电工杯风功率的处理
一、风电功率预测
风速、风向、气温、气压等的SCADA实时数据，等高线、障碍物、粗糙度等数据，数值天气预报数据，把上面的某些数据通过一定的方法转换到风电机组轮毂高度的风速、风向，然后根据功率曲线得到风电场的出力，并根据风电场的效率进行修正。 二、预测的意义
风电功率预测的意义如下：①用于经济调度，根据风电场预测的出力曲线优化常规机组的出力，达到降低运行成本的目的。②根据风电出力变化规律增强系统的安全性、可靠性和可控性。③在风电参与电力市场的系统中，优化电力市场中电力的价值。在电力市场中，风电场对风电功率进行预测，参与电力市场竞价；电网公司对风电功率进行预测，保证系统安全经济运行。
①优化电网调度,减少旋转备用容量,节约燃料,保证电网经济运行对风电场出力进行短期预报,将使电力调度部门能够提前为风电出力变化及时调整调度计划;从而减少系统的备用容量、降低电力系统运行成本。这是减轻风电对电网造成不利影响、提高系统中风电装机比例的一种有效途径。
②满足电力市场交易需要,为风力发电竞价上网提供有利条件从发电企业(风电场)的角度来考虑,将来风电一旦参与市场竞争,与其他可控的发电方式相比,风电的间歇性将大大削弱风电的竞争力,而且还会由于供电的不可靠性受到经济惩罚。提前一两天对风电场出力
进行预报,将在很大程度上提高风力发电的市场竞争力。
③便于安排机组维护和检修,提高风电场容量系数风电场可以根据预报结果,选择无风或低风时间段,即风电场出力小的时间,对设备进行维修,从而提高发电量和风电场容量系数。
三、预测方法的分类
风功率预测方法可以分为 2 类：一种方法是根据数值天气预报的数据，用物理方法计算风电场的输出功率；另一种方法是根据数值天气预报与风电场功率输出的关系、在线实测的数据进行预测的统计方法。考虑了地形、粗糙度等信息，采用物理方程进行预测的方法则称之为物理方法，根据历史数据进行统计分析，找出其内在规律并用于预测的方法称之为统计方法(如神经网络方法、模糊逻辑方法等)。如果物理方法和统计方法都采用则称之为综合方法。
风电功率预测方法根据预测的物理量来分类，可以分为2类：第1类为对风速的预测，然后根据风电机组或风电场的功率曲线得到风电场功率输出；第2类为直接预测风电场的输出功率。
根据所采用的数学模型不同可分为持续预测法、自回归滑动平均(auto regressive moving average,ARMA)模型法、卡尔曼滤波法和智能方法等。持续预测方法是最简单的预测模型，这种方法认为风速预测值等于最近几个风速值的滑动平均值，通常认为最近1点的风速值为下1点的风速预测值，该模型的预测误差较大，且预测结果不稳定。改进的方法有ARMA模型和向量自回归模型、卡尔曼滤波算法或时
间序列法和卡尔曼滤波算法相结合。另外还有一些智能方法，如人工神经网络方法等。
根据预测系统输入数据来分类也可以分为2类：1类不采用数值天气预报的数据，1类采用数值天气预报的数据。
根据预测的时间尺度来分类，可分为超短期预测和短期预测。所谓的超短期并没有一致的标准，一般可认为不超过30 min的预测为超短期预测。而对于时间更短的数分钟内的预测，主要用于风力发电控制、电能质量评估及风电机组机械部件的设计等。这种分钟级的预测一般不采用数值天气预报数据。短期预测一般可认为是30 min~72 h的预测，主要用于电力系统的功率平衡和调度、电力市场交易、暂态稳定评估等。对于更长时间尺度的预测，主要用于系统检修安排等。目前，中长期预测还存在较大的困难。因为风速、风向等天气情况是由大气运动决定的，不考虑数值天气预报数据无法反映大气运动的本质，因此也难以得到较好的预测结果，所以现在研究的风电场输出功率预测都把数值天气预报数据作为1组重要输入数据。 四、预测方法的优缺点及适应范围
1.风速的预测方法
在进行中期以上的功率预测时，基于风速的预测方法就是前面介绍的“物理方法”。
在进行短期预测时，基于风速的预测方法主要分两步来完成：首先利用风速模型预测出风力发电机风轮轮毂高度的风速、风向，并且计算出风速与风轮扫过平面正交的风速分量；然后利用风力发电机的