论文部分内容阅读
有效的风电功率预测应该覆盖全部调度区域内的所有风电场，并随时同步跟踪风电场扩建、检修等状态，而常规单场风电功率预测结果累加得到区域总功率的方法无法满足预测的快速全覆盖，加上现有方法建模周期长、历史功率数据有效性有限，以及测风等数据缺乏，导致对区域的迅速全覆盖预测存在较大困难，一定程度上降低了预测系统对调度部门的指导意义。本研究从区域预测最基本的子区域划分入手，首先根据各风电场出力相关性进行聚类划分，确定最初子区域；再通过地理信息系统提取各点的地形地貌参数(高程、坡度等)、气象参数(风速、风向、气压、气温等)的栅格数据，与最初子区域进行属性匹配，确定影响因素高的地理参数。在此基础上，将地理参数、风电场出力特性划分等级，确定每类区域该特征参数的数值范围。对于新建风电场，通过其地理参数和气象参数即可归入相应子区域。在子区域内，根据历史运行数据质量依次选取特征风电场，并研究特征风电场的个数对预测效果的影响，从而确定最优特征风电场，建模得到整个区域的预测功率。本研究选取黑龙江省为例，其西部属松嫩平原，东北部为三江平原，北部、东南部为山地，地势为西北-东南向高，而东西两部分低。将全省风电场依据2014-2015年历史功率序列的相关性进行自动聚类，初步确定为东部、西部、中北部、中南部四个子区域。通过地理信息系统软件提取各子区域地形地貌参数、气象参数，通过统计分析确定风速、气温与最初子区域匹配度最高，再人工判别每类子区域的地理和气象属性范围。在子区域内依据历史功率数据质量依次选取特征风电场，根据预测效果确定最佳特征风电场个数，再采用升尺度得到整个区域风电功率预测值。该方法在最优划片区的基础上进行区域预测，避免了不具备建模条件的风电场对区域全预测的影响，从而快速准确实现全省风电功率预测的全覆盖，全省预测误差小于8％，与单个预测累加效果相当，具有较强的工程实用性。