區(qū)域中長期風電發(fā)電量概率預測方法
【專利摘要】本發(fā)明涉及電力系統(tǒng)【技術領域】，具體的說是一種區(qū)域中長期風電發(fā)電量概率預測方法，步驟如下:（1）在區(qū)域內(nèi)進行參考風電場選??；（2）對參考風電場所處位置的風能進行概率預測，進而對其進行發(fā)電量預測；（3）通過擴展模型得到區(qū)域風電發(fā)電量的概率預測結(jié)果；（4）計算區(qū)域新增裝機的發(fā)電量，加上步驟（3）中概率預測結(jié)果，得到區(qū)域中長期風電發(fā)電量預測結(jié)果。本發(fā)明通過區(qū)域中長期風電發(fā)電量的概率預測模型，得到區(qū)域風電發(fā)電量的概率預測結(jié)果,通過概率密度來衡量中長期風電發(fā)電量的最大可能值,從而使風電發(fā)電量預測值更具參考價值，為區(qū)域風電長周期管理和交易提供依據(jù)較強的參考數(shù)據(jù)，彌補了這一塊現(xiàn)有技術的空缺。
【專利說明】區(qū)域中長期風電發(fā)電量概率預測方法
【技術領域】
[0001]本發(fā)明涉及電力系統(tǒng)【技術領域】，具體的說是一種區(qū)域中長期風電發(fā)電量概率預測方法。
【背景技術】
[0002]近年來，我國清潔能源得到了迅猛發(fā)展，從2005年起至2010年底，我國風電幾乎以每年翻一番的速度在增長。到2010年底，我國風電累計裝機容量達到44.73GW，已超越美國躍居世界第一。其中，運營裝機容量31GW，占電網(wǎng)最大用電負荷的4.2%;年發(fā)電量50TWh，占全社會用電總量的1.4%。盡管如此，按照全國風電可裝機容量1000GW計算，已開發(fā)容量不到可裝機量的5%，還具有很大的發(fā)展?jié)摿Α?br> [0003]由于我國風能資源主要受亞熱帶季風影響，以三北地區(qū)風能資源最為豐富。我國風資源的開發(fā)利用主要集中于此，在三北地區(qū)建設了八大千萬千瓦級風電基地?；谖覈鴧^(qū)域間資源互補的特性，通過大范圍協(xié)調(diào)可以充分發(fā)揮區(qū)域間負荷錯峰錯谷效應、電源結(jié)構之間的互補效應，從而最大程度地消納風電等可再生能源。
[0004]上述大范圍協(xié)調(diào)方式必然是長周期的，而難以在只負責短期電力平衡和計劃落實的調(diào)度層面解決。目前，跨區(qū)域電力交易所采取的是以年度合同為主、月度臨時交易為輔的交易模式。風電基地風電外送也是多以長期交易為主。
[0005]在簽訂風電長期交易的過程中，必然涉及到的問題是，未來一年或若干個月風電基地有多少電量需要送出；而在執(zhí)行風電長期交易時，分解風電量至月度發(fā)電計劃過程亦需要風電量的數(shù)量。
[0006]解決該問題即需要對區(qū)域中長期風電發(fā)電量進行預測。預測結(jié)果不僅可為風電長期交易制定提供參考，也可為交易的計劃分解提供參考，以最大限度地發(fā)揮風電的發(fā)電能力與輸電通道的輸送能力。
[0007]以往的工作大多集中在短期風電功率預測，而對中長期風電量預測很少涉及。中長期風電發(fā)電量預測為預測風電場未來月或年的風電發(fā)電量，對制定全網(wǎng)電量平衡計劃、優(yōu)化全網(wǎng)運行方式意義重大。但是相比于短期風電發(fā)電量預測，中長期風電發(fā)電量預測存在一定的困難:
[0008]I風電量及風電場測風數(shù)據(jù)樣本數(shù)據(jù)少
[0009]我國風力發(fā)電起步比較晚，風電場投產(chǎn)年頭短，在中長期的時間尺度下，可用的年風電發(fā)電量歷史數(shù)少，風電場的測風數(shù)據(jù)也不完備。而一般用于短期風電功率預測的方法，建模需要大量樣本數(shù)據(jù)，導致其并不適用于中長期風電量預測。
[0010]2年新增裝機容量大
[0011]我國風力發(fā)電建設處于大發(fā)展時期，每年新建成并投產(chǎn)的風電場很多，在預測周期內(nèi)投產(chǎn)的容量增幅較大，若不考慮該因素，將會造成較大的預測誤差。

【發(fā)明內(nèi)容】
[0012]本發(fā)明針對上述現(xiàn)有技術中遇到的問題，提出了一種區(qū)域中長期風電發(fā)電量概率預測方法，包括如下步驟:
[0013](1)在區(qū)域內(nèi)進行參考風電場選取:依據(jù)風電場的年發(fā)電量與區(qū)域總風電發(fā)電量的相關性進行參考風電場選取。
[0014](2)對參考風電場所處位置的風能進行概率預測，進而對其進行發(fā)電量預測:
[0015](3)通過擴展模型得到區(qū)域風電發(fā)電量的概率預測結(jié)果；
[0016](4)計算區(qū)域新增裝機的發(fā)電量，加上步驟(3)中概率預測結(jié)果，得到區(qū)域中長期風電發(fā)電量。
[0017]進一步的，上述技術方案中，所述步驟(2)包括如下步驟:
[0018](21)選定參考風電場后，利用參考風電場所在地理范圍內(nèi)的氣象測風數(shù)據(jù)對其測風塔數(shù)據(jù)進行風速修正；
[0019](22)對參考風電場的風速進行概率預測:利用威布爾分布曲線對參考風電場歷史年份的修正后風速數(shù)據(jù)進行擬合，得到歷史年份風速威布爾分布參數(shù)k、c的時間序列，其目的是對預測年的風速威布爾參數(shù)進行預測。
[0020]由于歷史年的風速數(shù)據(jù)有限，得到的風速威布爾分布參數(shù)k、c的個數(shù)亦有限。恰好灰色模型具有算法簡單、計算速度快且能對少量數(shù)據(jù)進行建模的特點。故采用灰色模型進行建模，對預測年風速的威布爾參數(shù)進行預測。
[0021]通過灰色預測，得到預測年風速的威布爾參數(shù)k、C。
[0022](23)確定預測年風能密度的概率分布:由風能公式可知，在空氣密度P及風電場的建場面積s為定值時，風能密度為風速三次函數(shù)；通過數(shù)學推導可以得到風速的三次方仍然服從威布爾分布，只不過它的形狀參數(shù)變?yōu)?/k，尺度參數(shù)為c3。因此，得到預測年風速的威布爾分布參數(shù)后，風能的概率密度函數(shù)亦隨之確定。
[0023](24)建立風電場年發(fā)電量與風能之間的映射關系:其中，在建立風能與風場年發(fā)電量之間的映射關系時，由于風電場每年的新增裝機對發(fā)電量影響很大，且新增裝機為人為因素，并不具備一定的規(guī)律性。因此，在風電發(fā)電量的時間序列中，去除新增裝機容量所等效的風電發(fā)電量以剔除新增容量對映射關系的影響。
[0024](25)基于上述映射關系、風能密度概率性預測結(jié)果，得到參考風電場年發(fā)電量的概率性預測結(jié)果。
[0025]進一步的，上述技術方案中，所述步驟(1)參考風電場的選取方法包括:(1)空間相關性法選取參考風電場，考慮風電場以及與之相近幾個地點的多組風電發(fā)電量數(shù)據(jù)，運用各個風電場風電發(fā)電量與區(qū)域總風電發(fā)電量之間的空間相關性，選擇參考風電場；(2)灰色系統(tǒng)關聯(lián)度分析法選取參考風電場，首先采用均值化變換求取均值化序列，然后即可求取關聯(lián)度，將各風電場發(fā)電量與區(qū)域總發(fā)電量的關聯(lián)度按大小順序排列起來，便組成關聯(lián)序，將與區(qū)域風電發(fā)電量關聯(lián)度最大的選取為參考風電場。
[0026]進一步的，上述技術方案中，所述風速修正的方法為:用測風塔全年小時平均風速形成的時間序列I與氣象站全年小時平均風速形成的時間序列X，建立測風塔與氣象站全年逐小時平均風速相關方程:
[0027]y=f (X)(4)
[0028]式中，f為測風塔與氣象站風速的相關性方程；[0029]將氣象站多年各月平均風速(xl)及待修正年份的各月平均風速(x2)分別代入相關方程，得到y(tǒng)l與12的差值，即各月的訂正量:
[0030]Ay=f (xl)-f (x2)(5)
[0031]式中，xl為氣象站多年月平均風速，x2為待修正年份氣象站的月平均風速，f (X)為測風塔與氣象站風速的相關性方程，Ay為風速修正量；
[0032]測風塔各月風速均加上相應的訂正量，可得到測風塔的訂正后風速:
[0033]V 修=V+ Δ y(6) [0034]式中，V為測風塔全年小時平均風速時間序列，Ay為風速修正量，Vii為修正后測風塔風速。本發(fā)明通過區(qū)域中長期風電發(fā)電量的概率預測模型，得到區(qū)域風電發(fā)電量的概率預測結(jié)果通過概率密度來衡量中長期風電發(fā)電量的最大可能值，從而使風電發(fā)電量預測值更具參考價值，為區(qū)域風電長周期管理和交易提供依據(jù)較強的參考數(shù)據(jù)，彌補了這一塊現(xiàn)有技術的空缺。
【專利附圖】

【附圖說明】
[0035]圖1為本發(fā)明方法的總流程圖；
[0036]圖2為實施例中編號15參考風電場風電發(fā)電量概率密度曲線；
[0037]圖3為實施例中區(qū)域風電發(fā)電量概率密度曲線。
【具體實施方式】
[0038]下面結(jié)合說明書附圖對本發(fā)明做進一步詳細說明。
[0039]如圖1所示，本發(fā)明步驟如下:
[0040]步驟(1)，參考風電場的選取，可采用如下兩種方法中的任意一種。
[0041]1.1空間相關性法選取參考風電場
[0042]一般來說，區(qū)域中氣象條件具有較好的相似性，同一區(qū)域內(nèi)風速的變化規(guī)律較為接近，即風速具有相關性，并且距離越近的數(shù)據(jù)相關程度越高。由于風電發(fā)電量主要受風速影響，局部風電場的發(fā)電量與區(qū)域風電發(fā)電量之間也應存在一定的相關性。因此，以不同組合參考風電場的風電年發(fā)電量與區(qū)域風電年發(fā)電量的相關性作為衡量標準，選擇參考風電場的最佳組合。
[0043]其原理為，考慮風電場以及與之相近幾個地點的多組風電發(fā)電量數(shù)據(jù)，運用各個風電場風電發(fā)電量與區(qū)域總風電發(fā)電量之間的空間相關性，選擇參考風電場。
[0044]相關性的大小用相關系數(shù)來衡量，相關系數(shù)是變量之間相關程度的指標。樣本相關系數(shù)用r表示，總體相關系數(shù)用P表示，相關系數(shù)的取值范圍為[_1，1]。Ir值越接近1，誤差Q越小，變量之間的線性相關程度越高；I r I值越接近0，誤差Q越大，變量之間的線性相關程度越低。
[0045]相關系數(shù)的計算公式為:
【權利要求】
1.一種區(qū)域中長期風電發(fā)電量概率預測方法，其特征在于:包括如下步驟: (1)在區(qū)域內(nèi)進行參考風電場選取； (2)對參考風電場所處位置的風能進行概率預測，進而對其進行發(fā)電量預測； (3)通過擴展模型得到區(qū)域風電發(fā)電量的概率預測結(jié)果； (4)計算區(qū)域新增裝機的發(fā)電量，加上步驟(3)中概率預測結(jié)果，得到區(qū)域中長期風電發(fā)電量。
2.如權利要求1所述一種區(qū)域中長期風電發(fā)電量概率預測方法，其特征在于:所述步驟(2)包括如下步驟: (21)選定參考風電場后，利用參考風電場所在地理范圍內(nèi)的氣象測風數(shù)據(jù)對其測風塔數(shù)據(jù)進行風速修正； (22)對參考風電場的風速進行概率預測； (23)確定預測年風能密度的概率分布； (24)建立風電場年發(fā)電量與風能之間的映射關系； (25)基于上述映射關系、風能密度概率性預測結(jié)果，得到參考風電場年發(fā)電量的概率性預測結(jié)果。
3.如權利要求1所述一種區(qū)域中長期風電發(fā)電量概率預測方法，其特征在于:所述步驟(I)參考風電場的選取方法包括:(I)空間相關性法選取參考風電場，考慮風電場以及與之相近幾個地點的多組風電發(fā)電量數(shù)據(jù)，運用各個風電場風電發(fā)電量與區(qū)域總風電發(fā)電量之間的空間相關性，選擇參考風電`場；(2)灰色系統(tǒng)關聯(lián)度分析法選取參考風電場，首先采用均值化變換求取均值化序列，然后即可求取關聯(lián)度，將各風電場發(fā)電量與區(qū)域總發(fā)電量的關聯(lián)度按大小順序排列起來，便組成關聯(lián)序，將與區(qū)域風電發(fā)電量關聯(lián)度最大的選取為參考風電場。
4.如權利要求2所述一種區(qū)域中長期風電發(fā)電量概率預測方法，其特征在于:所述風速修正的方法為:用測風塔全年小時平均風速形成的時間序列y與氣象站全年小時平均風速形成的時間序列X，建立測風塔與氣象站全年逐小時平均風速相關方程: y=f (X) (4) 式中，f為測風塔與氣象站風速的相關性方程； 將氣象站多年各月平均風速(Xl)及待修正年份的各月平均風速(χ2)分別代入相關方程，得到y(tǒng)l與12的差值，即各月的訂正量: Ay=f (xl)-f (x2) (5) 式中，xl為氣象站多年月平均風速，x2為待修正年份氣象站的月平均風速，f (X)為測風塔與氣象站風速的相關性方程，Ay為風速修正量； 測風塔各月風速均加上相應的訂正量，可得到測風塔的訂正后風速: V修=V+ Δ y(6) 式中，V為測風塔全年小時平均風速時間序列，Ay為風速修正量，”_為修正后測風塔風速。
【文檔編號】H02J3/00GK103683274SQ201310296597
【公開日】2014年3月26日 申請日期:2013年7月16日 優(yōu)先權日:2013年7月16日
【發(fā)明者】樊愛軍, 張顯, 方印, 李衛(wèi)東, 王海霞, 張洪濤, 任俊龍, 史述紅, 譚翔, 趙顯
申請人:國家電網(wǎng)公司, 國網(wǎng)電力科學研究院, 大連理工大學, 國網(wǎng)重慶市電力公司