风电场预测预报

风能资源具有空间和时间上的不均匀性,对未来发电功率的预测有利于改善风电场和电网的调度策略。传统的方法有两种:

  1. 采用纯数学的统计学方法,通过分析各个变量的历史数据的相关性,预测其未来值。常用的有ARMA算法和支持向量机等方法。
  2. 结合全球数值天气预报以及中尺度模型,根据权威天气预报机构提供的未来气象数据进行数值模拟,从而得到局部的风况和发电量。

我们研究的方法适用于数据较为匮乏的情况,可根据风电场当地的历史观测数据,结合统计模型和物理模型,对未来发电功率进行预测预报。以下是简要介绍,详情请看我们的论文:

  • Wind power prediction system for wind farm based on auto regressive statistical model and physical model. Journal of Renewable and Sustainable Energy 6:013101, 2014.
    http://dx.doi.org/10.1063/1.4861063

算法流程

对于一个特定的风电场,已知其地形、风力机型号参数和位置,还有边界风速的历史观测序列和风力机当地风速以及发电功率的历史观测序列。算法分为如下方面:

  1. 采用统计学方法(我们目前用的是ARMA算法)预测边界风速的未来值,然后使用计算流体力学方法根据未来边界计算未来流场,并应用尾流模型,得到风力机当地风速和发电功率。
  2. 直接采用统计学方法预测每个风力机当地的未来风速和未来发电量。
  3. 利用上述两种方法预测得到的结果,再结合近期预测误差,对预测结果进行修正,得到最终预测结果。

统计学模型算例

我们在楼顶安装有超声波风速仪,采集风速和气温的数据,用于检验算法。下图是实测数据与预测结果的对比图,左图是风速,右图是气温。

统计学模型与物理模型相结合

本算例采用澳大利亚某实际风电场数据进行验证,预测算法模拟实时运行的状况,每次预测完毕后,都将新观测的数据加入历史序列,并用于预测下一次的值。以下对比中的预测值均是每个时刻的最近未来的预测值。

风电场预测预报.txt · 最后更改: 2015/09/18 13:27 由 smx