区域中长期风电发电量概率预测方法技术

本发明专利技术涉及电力系统技术领域，具体的说是一种区域中长期风电发电量概率预测方法，步骤如下:（1）在区域内进行参考风电场选取；（2）对参考风电场所处位置的风能进行概率预测，进而对其进行发电量预测；（3）通过扩展模型得到区域风电发电量的概率预测结果；（4）计算区域新增装机的发电量，加上步骤（3）中概率预测结果，得到区域中长期风电发电量预测结果。本发明专利技术通过区域中长期风电发电量的概率预测模型，得到区域风电发电量的概率预测结果,通过概率密度来衡量中长期风电发电量的最大可能值,从而使风电发电量预测值更具参考价值，为区域风电长周期管理和交易提供依据较强的参考数据，弥补了这一块现有技术的空缺。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及电力系统
，具体的说是一种，步骤如下:（1）在区域内进行参考风电场选取；（2）对参考风电场所处位置的风能进行概率预测，进而对其进行发电量预测；（3）通过扩展模型得到区域风电发电量的概率预测结果；（4）计算区域新增装机的发电量，加上步骤（3）中概率预测结果，得到区域中长期风电发电量预测结果。本专利技术通过区域中长期风电发电量的概率预测模型，得到区域风电发电量的概率预测结果,通过概率密度来衡量中长期风电发电量的最大可能值,从而使风电发电量预测值更具参考价值，为区域风电长周期管理和交易提供依据较强的参考数据，弥补了这一块现有技术的空缺。【专利说明】
本专利技术涉及电力系统
，具体的说是一种。
技术介绍
近年来，我国清洁能源得到了迅猛发展，从2005年起至2010年底，我国风电几乎以每年翻一番的速度在增长。到2010年底，我国风电累计装机容量达到44.73GW，已超越美国跃居世界第一。其中，运营装机容量31GW，占电网最大用电负荷的4.2%;年发电量50TWh，占全社会用电总量的1.4%。尽管如此，按照全国风电可装机容量1000GW计算，已开发容量不到可装机量的5%，还具有很大的发展潜力。由于我国风能资源主要受亚热带季风影响，以三北地区风能资源最为丰富。我国风资源的开发利用主要集中于此，在三北地区建设了八大千万千瓦级风电基地。基于我国区域间资源互补的特性，通过大范围协调可以充分发挥区域间负荷错峰错谷效应、电源结构之间的互补效应，从而最大程度地消纳风电等可再生能源。上述大范围协调方式必然是长周期的，而难以在只负责短期电力平衡和计划落实的调度层面解决。目前，跨区域电力交易所采取的是以年度合同为主、月度临时交易为辅的交易模式。风电基地风电外送也是多以长期交易为主。在签订风电长期交易的过程中，必然涉及到的问题是，未来一年或若干个月风电基地有多少电量需要送出；而在执行风电长期交易时，分解风电量至月度发电计划过程亦需要风电量的数量。解决该问题即需要对区域中长期风电发电量进行预测。预测结果不仅可为风电长期交易制定提供参考，也可为交易的计划分解提供参考，以最大限度地发挥风电的发电能力与输电通道的输送能力。以往的工作大多集中在短期风电功率预测，而对中长期风电量预测很少涉及。中长期风电发电量预测为预测风电场未来月或年的风电发电量，对制定全网电量平衡计划、优化全网运行方式意义重大。但是相比于短期风电发电量预测，中长期风电发电量预测存在一定的困难:I风电量及风电场测风数据样本数据少我国风力发电起步比较晚，风电场投产年头短，在中长期的时间尺度下，可用的年风电发电量历史数少，风电场的测风数据也不完备。而一般用于短期风电功率预测的方法，建模需要大量样本数据，导致其并不适用于中长期风电量预测。2年新增装机容量大我国风力发电建设处于大发展时期，每年新建成并投产的风电场很多，在预测周期内投产的容量增幅较大，若不考虑该因素，将会造成较大的预测误差。
技术实现思路
本专利技术针对上述现有技术中遇到的问题，提出了一种，包括如下步骤:(1)在区域内进行参考风电场选取:依据风电场的年发电量与区域总风电发电量的相关性进行参考风电场选取。(2)对参考风电场所处位置的风能进行概率预测，进而对其进行发电量预测:(3)通过扩展模型得到区域风电发电量的概率预测结果；(4)计算区域新增装机的发电量，加上步骤(3)中概率预测结果，得到区域中长期风电发电量。进一步的，上述技术方案中，所述步骤(2)包括如下步骤:(21)选定参考风电场后，利用参考风电场所在地理范围内的气象测风数据对其测风塔数据进行风速修正；(22)对参考风电场的风速进行概率预测:利用威布尔分布曲线对参考风电场历史年份的修正后风速数据进行拟合，得到历史年份风速威布尔分布参数k、c的时间序列，其目的是对预测年的风速威布尔参数进行预测。由于历史年的风速数据有限，得到的风速威布尔分布参数k、c的个数亦有限。恰好灰色模型具有算法简单、计算速度快且能对少量数据进行建模的特点。故采用灰色模型进行建模，对预测年风速的威布尔参数进行预测。通过灰色预测，得到预测年风速的威布尔参数k、C。(23)确定预测年风能密度的概率分布:由风能公式可知，在空气密度P及风电场的建场面积s为定值时，风能密度为风速三次函数；通过数学推导可以得到风速的三次方仍然服从威布尔分布，只不过它的形状参数变为3/k，尺度参数为c3。因此，得到预测年风速的威布尔分布参数后，风能的概率密度函数亦随之确定。(24)建立风电场年发电量与风能之间的映射关系:其中，在建立风能与风场年发电量之间的映射关系时，由于风电场每年的新增装机对发电量影响很大，且新增装机为人为因素，并不具备一定的规律性。因此，在风电发电量的时间序列中，去除新增装机容量所等效的风电发电量以剔除新增容量对映射关系的影响。(25)基于上述映射关系、风能密度概率性预测结果，得到参考风电场年发电量的概率性预测结果。进一步的，上述技术方案中，所述步骤(1)参考风电场的选取方法包括:(1)空间相关性法选取参考风电场，考虑风电场以及与之相近几个地点的多组风电发电量数据，运用各个风电场风电发电量与区域总风电发电量之间的空间相关性，选择参考风电场；(2)灰色系统关联度分析法选取参考风电场，首先采用均值化变换求取均值化序列，然后即可求取关联度，将各风电场发电量与区域总发电量的关联度按大小顺序排列起来，便组成关联序，将与区域风电发电量关联度最大的选取为参考风电场。进一步的，上述技术方案中，所述风速修正的方法为:用测风塔全年小时平均风速形成的时间序列I与气象站全年小时平均风速形成的时间序列X，建立测风塔与气象站全年逐小时平均风速相关方程:y=f (X)(4)式中，f为测风塔与气象站风速的相关性方程；将气象站多年各月平均风速(xl)及待修正年份的各月平均风速(x2)分别代入相关方程，得到yl与12的差值，即各月的订正量:Ay=f (xl)-f (x2)(5)式中，xl为气象站多年月平均风速，x2为待修正年份气象站的月平均风速，f (X)为测风塔与气象站风速的相关性方程，Ay为风速修正量；测风塔各月风速均加上相应的订正量，可得到测风塔的订正后风速:V 修=V+ Δ y(6) 式中，V为测风塔全年小时平均风速时间序列，Ay为风速修正量，Vii为修正后测风塔风速。本专利技术通过区域中长期风电发电量的概率预测模型，得到区域风电发电量的概率预测结果通过概率密度来衡量中长期风电发电量的最大可能值，从而使风电发电量预测值更具参考价值，为区域风电长周期管理和交易提供依据较强的参考数据，弥补了这一块现有技术的空缺。【专利附图】【附图说明】图1为本专利技术方法的总流程图；图2为实施例中编号15参考风电场风电发电量概率密度曲线；图3为实施例中区域风电发电量概率密度曲线。【具体实施方式】下面结合说明书附图对本专利技术做进一步详细说明。如图1所示，本专利技术步骤如下:步骤(1)，参考风电场的选取，可采用如下两种方法中的任意一种。1.1空间相关性法选取参考风电场一般来说，区域中气象条件具有较好的相似性，同一区域内风速的变化规律较为接近，即风速具有相关性，并且距离越近的数据相关程度越高。由于风电发电量主要受风速影响，局部本文档来自技高网...

【技术保护点】
一种区域中长期风电发电量概率预测方法，其特征在于：包括如下步骤：（1）在区域内进行参考风电场选取；（2）对参考风电场所处位置的风能进行概率预测，进而对其进行发电量预测；（3）通过扩展模型得到区域风电发电量的概率预测结果；（4）计算区域新增装机的发电量，加上步骤（3）中概率预测结果，得到区域中长期风电发电量。

【技术特征摘要】

【专利技术属性】
技术研发人员：樊爱军，张显，方印，李卫东，王海霞，张洪涛，任俊龙，史述红，谭翔，赵显，
申请(专利权)人：国家电网公司， 国网电力科学研究院， 大连理工大学， 国网重庆市电力公司，
类型：发明
国别省市：北京;11