风力发电功率预测课件.ppt

1、报告人：报告人： 班班 级：级： 学学 号：号：风电功率预测风电功率预测 风电功率预测风电功率预测n背景及意义背景及意义n预测方法介绍预测方法介绍n国内外发展现状国内外发展现状n实例分析实例分析 灰色神经网络预测灰色神经网络预测n总结总结 背景及意义背景及意义 一、背一、背 景：景： 随着全球石化资源储量的日渐匮乏以及低碳、环保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。益受到国际社会的重视。 但是，由于风能的随机波动性、不可控性等，其大但是，由于风能的随机波动性、不可控性等，其大

2、规模并入电网，将给电力系统的生产和运行带来极大规模并入电网，将给电力系统的生产和运行带来极大的挑战。的挑战。 因此，将风力发电功率从未知变成已知，对电力因此，将风力发电功率从未知变成已知，对电力系统的运行有着重大的意义。系统的运行有着重大的意义。背景及意义背景及意义 二、二、意意 义：义： 服务于服务于电力系统电力系统 ： 有利于运行调度人员合理安排应对措施、调整和优有利于运行调度人员合理安排应对措施、调整和优化常规电源的发电计划，改善电网调峰能力，提高电网化常规电源的发电计划，改善电网调峰能力，提高电网的安全性和稳定性。的安全性和稳定性。服务于服务于风电场风电场： 可以合理安排风电场的检修计

3、划，减少弃风，提高可以合理安排风电场的检修计划，减少弃风，提高风电场的盈利、减少运行成本，提高风力发电在电力市风电场的盈利、减少运行成本，提高风力发电在电力市场中的竞争力。场中的竞争力。背景及意义背景及意义 三、三、 按时间分类：按时间分类： （0h3h） 应用于风电机组自身的控制。应用于风电机组自身的控制。 （0h48或或72h） 应用于电网合理调度，保应用于电网合理调度，保 证供电质量，为风证供电质量，为风电场参与竞价上网电场参与竞价上网 提供保证。提供保证。 （以以天、周或月为为单位）主要用于检修安排）主要用于检修安排 或调试等。目前，中长期预测还存在比较或调试等。目前，中长期预测还存在

4、比较 大的困难。大的困难。超短期预测超短期预测短期预测短期预测中长期预测中长期预测预测方法介绍预测方法介绍 风电功率预测风电功率预测1、按预测物理量分类：、按预测物理量分类：先预测风先预测风速速直接预测输出功率直接预测输出功率预测输出功率预测输出功率风机功率曲线风机功率曲线2、按数学模型分类：、按数学模型分类：持续预测方法持续预测方法ARMA预测方法预测方法卡尔曼滤波方法卡尔曼滤波方法智能方法，如神经网络智能方法，如神经网络3、按输入数据分类：、按输入数据分类：时间序列法时间序列法采用数值天气预报数据采用数值天气预报数据物理方法物理方法统计方法统计方法综合方法综合方法预测方法介绍预测方法介绍

5、一、一、时间序列法时间序列法 该类方法通过寻找各历史数据在时序上的相关性来对风电功率进行预测。 常见的时序模型有： 自回归模型（Auto Regressive，AR） 滑动平均模型（moving average，MA） 自回归滑动平均模型（AutoRegressive Moving Average，ARMA） 差分自回归滑动平均模型（Auto Regressive Integrated Moving Average，ARIMA）等。时间序列法时间序列法优优 点：点： 不必深究信号序列的产生背景，序列本身所具有不必深究信号序列的产生背景，序列本身所具有的时序性和自相关性已经为建模提供了足够的信息

6、，的时序性和自相关性已经为建模提供了足够的信息，只需要有限的样本序列，就可以建立起相当高精度的只需要有限的样本序列，就可以建立起相当高精度的预测模型。预测模型。缺缺 点：点： 但其存在低阶模型预测精度低、高阶模型参数估但其存在低阶模型预测精度低、高阶模型参数估计难度大的不足。计难度大的不足。 可能遇到超前一步预测有延时或某些预测点精度可能遇到超前一步预测有延时或某些预测点精度不能满足要求的问题，此时可借助不能满足要求的问题，此时可借助卡尔曼滤波法卡尔曼滤波法、滚滚动时间序列动时间序列或或引入经验模式分解引入经验模式分解来改进原有预测模型。来改进原有预测模型。预测方法介绍预测方法介绍二、基于数值

7、天气预报（二、基于数值天气预报（NWP）的预测：）的预测： 数值天气预报数值天气预报（Numerical Weather Prediction，NWP）根据大气实际情况，在一定的初值和边值条）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方程组，预测未来一演变过程的流体力学和热力学方程组，预测未来一定时段的大气运动状态和天气现象的方法。定时段的大气运动状态和天气现象的方法。数值天气预报预测数值天气预报预测优优 点：点： 较为成熟准确的风电中长期预测方法较为成熟准确的风电中长期预测方法 ，国

8、内外，国内外风风电场预测系统多基于物理方法。不需要风电场的历史电场预测系统多基于物理方法。不需要风电场的历史数据，风电场投产就可以进行预测。数据，风电场投产就可以进行预测。缺缺 点：点： 要求对大气的物理特性及风电场特性有准确的数要求对大气的物理特性及风电场特性有准确的数学描述。模型复杂、计算量大，较少用于短期预测。学描述。模型复杂、计算量大，较少用于短期预测。常结合常结合神经网络神经网络、支持向量机支持向量机等来提高预测精度。等来提高预测精度。预测方法介绍预测方法介绍三、统计方法预测：三、统计方法预测： 统计方法统计方法不考虑风速变化的物理过程而是根不考虑风速变化的物理过程而是根据历史统计数

9、据找出天气状况与风电场发电功率间据历史统计数据找出天气状况与风电场发电功率间的关系的关系 然后根据实测数据和数值天气预测数据对然后根据实测数据和数值天气预测数据对风电场未来的发电功率进行预测。风电场未来的发电功率进行预测。 目前目前我国我国采用的统计方法有使用统计方法采用的统计方法有使用统计方法修修正风电场尾流效应正风电场尾流效应对预测结果的影响，从而改进对预测结果的影响，从而改进多层前馈神经网络模型的预测精度；根据多层前馈神经网络模型的预测精度；根据数值数值气象预报的风速和风向气象预报的风速和风向数据，采用粒子群优化的数据，采用粒子群优化的前向神经网络模型进行短期风电功率预测前向神经网络模型

10、进行短期风电功率预测统计方法预测统计方法预测优优 点：点： 该类方法需要一定量的历史数据对初始数据该类方法需要一定量的历史数据对初始数据 的的 质量要求比较高，经过经验模式分解，局域波分解后质量要求比较高，经过经验模式分解，局域波分解后可得到可得到平稳数据列平稳数据列，此类情况预测比较准确。，此类情况预测比较准确。缺缺 点：点： 需要大量历史数据，对需要大量历史数据，对于阵风、突变风等于阵风、突变风等非平稳非平稳情况情况的预测精度较差，且随时间增加而越来越差。的预测精度较差，且随时间增加而越来越差。 目前主要还通过目前主要还通过卡尔卡尔曼滤波法和时间序列相结合曼滤波法和时间序列相结合 滚动时间

11、序列法滚动时间序列法以及以及混沌理论混沌理论等不断改进和提高模型等不断改进和提高模型的精确性和适用性。的精确性和适用性。预测方法介绍预测方法介绍三、智能方法预测：三、智能方法预测： 能够更加准确地拟合非线性关系，提高预测精能够更加准确地拟合非线性关系，提高预测精度这是改善风电预测的度这是改善风电预测的研究热点之一研究热点之一 。目前已经用。目前已经用于风电功率预测的学习方法有于风电功率预测的学习方法有RBF神经网络、递归神经网络、递归多感知神经网络、多感知神经网络、BP神经网络、遗传算法、自适应神经网络、遗传算法、自适应模糊神经网络、粒子群优化算法、支持向量机、小模糊神经网络、粒子群优化算法、

12、支持向量机、小波分析法波分析法等。等。 其中尤以其中尤以神经网络神经网络及其改进方法取得了较好的及其改进方法取得了较好的预测效果。预测效果。预测方法介绍预测方法介绍三、组合预测：三、组合预测： 由于预测方法各有优势，多种预测方法组合由于预测方法各有优势，多种预测方法组合使用成为发展趋势。使用成为发展趋势。 1、预测模型、预测模型融合融合组合组合 a、卡尔曼滤波法对数据进行预处理，再采用、卡尔曼滤波法对数据进行预处理，再采用NWP法进行风电预测法进行风电预测. b、将神经网络的局部寻优与遗传宏观搜索相融、将神经网络的局部寻优与遗传宏观搜索相融合合 。 c、粒子群优化的神经网络法、小波改进的神经、

13、粒子群优化的神经网络法、小波改进的神经 网络法等。网络法等。 2、预测模型、预测模型加权加权组合组合 a、 BP神经网络、径向基神经网络、支持向量神经网络、径向基神经网络、支持向量机进行风电功率加权组合预机进行风电功率加权组合预 测等。测等。国内外发展现状国内外发展现状国国家家开发商开发商模型名称模型名称特点特点投运时间投运时间德德国国ISETWPMS在线监测、日前风电功率预测和超短期预测在线监测、日前风电功率预测和超短期预测（15 分钟分钟-8 小时）三部分，根据数值天气预报，小时）三部分，根据数值天气预报，使用使用神经神经网络计算输出功率网络计算输出功率2001德国德国OldenBurg大

14、学大学Previento使用物理模型，在较大的区域内给出使用物理模型，在较大的区域内给出2天的预测结天的预测结果果2002丹丹麦麦Ris实验室实验室Prediktor使用物理模型，考虑了尾流等的影响使用物理模型，考虑了尾流等的影响1994丹麦科技大学丹麦科技大学WPPT利用自适应最小平方根法和指数遗忘算法相结合给利用自适应最小平方根法和指数遗忘算法相结合给出出0.5-36h的预测的预测1994丹麦科技大学联合丹麦科技大学联合Ris实验室实验室Zephry集合了上边两个模型，可以提供集合了上边两个模型，可以提供0-4h和和36-48h的预的预测测,加入了加入了HIRLAM等气象模型，长期预测精度

15、提高等气象模型，长期预测精度提高2003西西班班牙牙西班牙可再生能源西班牙可再生能源中心（中心（CENER）与）与西班牙能源、环境西班牙能源、环境和技术研究中心和技术研究中心（CIEMAT）联合）联合开发开发LocalPred-RegioPredLocalPred 模型用于复杂地形风电场的预测，采用模型用于复杂地形风电场的预测，采用 CFD 算法，使用算法，使用 MM5 中尺度气象模式作为数值天中尺度气象模式作为数值天气预报生产模式。气预报生产模式。MM5 可以预测未来可以预测未来 72 小时所有小时所有相关气象要素，空间分辨率为相关气象要素，空间分辨率为 1km2。RegioPred 在在

16、LocalPred 模型单个风电场预测的模型单个风电场预测的基础上，预测区域的功率输出。基础上，预测区域的功率输出。2001西班牙卡洛斯三世西班牙卡洛斯三世大学大学siperlico统计模型统计模型2002美美国国AWS TruewindeWind包括一组高精度的三维大气物理数学模型、适应性包括一组高精度的三维大气物理数学模型、适应性统计模型、风电场输出模型和预测分发系统统计模型、风电场输出模型和预测分发系统1998国内外发展现状国内外发展现状n国内：n2008年11月，我国首套具有自主知识产权的风电功率预测系统WPFS由中国电力科学研究院中国电力科学研究院研发完成，各风电场的全年预测均方根误

17、差为 16-19%，全省每月的平均误差在 11-13%之间。n2010年华北电力大学与龙源风力发电有限责任公司华北电力大学与龙源风力发电有限责任公司合作开发了风电场发电功率预测系统，该系统整体技术达到国际先进水平，其中超短期预测算法与技术处于国际领先水平。n2011年由中国节能环保集团公司中国节能环保集团公司(简称中国节能简称中国节能)和中国气象和中国气象局局共同研发的风电功率预测预报系统正式落户中节能张北满井风电场，n2012年10月，甘肃成为中国第一个覆盖全省的风电功率超短期预测的省份，甘肃省电力公司甘肃省电力公司研发的实时监测与超短期风电功率预测系统通过实时采集测风塔监测的风能数据、风电

18、基地所有风机运行数据，采用多套数值天气预报数据源，实现对风电预测。n2013年5月2日，国电科环所属北京华电天仁电力控制技术有北京华电天仁电力控制技术有限公司限公司基于云平台的远程集中式风电功率预测系统正式投入运行。实例分析实例分析 灰色神经网络预测灰色神经网络预测数据来源数据来源：甘肃桥湾某风场甘肃桥湾某风场数据一：数据一：2013年年8月月1日日 18:00-21:15 间隔间隔15min 前前10个点作样本数据，预测未来个点作样本数据，预测未来4个点。个点。数据二：数据二：2013年年8月月6日日 2:00-5:45 间隔间隔15min 前前12个点作样本数据，预测未来个点作样本数据，预

19、测未来4个点。个点。分别用分别用灰色理论灰色理论、BP神经网络神经网络、灰色神经网络灰色神经网络进行预进行预测。测。数据一结果：数据一结果： 灰色神经网络预测灰色神经网络预测实例分析实例分析02468101214951001051101151201251301351401452013年 8月 1日 （ 18:00-21:15） -t/15min功率-KW超 短 期 功 率 预 测 （ 未 来 四 步 ） 结 果 对 比 图 ： 实 际 功 率GM预 测 值BP神 经 网 络 预 测 值GM-BP预 测 值数据二结果：数据二结果： 灰色神经网络预测灰色神经网络预测实例分析实例分析02468101

20、2141601020304050607080902013年 8月 6日 （ 2:00-5:45） -t/15min功率-KW超 短 期 功 率 预 测 （ 未 来 四 步 ） 结 果 对 比 图 ： 实 际 功 率GM预 测 值BP神 经 网 络 预 测 值GM-BP预 测 值结束结束人有了知识，就会具备各种分析能力，人有了知识，就会具备各种分析能力，明辨是非的能力。明辨是非的能力。所以我们要勤恳读书，广泛阅读，所以我们要勤恳读书，广泛阅读，古人说古人说“书中自有黄金屋。书中自有黄金屋。”通过阅读科技书籍，我们能丰富知识，通过阅读科技书籍，我们能丰富知识，培养逻辑思维能力；培养逻辑思维能力；通过阅读文学作品，我们能提高文学鉴赏水平，通过阅读文学作品，我们能提高文学鉴赏水平，培养文学情趣；培养文学情趣；通过阅读报刊，我们能增长见识，扩大自己的知识面。通过阅读报刊，我们能增长见识，扩大自己的知识面。有许多书籍还能培养我们的道德情操，有许多书籍还能培养我们的道德情操，给我们巨大的精神力量，给我们巨大的精神力量，鼓舞我们前进鼓舞我们前进。