2023區(qū)域風(fēng)電場群集中式功率預(yù)測系統(tǒng)設(shè)計(jì)

區(qū)域風(fēng)電場群集中式功率預(yù)測系統(tǒng)設(shè)計(jì)與應(yīng)用0 引言國外風(fēng)電功率預(yù)測技術(shù)的研究開始于0世紀(jì)0年代我國的相關(guān)研發(fā)始于8年。隨著我國風(fēng)電產(chǎn)業(yè)的快速發(fā)展國家出臺(tái)了風(fēng)電場功率預(yù)測預(yù)報(bào)管理暫行辦法風(fēng)電功率預(yù)報(bào)與電網(wǎng)協(xié)調(diào)運(yùn)行實(shí)施細(xì)則等管理辦法要求所有并網(wǎng)運(yùn)行的風(fēng)電場必須建立風(fēng)電功率預(yù)測系統(tǒng)并向電網(wǎng)調(diào)度機(jī)構(gòu)實(shí)時(shí)傳送數(shù)據(jù)。經(jīng)過幾年技術(shù)升級(jí)國內(nèi)眾多科研院所和商業(yè)機(jī)構(gòu)開發(fā)多套風(fēng)電功率預(yù)測系統(tǒng)應(yīng)用于并網(wǎng)風(fēng)電場在提升可再生能源的消納水平方面發(fā)揮了重要作用。然而隨著風(fēng)電并網(wǎng)比例的提高電網(wǎng)對(duì)風(fēng)電功率預(yù)測系統(tǒng)的考核力度和懲罰力度也逐步加大。尤其在面臨風(fēng)電平價(jià)上網(wǎng)的政策壓力下引進(jìn)更加先進(jìn)的預(yù)測手段進(jìn)一步提升風(fēng)電功率預(yù)測精度迫在眉睫。我國規(guī)劃和建設(shè)了大量的大規(guī)模集中式風(fēng)電基地如何提升區(qū)域風(fēng)電場群功率預(yù)測精度和預(yù)測管理效率是預(yù)測系統(tǒng)研發(fā)中所面臨的重要技術(shù)問題之一開發(fā)區(qū)域風(fēng)電場群集中式預(yù)測系統(tǒng)正是解決這一問題的關(guān)鍵舉措。一方面集中式預(yù)測系統(tǒng)以考慮風(fēng)電場群內(nèi)的復(fù)雜時(shí)空依賴關(guān)系為核心出發(fā)點(diǎn)通過建立先進(jìn)的風(fēng)電場群時(shí)空聯(lián)合預(yù)測模型來提升區(qū)域整體的預(yù)測精度在技術(shù)原理上優(yōu)于一個(gè)風(fēng)電場配置一套預(yù)測系統(tǒng)的傳統(tǒng)一場一測發(fā)模式另一方面區(qū)域風(fēng)電場群集中式預(yù)測系統(tǒng)可以匯聚區(qū)域內(nèi)大量風(fēng)電場的預(yù)測相關(guān)數(shù)據(jù)能夠同時(shí)向區(qū)域內(nèi)所有風(fēng)電場提供預(yù)測服務(wù)系統(tǒng)的部署維護(hù)更新將更為高效便捷。風(fēng)電場群時(shí)空聯(lián)合預(yù)測存在精度和效率上的優(yōu)勢(shì)是風(fēng)電功率預(yù)測研究中的前沿主題。目前主要發(fā)展出了2類區(qū)域風(fēng)電場群集中式預(yù)測方法人工統(tǒng)計(jì)分析方法與端到端數(shù)據(jù)驅(qū)動(dòng)方法。人工統(tǒng)計(jì)分析方法以區(qū)制轉(zhuǎn)換g方法為代表。]等首先引入了T方法進(jìn)行多風(fēng)電場時(shí)空預(yù)測,等人通過改進(jìn)T方法中的風(fēng)向變量表達(dá)方式提出了三角風(fēng)向日cn和雙變量偏e模型等又進(jìn)一步提出了考慮地轉(zhuǎn)風(fēng)的D模型等從場群內(nèi)部外部以及風(fēng)速風(fēng)向等多個(gè)角度描述了時(shí)空預(yù)測誤差模式并提出了線性模型和另外幾種T模型對(duì)預(yù)測誤差進(jìn)行了擬合。上述方法在劃分預(yù)測狀態(tài)時(shí)要依靠專家經(jīng)驗(yàn)來確定劃分結(jié)構(gòu)和模型參數(shù)對(duì)復(fù)雜地形和復(fù)雜風(fēng)況的風(fēng)電場群適應(yīng)性差并且難以將模型快速遷移到其他不同的區(qū)域。數(shù)據(jù)驅(qū)動(dòng)的風(fēng)電場時(shí)空預(yù)測模型假設(shè)風(fēng)電場間的時(shí)空依賴關(guān)系可以從歷史數(shù)據(jù)中直接學(xué)習(xí)得

到在目前大規(guī)模風(fēng)電歷史數(shù)據(jù)積累的前提下此類模型得到了越來越多的重視。大量不同類型的數(shù)據(jù)驅(qū)動(dòng)算法被應(yīng)用到風(fēng)電場時(shí)空聯(lián)合預(yù)測中來,不僅包括了傳統(tǒng)的淺層算法還包括目前使用較多的深度學(xué)習(xí)算法。在淺層學(xué)習(xí)方面多通道自適應(yīng)濾波正則化eK最近鄰梯度提升機(jī) 等被應(yīng)用于多風(fēng)電場時(shí)空預(yù)測研究和預(yù)測競賽中。此外稀疏統(tǒng)計(jì)學(xué)習(xí)技術(shù)也被多次用于構(gòu)建風(fēng)電場時(shí)空依賴性的稀疏結(jié)構(gòu)表達(dá)。分布式預(yù)測能夠解決數(shù)據(jù)不出本地共享的問題通過建立分布式時(shí)空預(yù)測模型來學(xué)習(xí)臨近場站之間時(shí)空相關(guān)性。在深度學(xué)習(xí)方面當(dāng)前的研究主要集中使用不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)風(fēng)電場內(nèi)部以及風(fēng)電場群之間的時(shí)空依賴關(guān)系進(jìn)行學(xué)習(xí)。深度卷積網(wǎng)絡(luò)長短時(shí)記憶網(wǎng)絡(luò)卷積長短時(shí)記憶網(wǎng)絡(luò)稀疏降噪自動(dòng)編碼機(jī)混合密度網(wǎng)絡(luò)圖卷積長短時(shí)記憶網(wǎng)絡(luò)等不同的網(wǎng)絡(luò)結(jié)構(gòu)均被用于風(fēng)電場和風(fēng)電場群的時(shí)空聯(lián)合預(yù)測研究中。數(shù)據(jù)驅(qū)動(dòng)的時(shí)空聯(lián)合預(yù)測算法雖然能夠在一定程度上提升風(fēng)電場或者風(fēng)電場群的功率預(yù)測精度但數(shù)據(jù)量和數(shù)據(jù)質(zhì)量問題是限制此類模型應(yīng)用的首要因素。]目前國內(nèi)外已經(jīng)初步展開了區(qū)域風(fēng)電場群聯(lián)合時(shí)空預(yù)測研究并取得了一定成果然而系統(tǒng)級(jí)的應(yīng)用開發(fā)還并不完善。因此面向多風(fēng)電場精準(zhǔn)高效功率預(yù)測建模的需求本文提出區(qū)域風(fēng)電場群集中式功率預(yù)測系統(tǒng)并進(jìn)行工程化應(yīng)用實(shí)踐。該系統(tǒng)集合多場站觀測數(shù)據(jù)引入多源數(shù)值天氣預(yù)報(bào)提升模型輸入信息完善數(shù)據(jù)清洗流程建立以圖網(wǎng)絡(luò)和特征工程為核心的風(fēng)電場群時(shí)空聯(lián)合預(yù)測模型框架最終實(shí)現(xiàn)同時(shí)為區(qū)域內(nèi)多風(fēng)電場提供短期超短期預(yù)測服務(wù)的目的]區(qū)域風(fēng)電場群集中式預(yù)測系統(tǒng)設(shè)計(jì)區(qū)域風(fēng)電場群集中式預(yù)測系統(tǒng)將多個(gè)風(fēng)電場的功率預(yù)測任務(wù)同時(shí)納入一個(gè)預(yù)測模型通過時(shí)空預(yù)測建模方法考慮多個(gè)風(fēng)電場之間的時(shí)空依賴特性。系統(tǒng)對(duì)于風(fēng)電場運(yùn)營的意義在于提高風(fēng)電場群功率預(yù)測精度和上傳可靠性降低電網(wǎng)考核造成的經(jīng)濟(jì)損失和電量損失提高上網(wǎng)排序擴(kuò)展現(xiàn)有預(yù)測系統(tǒng)的時(shí)空尺度同時(shí)實(shí)現(xiàn)風(fēng)電場整體不同子風(fēng)電場組合單個(gè)子風(fēng)電場的短期超短期預(yù)測為風(fēng)電場優(yōu)化運(yùn)維電力市場競價(jià)等提供準(zhǔn)確、可靠的指導(dǎo)信息提升市場競爭力節(jié)約系統(tǒng)開發(fā)和維護(hù)成本提升系統(tǒng)效率。下面將從系統(tǒng)的模塊設(shè)計(jì)以及部署方案對(duì)系統(tǒng)進(jìn)行介紹。系統(tǒng)模塊設(shè)計(jì)著眼于提升區(qū)域整體的預(yù)測水平設(shè)計(jì)的區(qū)域風(fēng)電場群集中式預(yù)測系統(tǒng)框架包含3個(gè)核心功能:機(jī)組級(jí)與場站級(jí)實(shí)測數(shù)據(jù)清洗多源數(shù)值天氣預(yù)報(bào)融合修正多風(fēng)電場聯(lián)合時(shí)空預(yù)測。圍繞上述的3個(gè)核心功能設(shè)計(jì)了7個(gè)系統(tǒng)模塊包括數(shù)據(jù)采集數(shù)據(jù)存儲(chǔ)數(shù)據(jù)清洗模型訓(xùn)練功率預(yù)測結(jié)果修正上報(bào)展示。集中式多風(fēng)電場聯(lián)合預(yù)測系統(tǒng)模塊如圖1所示。數(shù)據(jù)采集模塊負(fù)責(zé)實(shí)時(shí)采集多個(gè)風(fēng)電場各機(jī)組數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)l數(shù)據(jù)和多源P數(shù)據(jù)。此外還需采集風(fēng)電場與風(fēng)電機(jī)組基礎(chǔ)位置型號(hào)運(yùn)行策略信息用于數(shù)據(jù)清洗和預(yù)測模型搭建。數(shù)據(jù)存儲(chǔ)模塊用于存儲(chǔ)與備份所采集的觀測數(shù)據(jù)清洗后的數(shù)據(jù)以及預(yù)測結(jié)果。數(shù)據(jù)清洗模塊依靠機(jī)組運(yùn)行策略和數(shù)據(jù)清

洗算法對(duì)風(fēng)電機(jī)組數(shù)據(jù)進(jìn)行清洗形成適合于訓(xùn)練和預(yù)測的規(guī)整數(shù)據(jù)集。模型訓(xùn)練模塊采用清洗后的數(shù)據(jù)集對(duì)數(shù)值天氣預(yù)報(bào)修正模型和時(shí)空聯(lián)合預(yù)測模型進(jìn)行定期訓(xùn)練。功率預(yù)測模塊將新獲取的數(shù)據(jù)輸入訓(xùn)練好的數(shù)值天氣預(yù)報(bào)修正模型以及時(shí)空預(yù)測模型獲得短期和超短期預(yù)測結(jié)果。結(jié)果修正模塊依據(jù)風(fēng)電機(jī)組檢修計(jì)劃以及預(yù)防性維護(hù)系統(tǒng)指令對(duì)預(yù)測結(jié)果進(jìn)行修正如遇特殊情況也可以通過人工來修正預(yù)測結(jié)果。上報(bào)展示模塊負(fù)責(zé)向電網(wǎng)調(diào)度部門上報(bào)短期超短期預(yù)測結(jié)果并將預(yù)測結(jié)果寫入數(shù)據(jù)庫用于誤差統(tǒng)計(jì)與預(yù)測結(jié)果展示。系統(tǒng)部署方案如圖2所示系統(tǒng)部署于安全生產(chǎn)二區(qū)通過防火墻從安全生產(chǎn)一區(qū)采集集控中心的實(shí)時(shí)觀測數(shù)據(jù)通過反向隔離裝置從安全生產(chǎn)三區(qū)的數(shù)值天氣預(yù)報(bào)轉(zhuǎn)接服務(wù)器獲取多源數(shù)據(jù)。系統(tǒng)在計(jì)算得到預(yù)測結(jié)果后將通過專網(wǎng)向電網(wǎng)調(diào)度部門上報(bào)短期與超短期預(yù)測結(jié)果。圖1集中式多風(fēng)電場聯(lián)合功率預(yù)測系統(tǒng)模塊1dmm圖2集中式多風(fēng)電場聯(lián)合功率預(yù)測系統(tǒng)部署方案2dmm機(jī)組級(jí)與場站級(jí)數(shù)據(jù)清洗集中式功率預(yù)測模式下將面臨大規(guī)模不同類型風(fēng)電機(jī)組運(yùn)行數(shù)據(jù)的數(shù)據(jù)質(zhì)量問題。首先場站和單臺(tái)機(jī)組的實(shí)測數(shù)據(jù)會(huì)受到電網(wǎng)限電因素的影響原始實(shí)測數(shù)據(jù)中存在大量限功率運(yùn)行數(shù)據(jù)此類數(shù)據(jù)會(huì)扭曲正常的風(fēng)速功率非線性關(guān)系導(dǎo)致預(yù)測模型存在較大的偏差其次機(jī)組故障停機(jī)疲勞運(yùn)行線路停運(yùn)傳感器失效通訊中斷等情況會(huì)導(dǎo)致觀測數(shù)據(jù)中存在大量的死數(shù)重?cái)?shù)異常數(shù)和缺失數(shù)直接在這類數(shù)據(jù)上建立預(yù)測模型會(huì)引起映射關(guān)系的畸變降低預(yù)測模型精度。風(fēng)電場功率預(yù)測數(shù)據(jù)清洗是建立準(zhǔn)確的映射關(guān)系降低預(yù)測不確定性的重要輔助手段。數(shù)據(jù)清洗需要考慮數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)的物理意義以及各種數(shù)據(jù)參數(shù)之間的相關(guān)關(guān)系往往定制化的數(shù)據(jù)清洗方法才能實(shí)現(xiàn)數(shù)據(jù)的高效準(zhǔn)確復(fù)原這也使得數(shù)據(jù)清洗成為了風(fēng)電功率預(yù)測中一個(gè)較為關(guān)鍵且繁重的環(huán)節(jié)。風(fēng)電功率預(yù)測中常見的數(shù)據(jù)質(zhì)量問題包括了風(fēng)速和功率數(shù)據(jù)的缺失與異常。針對(duì)上述數(shù)據(jù)質(zhì)量問題設(shè)計(jì)了如圖3所示的機(jī)組級(jí)與場站級(jí)數(shù)據(jù)清洗策略主要包括了風(fēng)數(shù)據(jù)異常檢測與插補(bǔ)機(jī)功率異常數(shù)據(jù)識(shí)別單機(jī)功率曲線擬合以及整場功率數(shù)據(jù)還原等步驟。下面對(duì)2種數(shù)據(jù)存在的問題和數(shù)據(jù)清洗方法進(jìn)行介紹。風(fēng)速數(shù)據(jù)清洗風(fēng)電機(jī)組風(fēng)速數(shù)據(jù)通常由機(jī)艙風(fēng)速儀測得然而風(fēng)速儀觀測記錄風(fēng)速數(shù)據(jù)時(shí)通常會(huì)發(fā)生如圖4所示的2種異常情況部分風(fēng)速儀觀測數(shù)據(jù)仍然隨機(jī)波動(dòng)但其讀數(shù)極大偏離風(fēng)電場內(nèi)其他風(fēng)電機(jī)組觀測數(shù)值某些風(fēng)電機(jī)組風(fēng)速數(shù)據(jù)長時(shí)間處于同

圖3機(jī)組級(jí)與場站級(jí)數(shù)據(jù)清洗技術(shù)路線3tl圖4風(fēng)電機(jī)組異常風(fēng)速數(shù)據(jù)4s一數(shù)值。為檢測上述2種情況風(fēng)速異常情況使用了a準(zhǔn)則與連續(xù)相同值檢測規(guī)則將風(fēng)速數(shù)據(jù)中的異常位置進(jìn)行了標(biāo)注。機(jī)艙風(fēng)速觀測數(shù)據(jù)在觀測和存儲(chǔ)過程中會(huì)出現(xiàn)大量缺失值并且不同風(fēng)電場由于數(shù)據(jù)管理能力不同數(shù)據(jù)缺失的比例和位置并不相同。如圖5示某風(fēng)電場內(nèi)0臺(tái)風(fēng)電機(jī)組的實(shí)測風(fēng)速數(shù)據(jù)存在大量非規(guī)則分布的缺失數(shù)據(jù)此類數(shù)據(jù)嚴(yán)重影響了數(shù)據(jù)連續(xù)性對(duì)于序列建模會(huì)造成一定的影響。在確定異常數(shù)據(jù)以及缺失數(shù)據(jù)的位置后系統(tǒng)還原前后的整場功率數(shù)據(jù)其時(shí)間跨度為1至?？梢婏L(fēng)電場實(shí)際可發(fā)功率與風(fēng)電場實(shí)際發(fā)電功率間存在明顯的差距限電運(yùn)行是導(dǎo)致此問題的最主要原因。圖5風(fēng)電機(jī)組缺失數(shù)據(jù)分布5s中使用了雙向長短時(shí)記憶網(wǎng)絡(luò)構(gòu)建了序列降噪自編碼器以及改進(jìn)搜索方式的K最近鄰插補(bǔ)算法對(duì)標(biāo)注位置處的數(shù)據(jù)進(jìn)行插補(bǔ)。功率數(shù)據(jù)清洗由于限電機(jī)組故障運(yùn)行機(jī)組停機(jī)等多種情況的影響風(fēng)電機(jī)組功率數(shù)據(jù)中存在大量異常的功率數(shù)據(jù)這些功率數(shù)據(jù)如果直接用來建立預(yù)測模型將會(huì)極大地影響預(yù)測的效果。如圖6所示藍(lán)色功率散點(diǎn)為偏離正常運(yùn)行區(qū)間的機(jī)組功率散點(diǎn)。圖6異常功率數(shù)據(jù)篩選6n為了獲得能表征機(jī)組與風(fēng)電場實(shí)際出力能力功率數(shù)據(jù)對(duì)風(fēng)電機(jī)組功率數(shù)據(jù)實(shí)施了如下的數(shù)據(jù)清洗流程對(duì)單臺(tái)機(jī)組的異常功率數(shù)據(jù)進(jìn)行判別其中判別方法依據(jù)實(shí)際數(shù)據(jù)采集情況而定如依據(jù)控制規(guī)則判別密度聚類判別圖像特征識(shí)別等。使用單臺(tái)機(jī)組正常運(yùn)行數(shù)據(jù)建立單機(jī)功率曲線模型。功率曲線建模方法較多但是為快速準(zhǔn)確地建立功率曲線模型使用了分段多項(xiàng)式擬合。單臺(tái)機(jī)組異常功率點(diǎn)可用清洗后的風(fēng)速數(shù)據(jù)經(jīng)過功率曲線轉(zhuǎn)換而得再通過各機(jī)組功率數(shù)據(jù)加和來還原整場功率數(shù)據(jù)。圖7展示了經(jīng)過數(shù)據(jù)

圖7風(fēng)電場總輸出功率恢復(fù)7ms多源數(shù)值天氣預(yù)報(bào)及其融合與修正多源數(shù)值天氣預(yù)報(bào)是短期風(fēng)電功率預(yù)測及其不確定性分析的關(guān)鍵輸入但對(duì)于地形氣候條件復(fù)雜的地區(qū)而言單一來源的適應(yīng)性有限。通常一種采用一種參數(shù)化方案一種初始條件來求解難以滿足復(fù)雜地形和氣候條件下的準(zhǔn)確預(yù)報(bào)需求。即使通過集合預(yù)報(bào)的方式來獲取多組預(yù)報(bào)結(jié)果增加結(jié)果的適應(yīng)性但是由于不同預(yù)報(bào)提供商經(jīng)驗(yàn)存在差別模式的預(yù)報(bào)結(jié)果并不能保證在所有風(fēng)電場均為最優(yōu)的預(yù)報(bào)結(jié)果。文獻(xiàn)中的統(tǒng)計(jì)結(jié)果也表明我國資源參量預(yù)報(bào)結(jié)果的低頻大誤差比歐洲參量預(yù)報(bào)結(jié)果的發(fā)生頻次更高單一的預(yù)報(bào)模式無法適應(yīng)我國的復(fù)雜地形氣候。以集中式預(yù)測系統(tǒng)落地的內(nèi)蒙赤峰地區(qū)為例,該地區(qū)海拔差異大陸面荒漠面積大湍流強(qiáng)度大,陣風(fēng)頻發(fā)。即使受同一天氣過程影響區(qū)域內(nèi)各風(fēng)電場受影響時(shí)間不同并且風(fēng)況差異大。如圖8所示對(duì)比赤峰地區(qū)0個(gè)風(fēng)電場的4種源歐洲中期天氣預(yù)報(bào)中心全球預(yù)報(bào)系統(tǒng),遠(yuǎn)景國際商業(yè)機(jī)器公司天氣預(yù)報(bào)系統(tǒng)年平均風(fēng)速預(yù)報(bào)均方根誤差tne,可以看出第3在6個(gè)風(fēng)電場中較小第2在3個(gè)風(fēng)電場誤差較小第1源在余下的1個(gè)風(fēng)電場表現(xiàn)較好。該誤差統(tǒng)計(jì)結(jié)果表明即使整體最準(zhǔn)確的數(shù)值天氣預(yù)報(bào)源也并不能保證在所有的風(fēng)電場提供最精準(zhǔn)的預(yù)報(bào)結(jié)果。多源能夠提供更圖8多源數(shù)值天氣預(yù)報(bào)年均方根誤差空間分布8s為多元的輸入信息不同的源之間能夠相互校驗(yàn)降低了風(fēng)電場因采用單個(gè)源帶來的風(fēng)險(xiǎn)因此有必要采用多源數(shù)據(jù)來進(jìn)行短期風(fēng)電功率預(yù)測。但也需要考慮到采用多源時(shí)會(huì)面臨較為明顯的共線性問題需要適當(dāng)?shù)慕７椒ū苊庠搯栴}。多源數(shù)值天氣預(yù)報(bào)融合與修正中既包含初始條件和物理過程等引起的系統(tǒng)性誤差也包含由局部地形粗糙度障礙物機(jī)組尾流等微尺度因素的局部結(jié)構(gòu)性誤差。如圖9所示上述2種誤差體現(xiàn)在既有趨勢(shì)上的整體偏差也有細(xì)節(jié)波動(dòng)上的缺失。圖9數(shù)值天氣預(yù)報(bào)誤差模式9P中存在上述的誤差模式因此結(jié)合風(fēng)電場實(shí)測數(shù)據(jù)可以對(duì)上述的誤差進(jìn)行修正。采用文獻(xiàn)中所建立的多對(duì)多P修正模型對(duì)風(fēng)電場內(nèi)各風(fēng)電機(jī)組點(diǎn)位處的風(fēng)速進(jìn)行修正。建立的多對(duì)多修正模型以多源多點(diǎn)位的作為模型輸入以風(fēng)電場多臺(tái)機(jī)組的風(fēng)速為輸出間接學(xué)習(xí)風(fēng)電場內(nèi)的時(shí)空流動(dòng)性獲得除原有多源數(shù)據(jù)以外的修正數(shù)據(jù)。

多風(fēng)電場聯(lián)合功率預(yù)測模型集中開發(fā)的風(fēng)電場群地理空間分布復(fù)雜內(nèi)部存在獨(dú)特的時(shí)空依賴模式通常體現(xiàn)為動(dòng)態(tài)變化的風(fēng)電場出力相關(guān)性和時(shí)移性。復(fù)雜的時(shí)空依賴模式難以量化表達(dá)但可采用多風(fēng)電場聯(lián)合的時(shí)空預(yù)測模型獲取隱含的時(shí)空依賴模式從而提升風(fēng)電場功率預(yù)測精度。區(qū)域風(fēng)電集群集中式預(yù)測系統(tǒng)依據(jù)短期和超短期功率預(yù)測任務(wù)的各自特點(diǎn)分別建立不同的預(yù)測模型來實(shí)現(xiàn)風(fēng)電場群聯(lián)合時(shí)空預(yù)測。按照現(xiàn)行的風(fēng)電場功率預(yù)測考核標(biāo)準(zhǔn)風(fēng)電場功率預(yù)測考核標(biāo)準(zhǔn)主要考核未來超短期以及次日h短期的預(yù)測準(zhǔn)確率與合格率指標(biāo)。超短期與短期風(fēng)電功率預(yù)測本質(zhì)是2種不同的時(shí)間序列預(yù)測任務(wù),短期預(yù)測任務(wù)更加偏重于數(shù)據(jù)的挖掘而超短期任務(wù)則更加偏重于歷史觀測序列的學(xué)習(xí)。下文將對(duì)2種預(yù)測任務(wù)的預(yù)測建模思路進(jìn)行介紹。短期預(yù)測在短期區(qū)域風(fēng)電場群時(shí)空聯(lián)合預(yù)測方面主要采用構(gòu)建了深度時(shí)空?qǐng)D注意力網(wǎng)絡(luò)預(yù)測模型與多場特征工程預(yù)測模型并采用集成算法對(duì)2種模型的結(jié)果進(jìn)行組合來獲得最終的預(yù)測結(jié)果。深度時(shí)空?qǐng)D注意力網(wǎng)絡(luò)以多源和修正作為模型輸入多場站的概率密度預(yù)測結(jié)果為輸出圖卷積層融合了多個(gè)風(fēng)電場之間的空間結(jié)構(gòu)信息時(shí)序注意力層提取時(shí)序過程信息。特征工程預(yù)測模型以多個(gè)場站數(shù)據(jù)和修正數(shù)據(jù)為基礎(chǔ)通過特征構(gòu)造方法得到大量相關(guān)特征使用特征篩選方法篩選出有效特征剔除重復(fù)無效噪聲特征經(jīng)過特征變化后輸入多種淺層回歸模型獲得多組預(yù)測結(jié)果2g集成學(xué)習(xí)算法將多種預(yù)測結(jié)果進(jìn)行線性組合獲得各個(gè)場站最終的預(yù)測結(jié)果。超短期預(yù)測風(fēng)電場超短期輸出功率同時(shí)受到風(fēng)電場內(nèi)局部大氣流動(dòng)和區(qū)域大氣流動(dòng)的影響。風(fēng)電場內(nèi)地形障礙物尾流等局部因素將影響較臨近時(shí)段內(nèi)的風(fēng)電場整體出力而風(fēng)電場群間的地形和大氣系統(tǒng)運(yùn)動(dòng)將會(huì)影響稍遠(yuǎn)時(shí)段的風(fēng)電場整場出力。以大唐赤峰風(fēng)電公司運(yùn)營的0個(gè)風(fēng)電場為例通過計(jì)算單個(gè)風(fēng)電場與其余9個(gè)風(fēng)電場間的出力相關(guān)性,發(fā)現(xiàn)風(fēng)電場間存在不等的時(shí)移相位差由于超短期預(yù)測的時(shí)間范圍為風(fēng)電場間的時(shí)空 的短期功率進(jìn)行了聯(lián)合概率預(yù)測建模因此可以同依賴特性不容忽視。在超短期建模方面

主要構(gòu)建了場站級(jí)和區(qū)域

時(shí)輸出多個(gè)風(fēng)電場的短期單點(diǎn)和概率預(yù)測結(jié)果。采用風(fēng)電功率預(yù)測國家標(biāo)準(zhǔn)中的準(zhǔn)確率與合格率級(jí)的深度時(shí)空?qǐng)D注意力網(wǎng)絡(luò)預(yù)測模型并同樣采用集成學(xué)習(xí)技術(shù)獲得最終的預(yù)測結(jié)果。超短期預(yù)測中建立的時(shí)空?qǐng)D注意力網(wǎng)絡(luò)采用了編碼解碼的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)其中編碼部分采用了時(shí)間注意力與空間圖注意力網(wǎng)絡(luò)模塊解碼部分采用了m實(shí)現(xiàn)多步輸出。場站級(jí)的時(shí)空?qǐng)D注意力網(wǎng)絡(luò)獲得單機(jī)預(yù)測結(jié)果后疊加成為整場預(yù)測結(jié)果區(qū)域級(jí)時(shí)空?qǐng)D注意力網(wǎng)絡(luò)直接獲得整場預(yù)測結(jié)果。使用g集成學(xué)習(xí)模型對(duì)2種結(jié)果進(jìn)行線性組合,獲得各個(gè)場站最終的預(yù)測結(jié)果?；跈C(jī)組狀態(tài)及檢修計(jì)劃的預(yù)測結(jié)果修正對(duì)于單個(gè)風(fēng)電場來說單臺(tái)機(jī)組停機(jī)或者切出運(yùn)行都將引起明顯的預(yù)測誤差。以3臺(tái)機(jī)組的風(fēng)電場為例1臺(tái)機(jī)停機(jī)將會(huì)使得預(yù)測結(jié)果存在大約左右的偏差。為了降低機(jī)組停機(jī)帶來的不確定性集中式聯(lián)合預(yù)測系統(tǒng)首先考慮了提前制定好的機(jī)組停機(jī)檢修計(jì)劃按停機(jī)數(shù)量修正預(yù)測結(jié)果然后又與故障診斷系統(tǒng)進(jìn)行交互在預(yù)防性維護(hù)發(fā)生時(shí)進(jìn)一步更正預(yù)測結(jié)果。應(yīng)用示例本文提出的區(qū)域風(fēng)電集群集中式預(yù)測系統(tǒng)在大唐赤峰公司實(shí)現(xiàn)了在線應(yīng)用能夠滿足大唐赤峰公司下屬0個(gè)風(fēng)電場的短期超短期功率預(yù)測上報(bào)需求。下面分別展示0個(gè)風(fēng)電場在線運(yùn)行期間的短期與超短期預(yù)測效果。同時(shí)也進(jìn)一步說明集中式多風(fēng)電場聯(lián)合預(yù)測系統(tǒng)在提升風(fēng)力發(fā)電公司經(jīng)濟(jì)性方面的作用。大唐赤峰公司風(fēng)電場分布于南北約東西約m的區(qū)域范圍內(nèi)共計(jì)6臺(tái)風(fēng)電機(jī)組并網(wǎng)運(yùn)行機(jī)組類型多樣且分布復(fù)雜。目前大唐赤峰公司所有風(fēng)電場均由集控中心的大數(shù)據(jù)平臺(tái)進(jìn)行統(tǒng)一管理。集控中心數(shù)據(jù)管理規(guī)范各類數(shù)據(jù)齊全為集中式的多風(fēng)電場聯(lián)合預(yù)測系統(tǒng)搭建提供了非常好的數(shù)據(jù)基礎(chǔ)。本文提出的集中式多風(fēng)電場聯(lián)合功率預(yù)測系統(tǒng)部署于集控中心生產(chǎn)二區(qū)直接從集控中心大數(shù)據(jù)平臺(tái)獲取實(shí)時(shí)觀測數(shù)據(jù)。所采用的數(shù)據(jù)由遠(yuǎn)景能源公司提供。短期預(yù)測結(jié)果區(qū)域風(fēng)電集群集中式預(yù)測系統(tǒng)對(duì)多個(gè)風(fēng)電場

指標(biāo)對(duì)風(fēng)電場的短期預(yù)測結(jié)果進(jìn)行驗(yàn)證預(yù)測結(jié)果如圖0所示。由圖0可知其中有5個(gè)風(fēng)電場短期預(yù)測準(zhǔn)確率高于%有5個(gè)風(fēng)電場短期預(yù)測準(zhǔn)確率高于%其中有5個(gè)風(fēng)電場短期合格率高于%有5個(gè)風(fēng)電場短期合格率高于%。圖展示了0個(gè)風(fēng)電場的預(yù)測效果其中紅色線為確定性預(yù)測結(jié)果黑色線為實(shí)際發(fā)電功率可見0個(gè)風(fēng)電場的預(yù)測結(jié)果均能準(zhǔn)確跟隨實(shí)際發(fā)電功率的趨勢(shì)并且概率預(yù)測區(qū)間%%圖中藍(lán)色部分均能涵蓋大多數(shù)的實(shí)際功率點(diǎn)。圖0在線應(yīng)用系統(tǒng)的