基于氣象數(shù)據(jù)分析的新能源發(fā)電預(yù)測方法分析案例目錄TOC\o"1-3"\h\u18171基于氣象數(shù)據(jù)分析的新能源發(fā)電預(yù)測方法分析案例 1122901.1新能源發(fā)電預(yù)測數(shù)據(jù)的獲取 1137071.1.1新能源現(xiàn)場氣象數(shù)據(jù)采集 1306641.1.2氣象數(shù)據(jù)采集及錄入 3149701.1.3氣象數(shù)據(jù)存儲 741841.2基于概率分析法的風(fēng)力新能源出力模型 7179961.2.1風(fēng)電出力概率模型 824191.2.2基于條件概率的風(fēng)電波動模型 10117521.1.1風(fēng)電場集群效應(yīng)分析建模 12245741.3基于氣象數(shù)據(jù)和集群效應(yīng)的風(fēng)電場出力預(yù)測 13286161.1.2對于氣象數(shù)據(jù)的預(yù)測分析 132441.1.3基于氣象數(shù)據(jù)誤差修正風(fēng)電場出力預(yù)測流程 15132521.4算例分析 19124231.4.1風(fēng)電集群效應(yīng)的影響 19251091.4.2風(fēng)電場出力分析 211.1新能源發(fā)電預(yù)測數(shù)據(jù)的獲取1.1.1新能源現(xiàn)場氣象數(shù)據(jù)采集國際電信聯(lián)盟為了便于國際各國之間氣象通信的互不干擾，為氣象衛(wèi)星分配了專用的頻帶，也即1波段?但是這一頻段在設(shè)置的時候由于頻段范圍只有40兆赫茲，只能達(dá)到幾兆字節(jié)/秒級距離，所以傳輸數(shù)據(jù)的速率很慢。隨著氣象衛(wèi)星的增加，目前的頻段范圍已經(jīng)遠(yuǎn)遠(yuǎn)不夠滿足現(xiàn)在對氣象信號傳輸速率的需求。為了提高傳輸速率，信號傳輸渠道需要更高的帶寬。例如，當(dāng)前5G技術(shù)的應(yīng)用，可以實(shí)現(xiàn)更快的傳輸速度，從而保證了數(shù)據(jù)通訊的時效性，同時提高了傳輸時的數(shù)據(jù)質(zhì)量，降低了數(shù)據(jù)丟失的風(fēng)險，從而保證了氣象衛(wèi)星與地面接收裝置之間的數(shù)據(jù)交換的可靠性。高帶寬的通信技術(shù)可以同一時間傳輸大量的數(shù)據(jù)，為數(shù)據(jù)的分析提供了豐富的資料。氣象觀測站以及遙測數(shù)據(jù)的采集為本文的數(shù)據(jù)的采集來源奠定基礎(chǔ)，結(jié)合研究結(jié)果，反演氣候，水源和生態(tài)的遙測遙感數(shù)據(jù)[5]。結(jié)合遙測的多種功能，開發(fā)多重獨(dú)立的插件，試下年多種模塊的結(jié)合和對氣象以及環(huán)境的監(jiān)測[31]?如圖3-1所示的具體氣象系統(tǒng)，這個系統(tǒng)主要被劃分為4個級別?圖3-1風(fēng)電場氣象數(shù)據(jù)采集系統(tǒng)可以看出，該遙測數(shù)據(jù)錄入系統(tǒng)主要包括了以下幾個部分：數(shù)據(jù)采集器、通信渠道、網(wǎng)關(guān)?以及MCU平臺開發(fā)等[9]。該系統(tǒng)可以對氣候的光照強(qiáng)度，氣溫高低，濕度以及風(fēng)力的風(fēng)向、強(qiáng)度等相關(guān)氣象內(nèi)容進(jìn)行監(jiān)測，通過5G通信技術(shù)將這些環(huán)境信息傳輸?shù)缴衔粰C(jī)，網(wǎng)關(guān)模塊對數(shù)據(jù)進(jìn)行分類，然后通過不同的IP地址分配到MCU相對應(yīng)的位置。最終，MCU通過特定的數(shù)據(jù)框架進(jìn)行氣象和環(huán)境數(shù)據(jù)的發(fā)送和接收，并將其儲存在硬盤中,并通過相應(yīng)的APP軟件或者應(yīng)用在終端上顯示和處理。隨著氣象監(jiān)測技術(shù)的逐漸成熟，我國建立了完善的氣象衛(wèi)星數(shù)據(jù)接收與處理系統(tǒng)，能夠及時、準(zhǔn)確地提供氣象預(yù)報與環(huán)境變化監(jiān)測。常用的衛(wèi)星數(shù)據(jù)傳輸方式為CCSDS標(biāo)準(zhǔn)方式，這種傳輸方式對系統(tǒng)設(shè)計要求較高。數(shù)據(jù)接收系統(tǒng)需要具備良好的信號編碼特性適應(yīng)性，還需要根據(jù)不同的信號射頻頻率進(jìn)行接收裝置與跟蹤系統(tǒng)的設(shè)計安排。因此，現(xiàn)有的數(shù)據(jù)監(jiān)測結(jié)果具有一定的偏離性。數(shù)據(jù)監(jiān)測系統(tǒng)依據(jù)其大容量的帶寬優(yōu)勢，能夠進(jìn)行大規(guī)模的數(shù)據(jù)采集，但也因此導(dǎo)致了存在遺漏欠缺關(guān)鍵數(shù)據(jù)的情況?；谏鲜銮闆r，研究者通過軟硬件分析與實(shí)驗(yàn)過程，借助5G通信技術(shù)，設(shè)計了5G傳輸?shù)臍庀蟊O(jiān)測站監(jiān)測系統(tǒng)。該設(shè)計為接收衛(wèi)星數(shù)據(jù)提供了新的可靠路徑與工具?1.1.2氣象數(shù)據(jù)采集及錄入一般情況下，氣象數(shù)據(jù)采集器的核心是一個中央處理器，用于進(jìn)行數(shù)據(jù)處理。處理器上的數(shù)據(jù)是由各種氣象數(shù)據(jù)通過輸入端口以及數(shù)據(jù)降噪電路處理后得到的，一般有兩種物理數(shù)據(jù)傳輸方式有線和無線傳輸方式，其中有線方式傳輸穩(wěn)定且數(shù)據(jù)傳輸速率快，但是其弊端在于傳輸距離有限，成本高且建設(shè)周期長；本文采取的是無線傳輸方式，利用5G傳輸無線傳輸方式，氣象數(shù)據(jù)可以遠(yuǎn)距離低延遲地進(jìn)行交換處理。氣象站的數(shù)據(jù)采集功能的實(shí)現(xiàn)主要由兩部分組成，一方面是由氣象傳感器，處理器，內(nèi)存，數(shù)據(jù)硬盤，數(shù)據(jù)傳輸接口，顯示器，電源等內(nèi)容組成的硬件電路部分，另一部分是有數(shù)據(jù)接收和處理軟件和數(shù)據(jù)庫維護(hù)軟件等內(nèi)容組成的軟件部分，這兩部分最終共同構(gòu)成一個數(shù)據(jù)采集站。（1）影響光伏發(fā)電的氣象數(shù)據(jù)處理由于有大氣層遮蔽的影響，太陽光照經(jīng)過大氣層外傳送到地表的過程中，有書收到折射的作用，會有一定的衰減，具體的衰減強(qiáng)度可以通過設(shè)定的衰減系數(shù)定義。根據(jù)不同的氣象條件，設(shè)置不同的衰減系數(shù)，從而對太陽輻射強(qiáng)度進(jìn)行準(zhǔn)確計算。通過對不同時間，氣象以及光照直射角度等因素可以定義出太陽輻射強(qiáng)度與衰減系數(shù)之間的關(guān)系。將我國有關(guān)部門對天氣氣象的定義，將氣象氛圍大致四類典型的天氣，分別是光照充足的晴天、光照遮蔽的多云天氣、還有對光照影響較大的小雨和大雨。通過對數(shù)據(jù)進(jìn)行描點(diǎn)繪制可以得到，這四種天氣與光照輻射強(qiáng)度的關(guān)系，如圖3-2中所示。圖3-2四種天氣類型所對應(yīng)的地表輻照度與地外輻照度變化規(guī)律由于天氣的種類多種多樣，在進(jìn)行分析前應(yīng)對氣象天氣進(jìn)行合理的分類。如果按照氣象部門制定的氣象類型來表示不同情況下的光照強(qiáng)度會產(chǎn)生大量的數(shù)據(jù)樣本難以歸類，并且有些極端的天氣歷史數(shù)據(jù)少，無法進(jìn)行合適地處理，所以為了便于后續(xù)計算的方便，利用上面四種基本天氣來對氣象數(shù)據(jù)進(jìn)行劃分，對于除此之外的天氣類型與太陽光照輻射強(qiáng)度的關(guān)系，可按表3-1進(jìn)行歸一化處理。類型包含天氣類型A晴、多云間晴、晴間多云B多云、陰、陰間多云、多云間陰、霧C小雨、陣雨、雷陣雨、雷陣雨伴冰雹、雨夾雪、陣雨、小雪、凍雨、小到中雨、小到中雪D大雨、中雨、暴雨、大暴雨、特大暴雨、中雪、大雪、暴雪、中到大雨、大到暴雨、暴雨到大暴雨、大暴雨到特大暴雨、中到大雪、大到暴雪、沙塵暴表3-1天氣聚類后天氣對應(yīng)模型由圖3-2的輻照度對應(yīng)關(guān)系，通過MATLAB擬合上述曲線可得到相應(yīng)的輻照度與天氣類型之間的關(guān)系，如下圖3-3所示。圖3-3各類天氣類型輻照度曲線設(shè)定EA、EB、EC和ED分別為四種典型的天氣出力，各類天氣類型下的擬合公式為：(3-1)(3-2)(3-3)(3-4)定義上述衰減系數(shù)為ε，通過研究可以知道晴天的衰減系數(shù)為0.9，多云的衰減系數(shù)為0.74、小雨天氣的衰減系數(shù)為0.23、大雨天氣的衰減系數(shù)為0.09。所以，基于各種天氣類型輻照度預(yù)測修正公式為：(3-4)對于一些其他的天氣類型再通過設(shè)置的修正因數(shù)來加強(qiáng)其適應(yīng)性，對歷史數(shù)據(jù)中的異常數(shù)據(jù)，通過較大幅度的修正來使其符合運(yùn)算模型。即使對待同一天氣時的光照輻射強(qiáng)度，也應(yīng)該通過修正因子來優(yōu)化數(shù)據(jù)的處理。（2）影響風(fēng)力發(fā)電數(shù)據(jù)處理風(fēng)力發(fā)電近年在世界各地得到了廣泛應(yīng)用。風(fēng)電因其無污染與可再生的特性而大受歡迎。但因?yàn)楦鱾€地區(qū)自然條件不同，而風(fēng)無法控制。如果整體風(fēng)速太小，無法給渦輪機(jī)足夠的動力，而如果整體風(fēng)速太快，電機(jī)很容易受到損害，因此各地是否可以建立風(fēng)電廠需要進(jìn)行嚴(yán)格的、基于氣象數(shù)據(jù)進(jìn)行的評估。根據(jù)國家標(biāo)準(zhǔn)《風(fēng)力等級》，風(fēng)力共分為十八級。風(fēng)力劃分情況如下表3-2所示。風(fēng)力名稱平均離地10米處風(fēng)速（m/s）0無風(fēng)0.0-0.21軟風(fēng)0.3-1.52輕風(fēng)1.6-1.33微風(fēng)1.4-5.44和風(fēng)5.5-7.95勁風(fēng)8.0-10.76強(qiáng)風(fēng)10.8-11.87疾風(fēng)11.9-17.18大風(fēng)17.2-20.79烈風(fēng)20.8-24.4表3-2風(fēng)力等級與相應(yīng)風(fēng)速除了風(fēng)力強(qiáng)度是影響風(fēng)力發(fā)電的一個關(guān)鍵數(shù)據(jù)，風(fēng)向也同樣重要，通過SCADA系統(tǒng)等測算出來自不同方向的風(fēng)。為了方便記錄，以正北風(fēng)為正方向，自上向下看，以順時針依次記錄的設(shè)定風(fēng)向順序[30]。風(fēng)電的輸出功率與風(fēng)輪機(jī)經(jīng)過面積具有相關(guān)性。同時風(fēng)輪機(jī)經(jīng)過面積與葉片受力方向具有相關(guān)性。所以考慮將風(fēng)向也納入模型，作為主要的自變量。其中風(fēng)向表示如圖3-4所示。圖3-4風(fēng)向角度表示圖環(huán)境存在的溫度差導(dǎo)致的近地面氣壓差，從而產(chǎn)生的空氣對流是風(fēng)力產(chǎn)生的最大原因。也即隨著地區(qū)溫差增大，空氣越容易發(fā)生對流運(yùn)動，進(jìn)而影響電機(jī)輸出功率。而且，除了上述影響風(fēng)電輸出功率的因素外，濕度也是影響輸出功率的因素之一。當(dāng)濕度較高時，大量地水蒸氣會附著在風(fēng)機(jī)葉片表面，從而影響風(fēng)力對葉片的最用力。同時，不同海拔的空氣密度也不相同，風(fēng)機(jī)的輸出功率也就各不相同。風(fēng)速和空氣密度影響了風(fēng)力機(jī)的輸出功率，但不能直接評估其他因素與輸出功率之間的關(guān)系。如果把所有的影響因素都作為模型的輸入，這就會大大增加計算的復(fù)雜度；但時，如果在模型中僅輸入認(rèn)為選擇的某些因素，那么又難以保證預(yù)測的準(zhǔn)確度。因此，需要采用一些方法篩選出對原始數(shù)據(jù)的影響因素。1.1.3氣象數(shù)據(jù)存儲由于氣象數(shù)據(jù)十分龐大，而且實(shí)時更新，不能以傳統(tǒng)的數(shù)據(jù)存儲方式來對氣象數(shù)據(jù)進(jìn)行儲存，為了將氣象數(shù)據(jù)進(jìn)行合理的保存，應(yīng)分為不同的存儲方式來對不同的數(shù)據(jù)來進(jìn)行儲存，這就是用了分布式儲存技術(shù)。分布式儲存技術(shù)可以根據(jù)數(shù)據(jù)種類的不同，來滿足各種儲存需求。1.2基于概率分析法的風(fēng)力新能源出力模型本文充分學(xué)習(xí)了國內(nèi)外已有研究成果，選擇了地區(qū)電網(wǎng)作為主要的應(yīng)用對象，建立了三級層次、雙向傳遞、模塊互聯(lián)、層層細(xì)化、功能開放系統(tǒng)架構(gòu)的日前負(fù)荷曲線智能預(yù)測系統(tǒng)。該系統(tǒng)的基本結(jié)構(gòu)如下圖3-5所示。圖3-5基于氣象數(shù)據(jù)分析的新能源調(diào)控系統(tǒng)架構(gòu)設(shè)計1.2.1風(fēng)電出力概率模型風(fēng)電機(jī)的標(biāo)準(zhǔn)功率特性曲線指的是在標(biāo)準(zhǔn)空氣密度下，風(fēng)電機(jī)組的輸出功率與風(fēng)速之間的關(guān)系曲線。一般情況下，對應(yīng)風(fēng)速下的風(fēng)電出力P可以根據(jù)制造商的功率特性曲線或使用以下公式計算。 （3-5）式中，表示風(fēng)機(jī)的額定風(fēng)速，單位：米每秒（m/s）；Pr表示風(fēng)機(jī)的額定轉(zhuǎn)矩，單位：牛每米（N·m）；、表示是風(fēng)機(jī)的切入和切出風(fēng)速，單位：米每秒（m/s）。則可得到常數(shù)： ， （3-6）考慮尾流效應(yīng)，假設(shè)風(fēng)電場有臺可以正常工作的機(jī)組，那么風(fēng)電場的輸出功率為： （3-7）式中，表示風(fēng)電場的輸出功率，單位：兆瓦（MW）；表示尾流效應(yīng)系數(shù)；表示正常工作的風(fēng)機(jī)臺數(shù)；表示風(fēng)機(jī)的輸出功率，單位：兆瓦（MW）。根據(jù)文昌風(fēng)電場（50MW）2019~2020年的運(yùn)行數(shù)據(jù)，可以得到有功功率分布直方圖如下圖3-6。圖3-6風(fēng)電場有功功率直方圖分布由上圖可以發(fā)現(xiàn)，風(fēng)電場的出力中，低出力水平出現(xiàn)概率最大，隨著出力增大概率不斷減小，但并不是單調(diào)減小的，分界點(diǎn)一般出現(xiàn)在0.8p.u.附近，之后先增大，最后再迅速減小到0。所以，該風(fēng)電場有功功率的分布并不屬于常見的簡單概率分布模型。這主要是由風(fēng)機(jī)的功率特性曲線決定的。當(dāng)風(fēng)速超過額定風(fēng)速時，風(fēng)機(jī)的出力始終是額定功率。所以，由于不同風(fēng)機(jī)無法同時達(dá)到額定功率，直方圖后半部分的極大值出現(xiàn)在1之前。對于規(guī)模較大的風(fēng)電場集群，這種出力分布的現(xiàn)象將不再明顯，從圖3-7中可以看出，風(fēng)電出力直方圖一般為單調(diào)遞減。圖3-7多個風(fēng)電場集群的有功功率直方圖對于某個含有n個風(fēng)電場的風(fēng)電場群，各風(fēng)電場風(fēng)速和有功功率有如下關(guān)系： （3-8）式中，表示各電場風(fēng)機(jī)臺數(shù)；表示尾流效應(yīng)。如果有： （3-9）式中，表示該電場群的等效風(fēng)速，單位：米每秒（m/s）。如果某個風(fēng)電場集群的等效風(fēng)速基本滿足，即等效風(fēng)速在風(fēng)機(jī)功率曲線單調(diào)遞增的范圍內(nèi)，則可利用Weibull分布簡單得到風(fēng)電場集群的功率分布概率的擬合規(guī)律。根據(jù)隨機(jī)變量函數(shù)的分布定理，風(fēng)電場群有功功率的概率密度函數(shù)如下： （3-10）式中，v表示等效風(fēng)速，單位：米每秒（m/s）；Pwind表示風(fēng)機(jī)出力，單位：兆瓦（MW）；b表示風(fēng)速-風(fēng)電出力參數(shù)；c表示W(wǎng)eibull分布的尺度參數(shù)；k表示W(wǎng)eibull分布的形狀參數(shù)；風(fēng)電機(jī)組的出力概率分布為： （3-11）1.2.2基于條件概率的風(fēng)電波動模型相較于之前的運(yùn)行記錄，風(fēng)電功率預(yù)測和系統(tǒng)運(yùn)行的環(huán)境更關(guān)心某一時刻之后的功率變化趨勢，所以，本文研究的是基于條件概率的風(fēng)電波動模型，具體說來就是，在反映風(fēng)電場一段時間內(nèi)風(fēng)電出力水平的整體分布下，再考慮風(fēng)電數(shù)據(jù)的時間特性，可反映風(fēng)電出力水平在某時刻或其下一時刻的出力的變化情況。所謂條件功率概率密度是指：在統(tǒng)計時間范圍內(nèi)，選定一個條件功率，將采樣數(shù)據(jù)里所有與條件功率相等或者在條件功率區(qū)間內(nèi)數(shù)據(jù)點(diǎn)的下一時刻數(shù)據(jù)挑選出形成新的子集，條件功率對應(yīng)的概率密度分布就是該數(shù)據(jù)子集的概率密度分布。所謂條件功率區(qū)間內(nèi)數(shù)據(jù)點(diǎn)，即功率數(shù)據(jù)點(diǎn)落入以條件功率值為中心的某一區(qū)間時，認(rèn)為其是符合該條件功率值的樣本。例如，假設(shè)條件功率的區(qū)間寬度為0.05p.u.，當(dāng)實(shí)測值落入[0.5-0.05，0.5+0.05]的區(qū)間內(nèi)，那么就認(rèn)為其是與條件功率0.5p.u.相吻合的樣本。1）條件功率波動置信區(qū)間當(dāng)已知某一條件的風(fēng)電功率時，一般會想要得到下一時刻具有某一置信水平的風(fēng)電功率波動范圍。對條件功率概率密度，設(shè)和為2個功率值，且，若滿足： （3-12）則定義為的置信度為的條件置信區(qū)間。該區(qū)間反映風(fēng)電功率圍繞上下波動的范圍及其概率。2）條件功率概率偏度定義P1,P2,P3為出力P小于、等于和大于Pc的概率： （3-13）由公式可以計算得出，風(fēng)電輸出功率偏離條件功率的概率為P1與P3之和；概率分布左偏或右偏的程度為P1與P3相對大小。其中，左偏表示風(fēng)電出力呈減小趨勢，右偏表示風(fēng)電出力呈增大趨勢。定義概率相對（右）偏度為： （3-15）當(dāng)時，左偏占優(yōu)；當(dāng)時，右偏占優(yōu)；當(dāng)時，左右偏度相等。以峨蔓風(fēng)電場風(fēng)功率數(shù)據(jù)半年的運(yùn)行數(shù)據(jù)為依據(jù)，對不同時間間隔（5min、15min、1h）的風(fēng)電功率作置信度為0.95（）的統(tǒng)計，結(jié)果如表3-3。表3-3風(fēng)功率波動置信范圍及其概率相對偏度條件功率（p.u.）置信度為0.95功率區(qū)間偏度（ρ）5min15min1h5min15min1h0.1[0.05~0.1][0.05~0.11][0.04~0.35]0.620.610.580.2[0.15~0.28][0.19~0.39][0.11~0.44]0.560.550.560.3[0.23~0.38][0.21~0.45][0.18~0.47]0.550.550.570.4[0.34~0.55][0.31~0.65][0.28~0.73]0.550.570.590.5[0.42~0.62][0.4~0.74][0.37~0.77]0.530.540.580.6[0.52~0.77][0.5~0.83][0.46~0.8]0.560.590.660.70.59~0.78][0.59~0.91][0.56~0.9]0.580.600.650.8[0.72~0.92][0.7~1.0][0.78~0.93]0.590.610.650.9[0.84~1.01][0.82~1.05][0.8~1.04]0.540.570.641.0[0.88~1.13][0.93~1.16][0.92~1.16]0.930.930.94當(dāng)某一時刻的功率落在不同的條件功率區(qū)間時，可以從表中得到下一段的功率預(yù)測信息。例如，當(dāng)某風(fēng)電場在某個時刻的出力為0.5p.u.時，那么該風(fēng)電場的功率在5min后以0.95的置信區(qū)間落在[0.42~0.62]范圍內(nèi)。繼續(xù)查表可得，15min后將落入[0.4~0.74]區(qū)間，1h后則為[0.37~0.77]。從中同樣可以知道，隨著時間尺度的增加，0.95的風(fēng)電場置信區(qū)間逐漸增大，與風(fēng)電波動隨時間變化的趨勢是一致的。1.1.1風(fēng)電場集群效應(yīng)分析建模風(fēng)電的出力具有隨機(jī)波動的特點(diǎn)。所以，描述風(fēng)電的規(guī)模的集群效應(yīng)指標(biāo)應(yīng)該隨著時間而變成不同的值。而定量分析風(fēng)電集群效應(yīng)的基礎(chǔ)是建立集群效應(yīng)指標(biāo)的概率分布模型。在計算集群效應(yīng)指標(biāo)時，所選擇的時間段為一天，即最大出力比應(yīng)為日最大出力比。同樣的，對應(yīng)的其他指標(biāo)分別為日最大波動比、日峰值同時率、日峰谷差比。 （3-15）式中，表示某一天的集群效應(yīng)指標(biāo)值，它表示0~24h中的最大值；n表示不同的日期。集群效應(yīng)指標(biāo)的概率分布模型就是集合S的分布模型。 （3-16）式中，S表示長期的統(tǒng)計值組成的集合。目前，很多研究更喜歡直接假定集群效應(yīng)指標(biāo)的概率密度函數(shù)服從正態(tài)分布。但是，通過對現(xiàn)場數(shù)據(jù)的擬合檢驗(yàn)，可以看出該假設(shè)沒有足夠的精度。因此，本文引入混合高斯分布模型對集群效應(yīng)指標(biāo)的分布規(guī)律進(jìn)行擬合，從而提高該概率分布的準(zhǔn)確性。幾個高斯分布加權(quán)得到混合高斯分布模型的概率密度函數(shù)。 （3-17） （3-18）以上指標(biāo)可以用來衡量風(fēng)電集群效應(yīng)的大小，但不能直接給出風(fēng)電集群效應(yīng)的變化規(guī)律。為此，引入置信區(qū)間， （3-19）式中，表示概率；表示集群效應(yīng)指標(biāo)；表示為給定的概率值。的具體取值可以根據(jù)研究需求確定；R表示風(fēng)電集群的指標(biāo)X在概率p的條件下不大于R。1.3基于氣象數(shù)據(jù)和集群效應(yīng)的風(fēng)電場出力預(yù)測1.1.2對于氣象數(shù)據(jù)的預(yù)測分析基于氣象數(shù)據(jù)的新能源發(fā)電預(yù)測不只是可以通過模型進(jìn)行分析，也可以將其看成一種歷史數(shù)據(jù)歸化的問題。因此，可以利用回歸模型進(jìn)行數(shù)據(jù)的擬合得到下一次進(jìn)行預(yù)測的負(fù)荷值。但是無論是將發(fā)電量視為時序問題來分析還是歸化問題來擬合，都避免不了外部因素對預(yù)測的影響。由于外部因素是多種多樣的，如果能夠有效的處理和利用這些因素，就可以得到更加準(zhǔn)確的預(yù)測結(jié)果?；跉庀笮畔⒌男履茉窗l(fā)電預(yù)測修正，其關(guān)系圖如下圖3-8所示。圖3-8新能源發(fā)電與氣象數(shù)據(jù)間的關(guān)系構(gòu)建圖在實(shí)際電力運(yùn)營過程中，電力調(diào)度系統(tǒng)是電力系統(tǒng)中重要的部門之一。該部門主要的工作內(nèi)容就是通過快速而精準(zhǔn)的電力系統(tǒng)發(fā)電預(yù)測，從而實(shí)時指導(dǎo)電廠、變電系統(tǒng)的控制和電力的分配；同時，該部門在電網(wǎng)安全穩(wěn)定運(yùn)行方面發(fā)揮了重要的作用。隨著國家對電網(wǎng)企業(yè)的改革，電網(wǎng)效益的要求越來越高，調(diào)度部門對電力的準(zhǔn)確預(yù)測將極大程度的決定了電網(wǎng)的效益運(yùn)行。因此，進(jìn)行精準(zhǔn)的負(fù)荷預(yù)測愈顯重要。考慮到二維坐標(biāo)系中的運(yùn)動目標(biāo)(定義為風(fēng)力發(fā)電預(yù)測軌跡坐標(biāo)系，ICS)，所需的運(yùn)動軌跡被標(biāo)記為曲線C。假設(shè)有一個移動點(diǎn)試圖跟蹤所需的目標(biāo)點(diǎn)沿曲線C移動，預(yù)測負(fù)荷軌跡坐標(biāo)系的示意圖如圖3-9所示。定義點(diǎn)的移動速度和y軸的正方向之間的角度為，即 （3-18）ICS中的點(diǎn)的移動速度可以寫成 （3-19）考慮另一個二維坐標(biāo)系(定義為實(shí)際負(fù)荷軌跡坐標(biāo)系，TCS)：使用所需的目標(biāo)位置作為原點(diǎn)，軸沿切線方向，軸垂直于軸并指向右，實(shí)際負(fù)荷軌跡坐標(biāo)系的示意如圖3-10所示。因此，TCS和ICS之間的旋轉(zhuǎn)角度可以通過以下方式確定: （3-20）圖3-9預(yù)測負(fù)荷軌跡坐標(biāo)系的示意圖圖3-10實(shí)際負(fù)荷軌跡坐標(biāo)系的示意圖1.1.3基于氣象數(shù)據(jù)誤差修正風(fēng)電場出力預(yù)測流程風(fēng)電場的發(fā)電功率主要與風(fēng)速以及風(fēng)向等內(nèi)容有關(guān)。而影響風(fēng)速的因素主要有：不同的溫度，濕度甚至海拔高度等。因?yàn)檫@些影響因素的變化具有極大的隨機(jī)性，所以風(fēng)速也是隨機(jī)變化，具有很強(qiáng)的隨機(jī)性，進(jìn)而導(dǎo)致發(fā)電功率的變化也是沒有規(guī)則的。因此，為了能夠準(zhǔn)確的分析各因素對風(fēng)力發(fā)電功率產(chǎn)生的影響，就需要建立與實(shí)際相符的預(yù)測模型，并通過改變各種因素的條件來判斷預(yù)測模型的準(zhǔn)確性。目前常用的負(fù)荷預(yù)測方法可分為兩類：傳統(tǒng)預(yù)測方法和智能預(yù)測方法。其中，傳統(tǒng)預(yù)測方法包括回歸分析法、自回歸滑動平均模型、灰色模型等。智能預(yù)測方法包括人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、粒子群優(yōu)化算法和模糊邏輯等。其中有一種自回歸移動平均模型在風(fēng)電預(yù)測中比較通用：該模型基于時間序列，并考慮自回歸和移動平均模型。這種預(yù)測方法的優(yōu)點(diǎn)在于在有限集合的歷史數(shù)據(jù)中就可以進(jìn)行預(yù)測。該方法的基本思想就是在無序的組中找到有序的排列關(guān)系。通過應(yīng)用ARMA等技術(shù)模型在最小變化梯度上找到最優(yōu)的預(yù)測值。該預(yù)測方法主要應(yīng)用于平穩(wěn)性序列，而對于其他非平穩(wěn)性序列而言，ARMA可以通過轉(zhuǎn)換來進(jìn)行求解?；诖朔N思路可以對風(fēng)能進(jìn)行預(yù)測，基于氣象數(shù)據(jù)分析的新能源預(yù)測模型，主要步驟如下圖3-9所示。步驟1：對歷史數(shù)據(jù)進(jìn)行整合處理。使用歷史數(shù)據(jù)建立預(yù)測模型，歷史數(shù)據(jù)的采集并不僅限于氣象數(shù)據(jù)、發(fā)電數(shù)據(jù)的收集，同樣的針對當(dāng)?shù)仉娋W(wǎng)運(yùn)行情況以及受經(jīng)濟(jì)發(fā)展的并網(wǎng)小時數(shù)等因素進(jìn)行相應(yīng)的記錄和整理。步驟2：對量測數(shù)據(jù)進(jìn)行初步分析和處理。收集到的數(shù)據(jù)也并不是所有都可以使用的，在這些數(shù)據(jù)中存在著異常甚至偏差非常大的數(shù)據(jù)，要將這些異常數(shù)據(jù)剔除，以免對大樣本的曲線擬合分析造成偏差影響。步驟3：結(jié)合皮爾遜相關(guān)系數(shù)分析法分析各氣象因素與風(fēng)電輸出功率的相關(guān)性，選取關(guān)鍵氣象參數(shù)。本環(huán)節(jié)可采用多變量氣象因素數(shù)據(jù)集，結(jié)合皮爾遜相關(guān)系數(shù)分析法分析各氣象因素與風(fēng)電輸出功率的相關(guān)性，選取關(guān)鍵氣象參數(shù)作為修正模型的輸入。相關(guān)系數(shù)R2計算公式如下所示： （）式中，N為采樣總數(shù)，Xi為第i時刻氣象參數(shù)，Xmean為該氣象參數(shù)的平均值，Yi為第i時刻風(fēng)電輸出功率，Ymean為風(fēng)電輸出功率的平均值。值得注意是，新能源發(fā)電的運(yùn)行不只是受到正常負(fù)荷運(yùn)行的影響，在實(shí)際運(yùn)行中還有許多非正常停電停運(yùn)現(xiàn)象。譬如，北方冬天供暖需求，需要保障熱電廠出力，導(dǎo)致棄風(fēng)棄光現(xiàn)象嚴(yán)重，或者由于電網(wǎng)外送電能力的影響，也是開展預(yù)測前需要關(guān)注內(nèi)容。步驟4：利用現(xiàn)有的其他負(fù)荷預(yù)測方法（如時間序列模型、神經(jīng)網(wǎng)絡(luò)模型等）建立短期電力負(fù)荷的初步預(yù)測模型，設(shè)定t=1。說明：誤差收斂性的判斷及修正與負(fù)荷預(yù)測模型無關(guān)，負(fù)荷預(yù)測方法可以是現(xiàn)有的任何方法，甚至是高精度的混合預(yù)測方法。模型參數(shù)的辨識，可以模型本身的特點(diǎn)以及地區(qū)本身的風(fēng)電場特征進(jìn)行整定。通過多次整定模型當(dāng)中的關(guān)鍵參數(shù)，保證預(yù)測模型的準(zhǔn)確度。步驟5：利用建立的模型以及選取的數(shù)據(jù)對新能源發(fā)電水平進(jìn)行預(yù)測。在采樣時間x，應(yīng)用初步預(yù)測模型，得到下一時刻x+1的預(yù)測值。在采樣時間x，應(yīng)用預(yù)測值和實(shí)際值計算誤差。步驟6：根據(jù)預(yù)測值和，由最后一個預(yù)測點(diǎn)到當(dāng)前預(yù)測點(diǎn)的直線與y軸正方向之間的夾角可用公式(3-18)計算。步驟7：根據(jù)實(shí)際值和，由最后一個實(shí)際點(diǎn)到當(dāng)前實(shí)際點(diǎn)的直線與y軸正方向之間的夾角可用公式(3-20)計算。步驟8：利用定理判斷是否滿足誤差收斂條件。如果滿足，則保留由初步預(yù)測模型獲得的預(yù)測值，然后轉(zhuǎn)到下一步。否則，轉(zhuǎn)到第5步。步驟9：判斷是否完成預(yù)測時段發(fā)電功率預(yù)測，如果否，修正下一時刻預(yù)測值，轉(zhuǎn)到步驟6。說明：對預(yù)測結(jié)果進(jìn)行修正。如利用切線函數(shù)的單調(diào)性，校正電力負(fù)荷的預(yù)測值以修正發(fā)散的誤差。當(dāng)然也可以利用穩(wěn)定性分析方法，判斷電力系統(tǒng)短期負(fù)荷的誤差是否滿足收斂條件。如果考慮到有限數(shù)量的時間樣本，變量時間x被假定為離散的，則表示采樣時間x處的實(shí)際負(fù)荷值，表示采樣時間x的相應(yīng)預(yù)測負(fù)荷值。在相同的采樣時間x中，ICS中和之間的水平跟蹤誤差必須滿足。步驟10：確保電力負(fù)荷預(yù)測誤差收斂得到最終的預(yù)測結(jié)果。在進(jìn)行不斷的模型參數(shù)估計后對模型進(jìn)行修改并通過適應(yīng)性檢驗(yàn)。若通過檢驗(yàn)，則模型可以被用于預(yù)測。若未通過檢驗(yàn)，則返回步驟2重新進(jìn)行參數(shù)修正。圖3-9ARMA模型建模流程圖1.4算例分析1.4.1風(fēng)電集群效應(yīng)的影響基于某地區(qū)主要風(fēng)電場的實(shí)際運(yùn)行數(shù)據(jù)，分析研究了集群效應(yīng)的變化規(guī)律。圖3-10所示為計算得到整個區(qū)域的風(fēng)電場集群效應(yīng)指標(biāo)的概率分布情況：圖3-10集群效應(yīng)指標(biāo)的直方圖不同規(guī)模風(fēng)電場的集群效應(yīng)指標(biāo)（置信度為0.95）的計算結(jié)果見表3-4。風(fēng)電容量（MW）5010015020025095%日最大出力比1.008340.941610.8808230.8525340.821033風(fēng)電容量（MW）5010015020025095%（15min）最大波動比0.5882020.3890050.2714350.2182240.214146風(fēng)電容量（MW）5010015020025095%日最大峰谷差比0.9699190.7928720.7227080.653140.64465895%最大峰值同時率10.9976320.9710030.945830.939592表3-495%置信度下不同規(guī)模風(fēng)電場的集群效應(yīng)指標(biāo)對于不同指標(biāo)，采用混合高斯模型擬合的結(jié)果如圖3-11所示。由圖可知，日最大出力比、最大波動比、峰值同時率三項(xiàng)指標(biāo)符合二分量高斯分布，而日峰谷差比則符合簡單高斯分布。各項(xiàng)指標(biāo)在上述模型中都可以得到較好的擬合效果。詳細(xì)的擬合參數(shù)見表3-5。圖3-11集群效應(yīng)指標(biāo)的混合高斯分布擬合參數(shù)日最大出力比日最大波動比日峰值同時率日峰谷差比α10.04920.1337-0.04320.0834μ10.41670.06540.73160.2939σ10.34050.03050.00800.2134α20.01870.06120.0625——μ20.1880.08850.7807——σ20.09960.09440.2——表3-5混合高斯分布擬合參數(shù)1.4.2風(fēng)電場出力分析1）風(fēng)電的年度波動性風(fēng)電年利用小時是指在發(fā)電設(shè)備額定功率下，發(fā)電設(shè)備年發(fā)電量所需的小時數(shù)，即風(fēng)電設(shè)備的全年實(shí)際發(fā)電量比上該設(shè)備的額定功率。表3-6中統(tǒng)計了各個風(fēng)電場在2019年和2020年的年利用小時。從中可知，年利用小時數(shù)在1473～2340h范圍內(nèi)，平均值為1940h?？梢园l(fā)現(xiàn)同一風(fēng)電場在這兩年的年利用小時數(shù)波動幅度非常劇烈，這是因?yàn)槟昀眯r數(shù)的變化主要受長期的氣候條件影響。年利用小時（h）2019年2020年文昌2339.91757.22四更2341.511807.76感城1935.971895.64峨蔓1947.791471.24表3-6風(fēng)電場年利用小時2）風(fēng)電的月度、季度波動性分別對這4個風(fēng)電場在2019年和2020年的出力進(jìn)行統(tǒng)計，選擇統(tǒng)計指標(biāo)為有功功率和容量因數(shù)。平均有功1月2月3月4月5月6月7月8月9月10月11月12月2019年81.131.162.521.438.850.140.914.740.049.161.778.62020年48.347.144.552.232.056.031.526.122.842.839.142.2表3-7月平均有功功率（MW）月平均有功功率如表3-7所示?？梢钥闯?，11月、12月、1月的月平均有功功率的值相較于其它月份較大，這是因?yàn)槎镜钠骄L(fēng)力較大；而在夏季時，6月份左右也會出現(xiàn)較大風(fēng)力，所以6月份的風(fēng)電出力相較于4月和5月有較大值；相對于上述四個月份而言，其他月份的月平均有功功率值都較小，這是因?yàn)榇杭竞颓锛疽话泔L(fēng)力較小。圖3-12顯示了2020年各個月份下的文昌、峨蔓、感城和四更風(fēng)電場的風(fēng)電容量因數(shù)波動。從圖中可知，在11月、12月和1月，各個風(fēng)電場的出力都達(dá)到了一年中的峰值；在春秋兩季中，四個風(fēng)電場的出力都比較低；而在夏季，四個風(fēng)電場呈現(xiàn)除了不同的出力規(guī)律。其中，四更和感城風(fēng)電場相距較近，因此具有類似的風(fēng)電出力波動規(guī)律，整個曲線為“W”狀，有雙峰特征，而文昌和峨蔓風(fēng)場曲線則呈“U”型，是單峰特征。圖3-122020年風(fēng)電場容量因數(shù)月度曲線3）風(fēng)電的日波動性通過對一段時間內(nèi)的日平均出力曲線取平均值，可以看出風(fēng)電場的容量系數(shù)在24小時內(nèi)具有相同的規(guī)律，如圖3-13所示。整體來看，整個一天的風(fēng)電出力水平都趨于平緩，沒有明顯的增長規(guī)律，各時段出力大小基本相等。但詳細(xì)看來，上午，風(fēng)電的出力水平較低，變化不大。隨著時間的推移，出力水平緩慢的不斷提升。到下午14：00至18：00之間，出現(xiàn)峰值。隨后，出力水平開始緩慢下降（比上升速度快），到深夜后又維持在較低的出力水平。圖3-13峨蔓、感城、四更和文昌風(fēng)電場24h風(fēng)電容量因數(shù)若對四個風(fēng)電場在某個特定的一天記錄風(fēng)電場出力的波動趨勢，可以進(jìn)行簡單的分類，如圖3-16。以四更風(fēng)電場為例，低區(qū)間波動型的出現(xiàn)情況最多，占所有統(tǒng)計天數(shù)的40%，該類型表示上午、中午和晚上風(fēng)電場出力的平均值均不超過裝機(jī)的20%，其次為凸性、高區(qū)間波動型、上升型、下降型和凹