分析如何提高风电场风功率预测准确率

申浩漩

摘要：风力发电虽然创造出了可观的经济效益，但其间隙性、随机性和波动性的特点给整个电力系统的安全与稳定运行带来了挑战，同时直接影响了风电厂在电力行业的竞争力。因此，加快风功率预测的研究、提高功率预测的精确度就显得尤为重要。

关键词：功率预测；风力发电；组合预测

强调了风功率预测研究对确保电力系统安全、提升经济运行和改善电能质量的重要性。探讨了当前风功率预测方法，并详细阐述了其中的关键技术步骤，同时展望了对短期和实时风功率预测的未来发展趋势。

1风功率预测的主要方法

1.1按照预测时间划分

风电预测可细分为长期、中期、短期和超短期。长期预测在选址和规划阶段中起到重要作用，以年为单位。中期预测以月为单位，可更合理地安排风场的大规模检修计划。短期预测主要用于优化电网调度，通常提前1~2天进行。超短期预测则针对控制风电机组，一般提前数十分钟或数小时进行预测。当下的实时预测也属于超短期预测的范畴。

1.2按照预测模型的对象不同

风速预测可分为间接法和直接法。间接法通过对风速的精准预测，进而根据风功率曲线得到预测功率。直接法则研究功率，不考虑风速的变化过程进行风功率预测。

1.3按照所用预测模型差异

功率预测方法可分为统计模型预测和物理模型预测两种。统计模型预测方法利用统计学原理，通过寻找历史数据与机组输出功率之间的映射关系来进行预测，忽略了风速物理变化过程。常见的预测模型包括卡尔曼滤波、时间序列等统计模型，以及基于智能类模型的人工神经网络、小波分析、SVM回归法、模糊逻辑等方法。统计方法受限于历史数据，在长期预测中面临数据处理和历史数据统计的挑战。

1.4按照功率预测模型个数划分

功率预测可以被分类为单一预测和组合预测两种方法。单一预测方法主要采用小波分析、时间序列和神经网络等数学模型或者物理模型来进行功率预测。而组合预测方法则是通过选取适当的组合方式将单一模型集成起来进行功率预测。

单一功率预测通常忽略了物理影响因素，导致预测的准确度不佳。而组合功率预测则利用了多种算法的优势，大大提高了准确度和泛化能力。例如，结合粗糙集和神经网络的预测方法、基于主成分分析和粗糙集的组合预测方法，这些方法都取得了令人满意的预测结果。

2风功率预测体系现阶段产生的问题

2.1初期工作数据精准度低

一般来说，风电场通常建在相对偏远的地区，所以实际的工勘过程可能会遇到一些困难。有时候设计部门和场地之间的联系不够紧密，可能会导致交流方面存在偏差，最终预测系统供应商提供的预测结果与实际发展状态不一致。例如，测风塔可以选择光纤传输或无线电台传输来传输信息，从风机的角度来看，存在风速不均衡的问题。此外，建设该塔的地点离目标较远，因此最好采用光纤传输进行操作。然而，在设计初期，我们并没有重视这一方面，导致系统操作之后，测风塔的信息无法连贯地传输，无法满足传输需求，从而对整体的上传率产生了一定的影响。

2.2测风塔地址的选择

由于建设测风塔时面临征地和操作困难等不利因素，因此在选择地址时无法满足相关规定，导致所得的天气预报信息有偏差，影响预测结果的准确性。而测风塔距离中控室较远，主导风向与上风向不同，风机各个位置和海拔都不同，受地形影响较大。

2.3硬件设施的可靠性

在实际的风电功率预测系统设定中，必须有基于硬件设备的支持才能完成操作。无论在运行过程中，总会遇到服务设备死机、工作人员操作错误等各种情况，这些情况都会对最终的结果产生危害。

3提高风电场风功率预测准确率的关键技术步骤

3.1建立上下协同，对外合作的管理机制

首先加强领导层决策的力度。设立考核管理工作小组，由企业主要负责人担任组长，负责对《两个细则》的管理进行整体规划、指导和协调，同时评估和考核其工作的质量和效果。其次，注重协同管理。建立本部、各分公司、场站之间的协同沟通机制，遵循“日监控、周汇报、月总结、年部署”的原则，对各场站的考核管理指标进行动态评估分析，特别是针对风电功率预测管理的指标，同时进行实时动态的复盘，以查找问题的根源。此外，还需要加强与外部的合作。加强与技术支撑厂家合作，持续优化系统功能升级，促进信息互通，充分发挥技术支撑厂家的作用，定期检测和升级系统以确保准确性，同时对厂家实施严格的绩效考核要求。

3.2打造攻坚团队，解决疑难问题

为了应对技术支撑系统改造和建设所带来的难题，我们应该建立一个专门的团队，这个团队要有较强的技术能力。团队成员应定期对现有的考核规则和技术支撑系统进行研究和掌握，了解考核要求，并加强对问题的分析和判断，针对技术、政策和管理方面的缺陷和漏洞，我们需要及时、精准、有效地解决新的要求和问题，提高设备系统状态的精准分析能力和隐患消缺能力，增强预测准确性，并提高企业的经济效益和管理水平，以满足考核要求。

3.3预测模型优化

气象条件往往是不稳定的，目前很少使用单纯的物理模型进行短期或超短期预测。本文主要探讨了与预测模型有关的统计模型。单一的功率预测方法通常无法达到预期的精度，因此一些学者提出了组合预测的概念。目前存在两种主要的组合预测思路。一种解决方案是在传统的预测模型之前引入数据的预处理过程。通过使用集合经验模态分解（EEMD）方法将原始的风速信号分解成频域稳定的子序列，并对LS－SVM预测模型进行了改进优化。通过对已经磨损的风速测量装置、磨损部位和安装方式进行分析，发现了风速测量装置存在以下问题：（1）风速测量装置安装在粉管长方形的壳体内与粉管相通，壳体内壁空间狭小，无法进行有效防磨处理，运行中风粉混合物易在此处产生涡流，冲刷磨损造成测点损坏、套管磨损、壳体磨穿频繁漏粉等缺陷；所有到场的技术人员必须持证上岗维护安全技术管理配合协调工作，在遵循安全技术措施的同时，作业前一定要做好交底工作，对于实际项目生产做好检查和巡查，纠正维护中的三违现象。在维护过程中，如果发现安全隐患应及时的进行排除，结合处理措施，对于维护过程中存在的病害进行彻底的维护和改善。

（2）风速测量装置结构及安装方式不合理，取样管与壳体间隙较大，且没有任何密封装置。

4结语

电网的经济性和安全性很大程度上依赖于高精度的风功率预测结果。本文介绍了风功率预测法的主要分类，论述了预测过程的关键技术步骤。优化ＮＷＰ系统、优化数据预处理算法以及采用组合预测的思想，可以进一步提升预测精度。

参考文献

[1]秦政，包德梅，赖晓路等.风电场风功率预测系统研究[J].计算机技术与发展，2016（07）：255-256.

[2]李文鹤.风机发电功率预测系统的研究与应用[J].动力与电气工程，2016（22）：128-129.

[3]张琦.风电场发电功率预测及风机运行优化的研究[D].2017（03）.