应解决方案，确保风电场大规模接入电网后系统能够安全运行。已有经验表明建设预报较为准确、功 能较为完备的风电功率预报系统，是解决风电大规模并网运行的关键措施之一。短期风电功率预报可以提供风电场未来M小时风电输出功率的预报结果，对于 调度计划的安排制定意义重大；但值得注意的问题是风电功率准确预报的前提是准确的 风速预报，而基于数值预报方法的短期风速预报若想准确地反应风速的变化规律，其所采 用的大尺度预报场必须精确地描述风电场所在区域的天气特征。就现有的气象预报技术而 言，很难对未来天气形势做出精确地计算。其次，数值模式本身的特点也限制了风速预报的 准确性，数值模式很难对风电场周围的地形、植被和粗糙度的变化等下垫面状况做出精确 的刻画。另外全球气候变暖，使得天气突变事件更加频繁，可能发生的天气突变也将极大的 增加预测的误差，因此仅仅利用M小时的短期预报不足以应对电网实际运行中的多种情 况。应该在短期预报的基础上开展0-4小时的超短期预报，随时修正短期预报的偏差，在电 网运行中提早对各种突变情况采取应对措施。
技术实现思路
本专利技术的目的是提供一种，能够滚动 预报风电场0-4小时内的风电出力，为电网调频、维持电网稳定运行提供合理的数据支持， 使调度部门在电网运行中提早对由于风电的急速变化带来的各种突变情况采取应对措施。为了实现上述目的，本专利技术采用如下技术方案一种，包括以下步骤(1)采集风电场附近测风塔测风数据； 测风塔记录风速的频率为每15分钟一次，本方法采集频率为每15分钟一次，本方 法超短期风电功率预报时间分辨率也为15分钟；(2)数据处理；将步骤(1)采集的风速数据进行平滑处理和平稳化处理；平滑处理的方法为将步骤(1)采集的风速数据中第一个纪录时刻的风速值与最 后一个时刻的风速值保持不变，其余风速按如下规律变化权利要求1. 一种，其特征在于，包括以下步骤(1)采集风电场附近测风塔测风数据；测风塔记录风速的频率为每15分钟一次，本方法采集频率为每15分钟一次，本方法超 短期风电功率预报时间分辨率也为15分钟；(2)数据处理；将步骤(1)采集的风速数据进行平滑处理和平稳化处理；平滑处理的方法为将步骤(1)采集的风速数据中第一个纪录时刻的风速值与最后一 个时刻的风速值保持不变，其余风速按如下规律变化2.如权利要求1所述一种，其特征在于， 步骤(4)中所述风机功率曲线的公式为y = -0. 0039X6+0. 266X5-6. 9692X4+86. 768X3-521. 7 8X2+1527. 1X-1726. 3其中y代表预报风机功率值，单位KW ；χ代表预测风速值，单位m/s。全文摘要本专利技术公开了一种，包括以下步骤(1)采集风电场附近测风塔测风数据；(2)数据处理；将测风塔记录风速进行平滑、平稳化处理；(3)利用时间序列法进行风速预报建模；将步骤(2)进行平滑及平稳化处理后的风速数据按照预报时间分辨率分别建模，共建立16个预报模型；计算出未来0-4小时的预报风速；(4)超短期风电功率计算；将预报风速输入风电功率预报模型计算得到预报时效内的风电功率预报结果。本专利技术方法能够滚动预报风电场0-4小时内的风电出力，为电网调频、维持电网稳定运行提供合理的数据支持，使调度部门在电网运行中提早对由于风电的急速变化带来的各种突变情况采取应对措施。文档编号H02J3/00GK102055188SQ20111000230公开日2011年5月11日 申请日期2011年1月7日 优先权日2011年1月7日专利技术者于广亮, 姜宁, 孙川永, 孙强, 张琳, 高媛媛, 魏磊 申请人:西北电网有限公司 本文档来自技高网...
【技术保护点】
一种基于时间序列法的超短期风电功率预报方法，其特征在于，包括以下步骤：（１）采集风电场附近测风塔测风数据；测风塔记录风速的频率为每１５分钟一次，本方法采集频率为每１５分钟一次，本方法超短期风电功率预报时间分辨率也为１５分钟；（２）数据处理；将步骤（１）采集的风速数据进行平滑处理和平稳化处理；平滑处理的方法为：将步骤（１）采集的风速数据中第一个纪录时刻的风速值与最后一个时刻的风速值保持不变，其余风速按如下规律变化：Ｘ↓［ｉ］＝（Ｘ↓［ｉ－１］＋２Ｘ↓［ｉ］＋Ｘ↓［ｉ＋１］）／４其中Ｘ↓［ｉ］为ｔ时刻的风速，Ｘ↓［ｉ－１］为ｔ－１时刻的风速，Ｘ↓［ｉ＋１］为ｔ＋１时刻的风速；平滑处理后的到平滑处理风速数据组；平稳化处理的方法为：对于第ｎ个预报时刻，将平滑处理后的测风数据组中最后一个风速值向前每隔ｎ－１个风速值将平滑处理后的测风数据进行累加求和并计算出平均风速，再将选取的风速值减去平均风速值，组成新的风速序列；依次进行１６次平稳化处理，得到１６个新的风速序列；（３）利用１２阶自回归模型建立预报模型；１２阶自回归模型如下：ＳＵＢＲＯＵＴＩＮＥＡＲＰ（Ｘ，Ｎ，Ｍ，Ｒ，ＦＡＩ）Ｘ－－输入参数，一维实型数组，大小为Ｎ，存放观测序列值；Ｎ－－输入参数，整型变量，为观测序列的长度；Ｍ－－输入参数，整型变量，为自回归的阶数；Ｒ－－输出参数，一维实型数组，存放自相关系数；ＦＡＩ－－输出参数，二维实型数组，存放自回归系数；ＳＵＢＲＯＵＴＩＮＥＡＲＰ（Ｘ，Ｎ，Ｍ，Ｒ，ＦＡＩ）ＩＮＴＥＧＥＲ：：ＴＡＯＲＥＡＬ（４），ＤＩＭＥＮＳＩＯＮ（Ｎ）：：ＸＲＥＡＬ（４），ＤＩＭＥＮＳＩＯＮ（Ｍ，Ｍ）：：ＦＡＩＲＥＡＬ（４），ＤＩＭＥＮＳＩＯＮ（Ｍ）：：ＲＲＥＡＬ（４），ＤＩＭＥＮＳＩＯＮ（Ｍ）：：ＳＲＥＡＬ（４）：：Ｓ２，Ａ１，Ａ２Ｓ＝０ＤＯＴＡＯ＝１，ＭＤＯＩ＝１，Ｎ－ＴＡＯＳ（ＴＡＯ）＝Ｓ（ＴＡＯ）＋Ｘ（Ｉ）＊Ｘ（Ｉ＋ＴＡＯ）ＥＮＤＤＯＳ（ＴＡＯ）＝Ｓ（ＴＡＯ）／（Ｎ－ＴＡＯ）ＥＮＤＤＯＳ２＝０ＤＯＩ＝１，ＮＳ２＝Ｓ２＋Ｘ（Ｉ）＊Ｘ（Ｉ）ＥＮＤＤＯＳ２＝Ｓ２／ＮＤＯＴＡＯ＝１，ＭＲ（ＴＡＯ）＝０ＤＯＩ＝１，Ｎ－ＴＡＯＲ（ＴＡＯ）＝Ｒ（ＴＡＯ）＋Ｘ（Ｉ）＊Ｘ（Ｉ＋ＴＡＯ）／Ｓ２ＥＮＤＤＯＲ（ＴＡＯ）＝Ｒ（ＴＡＯ）／（Ｎ－ＴＡＯ）ＥＮＤＤＯ利用上述模型计算出１２阶系数：ＦＡＩ（１）、ＦＡＩ（２）、ＦＡＩ（３）、ＦＡＩ（４）、ＦＡＩ（５）、ＦＡＩ（６）、ＦＡＩ（７）、ＦＡＩ（８）、ＦＡＩ（９）、ＦＡＩ（１０）、ＦＡＩ（１１）、ＦＡＩ（１２）；对应上述１６个风速序列分别计算出１６组１２阶系数，将得到的１６组１２阶系数代入如下公式得到１６个预测风速值，即未来０－４小时预报风速；Ｘ↓［ｔ］＝ＦＡＩ（１）＊Ｘ↓［ｔ－１］＋ＦＡＩ（２）＊Ｘ↓［ｔ－２］＋ＦＡＩ（３）＊Ｘ↓［ｔ－３］＋ＦＡＩ（４）＊Ｘ↓［ｔ－４］＋ＦＡＩ（５）＊Ｘ↓［ｔ－５］＋ＦＡＩ（６）＊Ｘ↓［ｔ－６］＋ＦＡＩ（７）＊Ｘ↓［ｔ－７］＋ＦＡＩ（８）＊Ｘ↓［ｔ－８］＋ＦＡＩ（９）＊Ｘ↓［ｔ－９］＋ＦＡＩ（１０）＊Ｘ↓［ｔ－１０］＋ＦＡＩ（１１）＊Ｘ↓［ｔ－１１］＋ＦＡＩ（１２）＊Ｘ↓［ｔ－１２］上述公式中Ｘ↓［ｔ］为预报时刻的风速值，Ｘ↓［ｔ－１］－Ｘ↓［ｔ－１２］依次为Ｘ↓［ｔ］时刻前１－１２个风速值；（４）超短期风电功率计算将步骤（３）得到的１６个预测风速值通过风机功率曲线转换为１６个预报风机功率值，即未来０－４小时的预报风机功率值。...
【技术特征摘要】
【专利技术属性】
技术研发人员：魏磊，孙川永，孙强，高媛媛，姜宁，张琳，于广亮，
申请(专利权)人：西北电网有限公司，
类型：发明
国别省市：87
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。