风电场功率预测系统.pptVIP

风电场功率预测系统陶树旺 孙川永中国气象局风能太阳能资源评估中心 2009年3月 海口 报告提纲 预报的重要性及总体技术路线 模式简介 模式预报实例 模式结果订正 发电量预报 风电功率预报的重要性 风的波动性 风电功率的波动性 对电网冲击 风电功率预报 合理调度 电网安全高效 预报系统技术路线 预报系统流程 用大尺度天气预报场作为中尺度数值模式的初始场和边界条件，预报风速。水平分辨率为1km，可以按足够小的时间间隔输出，预报时效可达72小时。 模式输出风速统计订正。 风电场功率预报。 预报结果发布。 模式嵌套方案 采用四重嵌套方案，最外层分辨率为48km，最内层分辨率为1km。 最外层格点数为72×52,最内层格点数为58×58。 垂直方向上风机高度范围内计算高度为20.01m，61.61m ,104.02m 。 预报时间为84小时，前10小时预报结果作为模式耗时舍弃。 测风塔资料简介 风电场区域内有四个测风塔，测风仪器为美国NRG测风仪。 在70米、50米、30米、10米高度，每10分钟记录一次风速值。70米、10米高度每10分钟记录一次风向值。 其中8号塔观测记录时间最长，而且预报的精度很相似，所以结果均以8号塔为例。 测风塔70米高度每小时平均的预报风速结果与观测值的比较 2006-2008 各月1-84小时 均方根误差(m/s) 2006年2-5月10-83小时模式结果- 均方根误差 2006年6-9月10-83小时模式结果-  均方根误差 2006年10-11月10-83小时模式结果- 均方根误差 2007年1-4月10-83小时模式结果-  均方根误差 2007年5-8月10-83小时模式结果- 均方根误差 2007年9-12月10-83小时模式结果- 均方根误差 2008年1-4月10-83小时模式结果- 均方根误差 模式结果订正 利用神经元网络方法，根据模式结果与观测结果，选取合适的预报因子，建立统计预报关系，提高数值模式的预报精度。 利用2006-2007年风速观测数据和预报数据建模，预报2008年风速。 2008年2月模式RMSE与ANN  RMSE比较 2008年3月模式RMSE与ANN  RMSE比较 2008年4月模式RMSE与ANN  RMSE比较 风电功率预报 1 利用2007年9月-2008年4月逐时风电功率记录资料，通过神经元网络进行预报。 2 利用2007年9月-2008年2月风电功率记录资料和模式输出风速、风向、温度、气压，建模。预报2008年3-4月风电场风电功率。 预报风电功率与实际风电功率相关系数 风电场发电量预报标准化平均绝对误差 风电场发电量预报均方根误差（RMSE） 系列一为模式结果，系列二为ANN结果 A因子方案 B因子方案 系列一为ANN结果，系列二为模式结果 A因子方案 B因子方案 系列一为ANN结果，系列二为模式结果 A因子方案 B因子方案 预报时间为 11-84小时 * * * * * * * * * * * * * * * * * * * * 1-2小时内波动达几十兆瓦 风电场输出功率历史资料 风电场 测风资料 风电场 功率预报 模式输出 统计预报 中尺度 数值预报 用户平台 大尺度 数值天气预报 我国某风电场预报实例 2.62 2.68 2.17 2.02 2.87 2.84 2.66 3.06 2.96 2.77 Nov Oct Sep Aug Jul Jun May Apr Mar Feb 2.44 2.05 2.55 2.33 2.29 2.42 2.55 3.31 2.91 2.81 3.85 2.49 Dec Nov Oct Sep Aug Jul Jun May Apr Mar Feb Jan 3.06 2.62 2.24 2.19 Dec Nov Oct Sep Aug Jul Jun May Apr Mar Feb Jan