國際風電預測預報機制初探及對中國的啟示

王建東，汪寧渤，何世恩，劉光途，馬彥宏，陟 晶，丁 坤，趙 龍

（甘肅省電力公司風電技術中心，蘭州市，730050）

0 引言

風電功率預測可為風電的運行調度提供技術支撐，保障電力系統及風電場的安全、穩定、經濟運行[1]。風電功率預測的意義主要體現在：

（1）根據預測的風電場出力曲線優化常規機組的出力，達到降低運行成本的目的。

（2）掌握風電出力變化規律，減少電力系統的不確定性，增強電力系統的安全性和可靠性。

（3）在風電接入的電力系統中，優化電力市場中電力的價值。一方面，在電力市場中，風電場對風電功率進行預測，參與電力市場競價；另一方面，系統運營商對風電功率進行預測，保證系統經濟運行。

（4）風電場功率預測還可以為風電場的運行維護提供有益的參考。如在風電機組需要停機檢修時，可以選擇在風速較低、風電場出力較小時進行，以減小風電場的電量損失。在出現可能對風電場產生破壞作用的大風時，提前做好防護準備。根據風電場出力情況及時調整風電場運行狀態，減少風電場內部線路和變壓器損耗，提高風電場上網電量[2-3]。

1 歐美國家風電預測預報發展歷程

20世紀90年代初期，歐洲國家就已經開始研發風能預測預報系統并應用于預報服務。預報技術多采用中期天氣預報模式嵌套高分辨率有限區域模式（或嵌套更高分辨率的局部區域模式）和發電量模式對風電場發電量進行預報，如丹麥Risoe實驗室開發的Prediktor預報系統已應用于丹麥、西班牙、愛爾蘭和德國的短期風能預報業務，同時丹麥技術大學開發的 WPPT（wind power prediction tool）也用于歐洲地區的風能預報。90年代中期以后，美國True Wind Solution公司研發的風能預報軟件eWind是由高分辨率的中尺度氣象數值模型和統計模型構成的預測預報系統，eWind和Prediktor已用于美國加州大型風電場的預報。加拿大風能資源數值評估預報軟件West是將中尺度氣象模式MC2（mesoscale compressible community）和 WAsP（wind atlasanalysisand application program）相結合的分辨率為100～200 m的風能圖譜并進行預報。目前用于風能預報業務的系統還有德國的Previento和WPMS（wind power management system）等[2-5]。

2002年10月，歐盟委員會資助啟動了“為陸地和海上大規模風電場的建設開發下一代風資源預報系統（Anemos）”計劃，目標是開發優于現有方法的先進的預報模型，重點強調復雜地形和極端氣象條件下的預報，同時也發展近海風能預報[6]。

風能預測預報的發展歷程可總結為：

（1）1990年之前，理論研究階段。該階段主要是進行理論研究，實際運行案例很少，研究內容包括MOS、卡爾曼濾波、自回歸滑動平均（auto regressive moving average，ARMA）模型等。

（2）1990—2000年，實用模型階段。該階段研究內容包括物理降尺度、MOS、條件參數模型、神經網絡模型等。實際運行案例主要位于丹麥。歐盟則在這個時間段內開始組織研發項目。

（3）2000年至今，廣泛應用階段。該階段研發內容集中在中尺度數值天氣預報（numerical weather prediction，NWP）、概率預測、聯合預測、氣象集合預測、多模型集合預測等課題上。僅歐盟的研發項目就有 Anemos、Honeymoon、POW'WOW（prediction of waves，wakes and of fshore wind）、Anemos.plus、SafeWind等多項。美國、澳大利亞等國家也紛紛開始本國的風電預測預報研發項目。預測預報系統應用的案例則從丹麥擴展到西班牙、德國、美國等眾多風電強國[7]。

2 歐美國家風電預測預報實施模式

風電預測預報的實施模式原則上由風電預測的部門決定，隨著越來越多的電網或者電力市場采用風電預測預報，2類不同的風電預測預報實施模式被廣泛采用。

（1）集中預測。由系統或者市場運營商集中預測所屬區域的風電場總出力，而不管是否有風電場的積極參與。這種模式的關鍵是只使用1個集中的風電預測預報系統，這意味著系統或者市場運營商是預測預報積極的參與者，從而關心預測模型的使用情況。

（2）分散預測。要求或者激勵風電場預測自身出力，且不規定具體的預測方法。這意味著多個不同的風電預測服務商可以通過競爭為多個風電場客戶提供預測服務。理論上，系統或者市場運營商不需了解具體預測方法，可以依靠市場的力量保證預測精度[8]。

實際中也存在位于這2種模式之間的變體，比如可以要求分散預測系統具有某些共同的技術參數，或者1個集中預測系統使用多個不同時間尺度或覆蓋區域的預測模型。這2種模式也可以同時實行，比如系統或市場運營商既要求風電場進行分散預測，也同時進行自己的集中預測。

表1總結了一些國家風電預測實施模式的關鍵特征，包括：預測實施是市場驅動還是電網要求；預測模式是集中預測還是分散預測；預測模型的選擇方式是基于試驗還是基于共同研究。

表1 風電預測實施模式的對比Tab.1 Comparison of the wind power for ecasting implementation moddels

3 典型的風電預測預報機制

按照是否要求風電場提供風電預測預報，可以將風電預測預報機制分為風電場強制預測預報、風電場自愿預測預報和風電場無要求預測預報三類。

3.1 風電場強制預測預報

風電場強制預測預報主要以愛爾蘭、西班牙、美國新墨西哥PNM電網和德州ERCOT電網為代表。

目前，愛爾蘭電網總裝機容量為7000 MW，與外界互聯容量僅為450 MW，而風電裝機達700 MW，即風電在整個電網的比重為10%，風電對愛爾蘭電網安全、穩定運行影響很大。愛爾蘭積極參與歐盟的風電預測預報研究工作，安裝了歐洲的MoreCare預測預報系統，并主持了Anemos風電預測項目。愛爾蘭最新的風電并網規程要求超過30 MW的風電場必須提供預測預報[9-10]。2007年實施的市場交易規則為風電上網提供2種選擇，按照一般的市場價格享受優先調度權或者參與市場競價，前者免除預測誤差過大導致的罰款，后者承受罰款。

從2004年3月起，西班牙頒布新的皇家法令為風電提供了2種電價機制：（1）以固定電價將風電賣給配電公司；（2）通過電力市場代理商在電力市場出售風電。這2種電價機制對應風電場不同的預測責任：（1）選擇固定電價的風電場要求從2005年1月開始至少提前30 h預測自身每小時的風電出力，并將預測結果發送給配電公司，預測結果可以不斷進行調整直到日內市場關閉前1 h；（2）對參與電力市場的風電場，由于市場代理商必須在10點前提交最終的發電計劃，因此日前風電預測要求在每天的早上10點前完成，預測的具體要求可以與市場代理商溝通。不管選擇哪種電價機制，如果沒有遵守發電計劃，所有裝機容量大于10 MW的風電場將被罰款。對于選擇固定電價機制的風電場，如果預測偏差超過20%，將會被罰款；對于參與電力市場的風電場，預測偏差的罰款將在每個購電協議中考慮，或者通過市場代理商進行總體協商[11]。

美國新墨西哥PNM電網在購電協議中要求風電場必須提供日前每小時預測結果和超短期預測結果；德州ERCOT電網根據合格調度實體（qualified scheduling entities，QSE）的規定，通過并網協議或者購電協議要求風電場提供日前預測結果。如果預測誤差超過發電計劃的50%，風電場按照邊際出清價格接受罰款。

3.2 風電場自愿預測預報

美國加州電力系統運營商CAISO是美國首個使用風電預測系統的系統運營商，CAISO在2004年將風電場自愿預測預報作為間歇能源參與計劃的一部分引入了加州電網。CAISO區域內的風電可以選擇2種上網發電模式，CAISO以可避免成本收購風電或者風電參與電力市場競價。由于可避免成本定價在未來存在很大的不確定性，因此越來越多的風電場運營商傾向參與電力市場競價，而風電的屬性不適合電力交易機制對發電計劃準確性的嚴格要求。為了解決這個問題，CAISO實施了基于風電場自愿參加基礎上的間歇性能源參與項目，為風電場提供集中預測預報服務。

經過嚴格的對比試驗，CAISO選擇TrueWind公司作為風電預測服務的供應商。如果風電業主愿意向CAISO繳納少量的年費（2005年的費用標準為0.1美元/（MW·h））加入該集中風電預測計劃，那么風電場的風電功率預測信息將由CAISO提供，并且允許較高的風電預測誤差；否則，風電業主只能自己進行風電預測，并且被允許較小的風電預測誤差（不加入間歇資源參與計劃的風電場按每10 min的不平衡電量結算；而加入計劃的風電場按月度不平衡電力結算，大部分預測誤差都可以在1個月內相互抵消）。為了激勵風電預測服務供應商不斷努力提高預測精度，CAISO與TrueWind公司簽署了處罰和獎勵協議。協議規定：如果每月的平均絕對誤差（mean absolute error，MAE）大于風電裝機容量的12%，或者每月電力生產偏差大于實際產量的0.6%，TrueWind公司將被處以罰款；如果MAE小于風電裝機容量的10%，或者每月電力生產偏差小于實際產量的0.1%，TrueWind公司將被給予獎勵。最近的報告顯示，風電場向CAISO繳納的年費過少，致使這些年費不能完全抵消購買預測服務的費用，近期將會出臺新的計費辦法。

3.3 風電場無要求預測預報

德國、丹麥等國家目前的可再生能源法賦予風電優先上網權，系統運營商沒有在并網協議和購電協議中規定風電場的預測預報義務，并且沒有安排風電參與市場競價，因此風電預測主要由系統運營商承擔，風電場業主不需要進行風電預測。這些國家的風電需要在更大的范圍內跨境消納，大規模的風電交易促使這些國家的系統運營商致力于風電預測預報性能的提升。

4 對我國的啟示

隨著我國風電逐漸向大規模遠距離開發模式轉變，風電對電網安全穩定和調度運行的影響將與日俱增。隨著電網投資的加大，風電輸電通道的瓶頸制約會逐漸得到緩解，而風電調峰調頻和電力電量消納問題將會成為主要矛盾。如果在對風電未來出力一無所知的情況下，強制電網全盤接受風電，會給系統調度運行帶來巨大威脅，并且不利于系統的經濟運行。甘肅2010年風電裝機將達到5160 MW，而2009年全省高峰負荷不過8900 MW，西北電網高峰負荷也只有2600 MW，且電源以靈活性較差的煤電為主受風電波動性和間歇性影響很大。因此，我國風電發展的現實情況要求必須進行風電預測預報，以作為輔助電網調度的手段。

4.1 法律和監管

2006年正式實行的《可再生能源法》規定電網公司必須全額收購上網風電，但是沒有明確規定風電的上網條件，也沒有明確規定風電收購協議的技術性條款。風電場業主往往以《可再生能源法》中的條款作為免于進行技術改造升級和提供功率預測的理由。從降低風電本身的開發成本和緩解風電場財務壓力的角度出發，這是可以理解的；但是從理論上和國際經驗來講，全額收購上網風電與要求風電場提供風功率預測預報服務并不抵觸，因為風功率預測可以作為風電場上網的技術性要求，也可以作為購電協議的組成部分，達到合格的預測精度，風電場才能達到并網的條件，才能作為合格的并網風電享受全額收購的待遇。由于風功率的預測偏差過大會給電網帶來顯著的危害，因此可以合理地認為這樣的風電場不滿足并網的條件，如果強行并網，需要接受對其預測與實際出力偏差的罰款。

4.2 市場主體

目前我國風電場分散預測預報沒有納入風電場建設和規范的日程，但是我國風電發展模式具備進行分散預測預報的特點。我國大部分新建風電場規模較大，接入電壓等級較高，而規劃的7個10 GW級風電基地最大化地體現了這種集群化開發的思路。風電場裝機容量大意味著分散預測預報的單位容量成本很低，風電場接入電壓等級高意味著風電場數據采集與監控系統安裝的必要性強，風電預測具備基本的基礎設施條件。因此，我國風電場具備世界上最好的分散預測預報的物質基礎。但是，我國進行分散預測預報的弱點也很明顯，風電預測預報技術的落后和預測預報服務供應商的缺乏使得風電預測預報服務沒有形成可供風電場廣泛選擇的預測服務供應市場。這在一定程度上也限制了我國風電場直接從市場上購買風電預測預報服務的可行性。

4.3 市場激勵

隨著電力市場改革的不斷推進，風電可能面臨著不得不進入市場競爭的處境，履行供電合同的壓力將對風電預測的精度提出更高的要求。因此，應提早進行風電預測預報的相關技術準備工作。

4.4 基礎設施

我國的電力調度網絡是世界上最先進的調度網絡之一，風電場與電網調度部門之間通訊設施同樣處于世界領先地位。因此，硬件設施不是阻礙我國進行風電預測預報的障礙，反而電網公司具有很好的條件進行集中預測預報。目前吉林、甘肅等電網公司正在積極進行風電預測預報系統建設和后續研發工作。

5 結論

風電預測預報在我國具有必要性和緊迫性；要求風電場提供預測預報并不與現行法律法規相抵觸；分散預測預報雖然具有良好的物質基礎，但是預測技術的落后和預測服務供應的缺乏使我國短期內不具備進行分散預測預報的條件；電網公司掌握完備的信息，投入了大量人力、物力進行風電預測預報系統的研究和建設工作，適合采用集中預測預報的實施模式。

風電預測預報費用的分攤是另一個值得研究的問題。風電的波動性是風電場帶給電網的副作用產物，而集中風電預測預報系統的研發和建設顯然需要大量資金的支持，其最終的受益者卻是風電場業主。因此，需要將這些額外的成本分攤給眾多風電場業主或者分攤給更多的公眾，究竟選取哪種分攤模式取決于日后的政策和法律環境。如果政策和法律認為公眾應該承擔風電場開發帶來的成本上漲，那么應該像對待其他可再生能源附加費用一樣，將預測預報成本分攤到全國；如果法律認為風電場需要為其負作用帶來的影響負責，那么應該將預測預報成本分攤給相關的受益風電場。需要說明的是，西班牙和愛爾蘭等風電穿透功率較大、電網相對較弱的國家普遍將預測預報成本分攤給相關的受益風電場或者強制實施風電場分散預測預報，而丹麥和德國等風電穿透功率較大、電網相對較強的國家普遍將預測預報成本分攤到全國。

[1]馬彥宏，汪寧渤，劉福潮.甘肅酒泉風電基地風電預測預報系統[J].電力系統自動化，2009，33(16)：88-90.

[2]Giebel G.The state-of-the-art in short-term prediction of wind power：Aliterature overview[R].Danmark：risoe，2006.

[3]Dragoon K，Kirby B，Milligan M.Do wind forecasts make good generation schedules?[R].Cole，Colorado：NREL，2008.

[4]Landberg L，Giebel G.Short-term prediction：An overview[J].Wind Energy，2003(6)：273-280.

[5]Giebel G，Landberg L，Kariniotakis G，et al.State-of-the-art onmethods and software tools for short-term prediction of wind energy production[C].Proceedings of the 2003 European Wind Energy Association Conference，Madrid，Spain，2003.

[6]Anmeos.Anmeos Project[R/OL].[2010-04-02].http∶//anemos.cma.fr

[7]Costa A，Crespo A，Navarro J，et al.A review on the young history of the wind power short-term prediction[J].Renewable and Sustainable Energy Reviews，2008，12(6)：1725-1744.

[8]Focken U，Lange M.Wind power forecasting pilot project in Alberta[R].Canada∶GH，2003.

[9]EirGrid.EirGrid Grid Code(Version 3.3)[S].Ireland，2009.

[10]ESBNG.Wind farm connection requirements[S].Ireland，2006.

[11]Spanish Renewable Energy Association.The new payment mechanism of RES-E in Spain[R].Spain：Spanish Renewable Energy Association，2005.