精细化风资源测量与评估在风功率预测中的应用

2020年10月14日，北京瑞科同创能源科技有限公司袁宗涛在2020北京国际风能大会暨展览会（CWP 2020）上作了题为《精细化风资源测量与评估在风功率预测中的应用》的演讲。

以下为发言实录：

袁宗涛：下面由我来给大家分享一下精细化风资源测量与评估在风功率预测中的应用。内容大概分四部分，第一个先简单介绍一下，什么是风功率预测，第二个现状与挑战，第三部分说一下精细化的测量与评估在功率预测中的应用，最后就是分享两个小案例。

首先简单说一下什么是功率预测，这个其实不是很难理解，就是字面的意思，类似气象预报，只不过我们这个预报不是预报这个气象要素，不是天气，而是基于气象要素来预报这个电站，就是这个风电场未来的一段时间的出力，这个就是叫风功率预测，风电的预测波动比较大，它和常规的火电、水电不一样，它与电网的负荷不是太匹配，往往电网系统的调节负担是过重。就通过这个风功率预测，将我们随机波动的风电出力，把它的不确定性降低，或者由未知变成可知，这是它的作用。

具体体现在两方面，一个是在电网侧一个是在电站侧，在电网侧解决风电并网问题的有效手段，在电站侧是提升发电站的一个经济运行和市场竞争力。这是一个风功率预测系统的分类，我们可以重点关注一下第三个，这个也是我们大家在日常工作中，经常能听到的采用数字听天气预报，综合方法物理方法，综合的功率预测系统，按照数据分类这么一个叫法。按照时间尺度的分类，因为我们这个风功率预测，有时效性有超短期的有短期的，有中长期的，当然还有实时的，实时的就是15分钟，15分钟以内的，我们经常说的超短期和段期，在我们电网，两个细则里面明确规定的，超短期和短期，超短期4小时以内，短期一般三天72小时以内的预报。这个是电站端的预测系统一个图。

下面说一下我们这个风功率预测系统是怎么产生的，风电系统随着风电产业的产生发展而发展的刚才也说了风有波动性，有比较大的不确定性，有很强的随机性，随着我们这些年来风电装机容量不断的提升，不断的提升刚才也说了电网侧造成了一定压力，对他们调峰造成一定压力，使他们可预测性下降，总结一句话，调度难度增加这是一个背景。

第二个背景和第一个背景相关，因为本身出力就是波动，由此导致它这个电压也是波动，电压波动导致一些电器设备相应的控制难度也在增加，这是第二个背景，第三个背景，就是电站端，因为我们需要检修，你要检修肯定就要停机，停机机组利用率就要下降，所以我们什么时候去检修我们怎么去定检修计划，怎么在维修成本在我们运维成本和设备可靠性取得一个平衡最终达到一个最大的一个效益，我们电站达到最大的效益怎么取得一个平衡这个过程中就需要也需要我们这个风电这个功率预测参与进来，这是三个背景。

结合着三个背景，我们常说的两个细则，如果咱有参与过预测肯定是知道这两个细则，什么是两个细则，说白了其实就说国家对我们风电场考核办法或者要求，这个明文规定的。这个比如西北局是2018年12月21号发布的，陆陆续续的华中东北都有了，都陆陆续续出台了。由此可见风功率预测将成为电站并网必要条件，没有这个风功率预测系统不会让你并网的，基本就是电站的一个标配，而且预测精度对这个预测精度要求也在逐步提高，所以这个如果你根据两个细则如果你达不到它那个精度要求需要考核你的发电量，预测精度直接影响到电站的经过运行。

进入第二部分说一下目前的问题，现在我大概总结一下三方面的问题，实测数据质量的问题，这个是源头问题，我们风功率预测系统，它最根本的首先从采集数据开始，有了数据之后你才根据模型再去预测，源头把握不好，比如我们的数据采集，监测环节就出了问题这肯定是根本性问题，目前我们测风设备选型很随意，质量参差不齐，存在数据缺失失效异常，这些都会影响到我们预测精度。还有数值天气预报存在的问题，主要是数据安全性，一个是安全存在隐患，好多核心数据不可口，再一个是稳定性差一些。我们预测的相对来说更粗放一些。

第三个极端天气的影响，低温冰冻，这些恶劣天气对新能源发电影响蛮大的，风电场如果遇到冰冻的话，它会大面积的降功率运行，或者直接停机，这样对电网的初级还是蛮大的，虽然发生的概率很小发生的风险还是蛮大的，对我们功率预测造成一个很大的难度，因为这种极端天气很难去预测，这是一个问题。

再说一下我们风功率预测的三个关键环节，我列的第一个就是数值天气预报环节，第二个mode环节，第三个校正环节，为什么说这三个，华北电力调度分中心做的项研究，他想看一看，这个功率预测系统到底准不准，如果不准误差来源来源于哪儿？经过分析这三个环节，大家可以看一下，三各环节的误差占比，大家看到前两个环节基本上占90%，基本上是所有的了，90%多误差，都来源于前两个环节。为什么说刚才说的那个环节两个环节的问题，因为那两个环节如果再往下细分的话，会涉及到一个更核心的问题，又回到我们数据的问题，就和我们的风资源可能相关了，就涉及到我们采集数据质量的问题。

气象监测站肯定是采集数据的基础设施，如果它的运维水平不够，预测质量会出问题，测风塔包括电站的实时功率数据，它们的叶肢介影响我们预测模型精确度。

我们再说一下我们现在国内是怎么来采集数据的，以及还有哪些问题，这个是我们目前国内和我们风功率预测相关的数据采集相关的一些标准，大家主要看前两个其实可以了，最后一个是IEC的，说白了并不是严格来说并不是风功率预测的标准，是功率测试的标准，但是我们国内好多标准参考过IEC的标准的。我说一个常见的问题，我经常参与风功率预测塔的选址和常规的测风塔选址有什么区别，好多人说没有什么区别，你看看标准，标准明明又做了这种规定，比如第一个是2016年的一个风电功率预测系统，测风塔数据测量技术要求》距离最近风电及组3到5公里，大家都觉得这个距离太远了，这个在实际操作中不可能反正我碰到的这些项目没有一个能达到这个标准的，而且我觉得这个距离要求也并不是太合理，这个距离是怎么来的，其实考虑到尾流，其实我们说白了，风功率预测和常规测风塔的选地址，最大区别，减少受风机尾流的影响，尽量把距离拉大，如果按这个操作，实际操作中不可能，一个成本高，再一个测风塔已经出了边界，避开尾流，正常的话和风机距离2到4个D的距离就可以了。这个就是我列了一下差异，最大的差异目的不一样，风功率预测不是做风资源评估的，不要按照前期测风塔的标准去选，选代表性，再一个阶段不一样，功率预测他是预测阶段，功率预测塔因为是在运营阶段，好多风机立起来了再去找塔的位置，这个时候比较难找了，受到的限制因素多一些，对数据可利用率要求也是不一样，功率预测塔要求99%以上，常规测风塔要求90%以上就可以实际中还是比较难达到，精细化测量，精细化测量这一块，说监测技术，涉及到4大技术，接着我们前面说的采集数据，这一块来说，检测是根本和基础，检测质量不好影响我们的预测质量。我就说一个问题，就是我们现在设备选型，盲目追求价格不重视质量，导致我们采集数据质量特别差。

这个是一个测风设备的分类，其实大家看这个表可能有些第一次接触不知道在说什么，就是一句话就是我们这个测风设备它的测量精度是受哪些因素影响的，其实受风速，密度，风向都有关系，但这些在我们实际工作中往往是忽略的，不会去关心，比如温度测量精度影响，密度或者入流角对我们设备的影响。这些其实都是做过研究的，这个就是我们风速仪安装的倾角和它观测的风速之间的一个关系，因为正常的风速计理论话的风速计，只测量风的水平部分，垂直部分不应该测量的，所以它测出来的风速随着倾角的变化，呈现余弦。再一个是温度，大家可以看看温度对测量精度也是有明显的影响，因为我们常用的机械式，轴承里面有润滑油，温度对润滑油的年度产生变化，进而对我们测量精度产生变化，在我们设备选型，大部分不会关注这个问题。气压就不说了。

再一个风流模型，这个风流模型在功率预测中会怎么用，现在基本上还没有怎么应用，大家在选功率预测塔不会建CFD模型，去模拟什么的，我建议做精细化评估还是有必要做一些风流模型应用的，在风功率预测塔选址上。这个做风资源的非常清楚，我们做了一个研究，找了一个地形，简单地形复杂地形和中等复杂地形，三个地形，用了三种模型，常规的三种功率模型进行交叉验证，验证一下我们模型到底哪一个更准一些。

大家看一下就行了。我就直接说结论，说白了就是哪个模型都不准，没有哪个模型说一定比哪个模型强，所以就说大家在做这个风功率评估一定不要找尼摩星，一定要做好验证做好校正。这个是复杂地形，误差相当大，最大达到30%以上，12组数据一半在10%，误差非常大。

最后做两个案例分享，第一个就是测风塔，我们选址，一个负面例子这个测风塔选址选的有问题，受尾流影响特别大。我们测风塔105米高，这个风机也是105米度高，通过观察数据，大家看一下30米风速最高，高层的数据低，很明显受到尾流的影响，与之相对大家看一下左上角那个就是正常的，这个是避开了尾流影响之后的数据，它是一个正常的一个情况，通过这个数据看出来尾流对我们功率预测塔影响非常大，数据都不准预测出来的功率肯定会有很大问题。

虽然我们这一个项目不是功率预测塔，但是其实也没什么太大差别，怎么解决冰冻对我们测风塔的影响。首先我们这个项目肯定处于冰冻期，我们假装了一套超声波，常规LG，加装一套超声波，放了一套而声音雷达，我们三种设备其他的不用关注。三种设备都在冰冻期进行测量，我们通过分数据，机械式受冰冻影响336小时，超声波少很多，5天，雷达是一点都没有。所以我们这个结论就说在冰冻期常规的机械式传感器最容易遇到冰冻影响，这种情况下我们建议可以采用雷达试试雷达看看效果会不会更好一些，反正我们这个例子这个效果还是蛮可以的。这个就是实际的一个数据情况，大家可以看到雷达数据是没有影响红线，基本上是没有受冰冻影响。

（根据速记整理，未经本人审核）

相关阅读：

大型风电场对局地气候的影响研究