[发明专利]一种基于数据驱动的风电场实时功率预测方法

说明书

技术领域

本发明属于风储电站发电技术领域，具体涉及一种基于数据驱动的风电场实时功率预测方法。

背景技术

国家风光储输示范工程位于河北省张家口市张北县和尚义县内，规划建设500MW风电场、100MW光伏发电站和相应容量的储能电站。由于风、光第一次能源固有的随机性、波动性与间歇性，大规模风力发电、光伏发电的集中并网，势必给电力系统的运行、调度与控制等带来诸多挑战。在探索解决途径的研究中，大规模储能技术应运而生。国外已相继开展多项示范工程，确立了借助储能技术改善间歇式电源可控性，提高其并网应用能力。

发明内容

本发明针对张北风光储输示范工程—风储联合发电运行在跟踪发电计划模式，预测风电场的实时输出功率，进而计算并控制储能系统的发电。

为了实现以上目的，本发明通过以下技术方案实现：

首先根据风电场的实测输出功率数据，采用斜率变化预测方法和移动平均方法，预测计算风电场下一时刻的实时输出功率值；然后根据国家电网的调度指令，计算储能系统的期望发电值，使风储联合发电满足电网调度需求。

预测风电场实时输出功率的计算方法，是利用风电场m-1时刻的实测输出功率数据进行递推得到风电场m时刻递推功率数据，图1是实时序列图。该方法包括以下具体步骤:

S1：根据风电场上一时刻的实测输出功率数值，应用数学点斜式方法计算风电场下一时刻实时输出功率的估计值，并把该估计值作为风电场在m时刻的实时递推功率数值。

本步骤是采用数学点斜式方法根据m-2、m-1时刻的实测输出功率数值进行递推得到m时刻实时输出功率的估计值。

依据数学点斜式实时递推的数学公式如公式(1)、(2)所示

y'_m＝y_m-1+k_m-1,m*Δt(1)

其中：y′m是采用斜率递推得到的风电场在m时刻的估计输出功率，y_m-1是风电场m-1时刻的实测数据，K_m-1，m是风电场m-1时刻和m-2时刻的实测数据之间的斜率，Δt＝1min。

用数学斜率递推方法预测下一时刻的数据会出现以下问题：首先，因为斜率递推预测的方法是基于前一时刻的实测数据和斜率的变化去递推预测下一时刻的实测数据，所以当实测功率数据在上升或下降趋势不变的情况下发生较大的波动时，采用该方法递推预测得到的实时数据与实测数据之间的误差将比较大；其次，当实测功率数据的变化趋势由上升变为下降或由下降变为上升时，会导致递推预测数据的延时和突变。如果实测功率数据的变化比较平稳缓慢时，可以采用斜率递推预测的方法进行递推实测的数据。

由于斜率递推预测方法是只考虑历史最近的数据对未来数据的影响，所以该方法的预测精度不会太高。但是该方法比较简单易于在工程实践中应用，所以需要对数学斜率递推预测得到的实时数据估计值进行移动平均处理修正。

S2：对步骤S1递推得到的风电场实时输出功率的估计值采用移动平均方法进行修正，把估计值的修正值作为风电场m时刻的实时递推预测功率值。

移动平均方法是对步骤S1中采用斜率递推预测方法得到的实时数据进行滑动处理。由于斜率递推预测方法的预测精度的问题会增大风电场实测功率数据的波动，所以采用滑动平均法还可以有效的减小风电场递推预测实时功率的波动。

采用移动平均方法是对采用斜率递推预测+移动平均后得到的历史实时数据的修正值y_i和m时刻只经过斜率递推预测方法得到的实时估计值y'_m进行求和平均计算，得到的结果取代步骤S1中采用数学斜率递推的实时估计数据。移动平均方法的表达式如式(3)所示。

其中，N是采用斜率递推预测和移动平均后得到的历史实时数据的个数，y_m-i，i＝0,1,…,N是采用斜率递推预测+移动平均后得到的历史实时数据的修正值，y'_m是通过斜率递推预测方法得到的m时刻的实时递推数据的估计值。

采用斜率递推+滑动平均方法的预测精度要高于只采用斜率递推预测方法的预测精度。

S3：根据风储联合发电电站在m时刻的发电计划功率和经过步骤S1、S2计算得到的风电场m时刻的实时输出功率，计算储能系统的期望发电功率值。储能系统在m时刻 的期望发电功率是由m时刻电站的发电计划功率值和风电场m时刻的输出功率的预测值做代数相减得到。