考慮網(wǎng)內(nèi)外功率特性的含風場電網(wǎng)日內(nèi)發(fā)電需求滾動預測

何洪業(yè)，汪 穎，肖先勇

(1.四川大學電氣信息學院，四川 成都 610065;2.智能電網(wǎng)四川省重點實驗室(四川大學)，四川 成都 610065)

大規(guī)模風電并網(wǎng)后，風電出力的隨機性和間歇性特性對電網(wǎng)安全運行和電能質(zhì)量帶來了巨大影響，也給電網(wǎng)有功控制帶來了新的挑戰(zhàn)［1，2］。鑒于此，文獻［3］提出了用多時間尺度協(xié)調(diào)有功調(diào)度以提高風電消納能力的思想，按時間尺度把控制分解為:日前計劃、滾動計劃、實時調(diào)度計劃和AGC等4級，需對各時間尺度進行電網(wǎng)發(fā)電需求預測，其中，滾動預測對于提高滾動計劃準確性，保證風電和系統(tǒng)的安全穩(wěn)定運行具有重要意義。

系統(tǒng)調(diào)度和實時控制均需對下一時刻總發(fā)電需求進行準確預測。現(xiàn)有方法利用傳統(tǒng)負荷預測法代替［7］，由于并網(wǎng)風電的發(fā)電功率會抵消部分常規(guī)發(fā)電機組的負荷需要，因此，把風電功率看為“負－負荷”，與實際負荷疊加，定義為“等效負荷”［4，5］，根據(jù)“等效負荷”預測結果制定或調(diào)整發(fā)電計劃。該思想的前提是，認為風電不可控，通過控制常規(guī)機組消納風電，但實際上，風電場可通過改變漿距角或啟停風機等進行有功控制，具有一定可控性;其次，風電具有隨機性和間歇性，當大規(guī)模風電接入時，“等效負荷”變化規(guī)律變?nèi)酰A測結果的意義可能不明確。從預測樣本看，傳統(tǒng)負荷預測樣本是變電站采集量，而在發(fā)電與負荷之間，網(wǎng)損、頻率偏差、聯(lián)絡線傳輸功率偏差等均可能導致采集值與真實值的偏差，因此，在發(fā)電需求預測時必須考慮這些偏差的影響。

從預測樣本出發(fā)，考慮被預測電網(wǎng)與外部電網(wǎng)之間的功率交換、網(wǎng)內(nèi)功率損耗和頻率特性，提出一種更好地消納網(wǎng)內(nèi)風電的電網(wǎng)發(fā)電需求預測模型和算法。常規(guī)短期預測針對未來1～7天的負荷進行預測，預測樣本為前數(shù)天數(shù)據(jù)，而風電場日前預測誤差一般為25% ～40%［6］，這樣大的誤差帶很大麻煩。風電預測時間越短，誤差越小，因此，為了縮短樣本的時間尺度，以當前時刻尺度提出虛擬天的概念，采用日內(nèi)風電發(fā)電需求滾動預測法進行預測，提高預測精度。采用的滾動預測周期為30 min(也可設定為其他間隔)，并結合國家能源局要求，并網(wǎng)風電場必須在2012年內(nèi)具備風功率滾動預報能力，每15 min上報一次，每次給出未來15 min至4 h的預報數(shù)據(jù)，通過對國內(nèi)某實際電網(wǎng)數(shù)據(jù)測試表明，該方法能明顯提高預測精度，具有較高的工程應用價值。

1 含風場電網(wǎng)發(fā)電需求預測模型

不失一般性，含大規(guī)模風電的電網(wǎng)連接關系如圖 1［7］。

圖1 控制區(qū)與互聯(lián)電網(wǎng)

圖2中，功率波動量為

圖2 負荷的一次調(diào)頻功率

在式(1)中，Ploss難以采集，而總發(fā)電量PG易于得到。根據(jù)網(wǎng)內(nèi)發(fā)電與負荷的關系得

式(1)可改寫為

式(3)可改寫為

式中，j=1，2，…，16。

2 虛擬天與滾動預測

2.1 虛擬天概念與確定方式

在常規(guī)短期預測提前一天或多天完成，為了保證整日曲線的完整性，基準日一般取為預測日的前一天(截止基準日24 h的信息作歷史數(shù)據(jù))，所用歷史負荷數(shù)據(jù)至少與待預測日相差一天，風電的多時間尺度導致這樣的預測精度明顯降低。因此，提出采用日內(nèi)滾動預測的方法，基于新息技術的基本思想，每次滾動預測均采用最新信息，在相同預測方法的條件下，比僅用前一日24 h信息所得結果更準確［8］。

由于滾動預測每次給出當前時刻后4 h預測值，為了利用最新數(shù)據(jù)，并能給出未來4 h預測值，因此，提出所謂虛擬天的概念。預測樣本基準點不再按實際每天24 h確定，而采用預測時刻前24 h最新信息做預測原始數(shù)據(jù)。圖3給出了這種基準點的選取方式，并和常規(guī)的方式進行了比較。

圖3 滾動預測基準點選取方式

假定待預測日已知k(k≤T)點負荷數(shù)據(jù)，可從最后一個已知點開始，向前取T個點(T為日采樣點數(shù))，作“虛擬天”。以此類推，連續(xù)向前取n×T個新息數(shù)據(jù)作日負荷預測樣本，相關數(shù)據(jù)照此作處理，每次滾動預測更新一次。

2.2 下一虛擬天發(fā)電需求預測

由于預測存在多樣性和復雜性，受諸多不確定因素影響，單一預測法很難取得滿意結果，因此采用多種預測法最優(yōu)加權預測［9］。參考歷史樣本，根據(jù)對歷史日預測結果的分析，選擇N種預測方法，這里采用指數(shù)平滑算法、線性外推算法、SVR算法等預測算法。各種預測方法分別預測下一虛擬天總發(fā)電需求預測，結果為

式(8)中，每列對應一種預測方法所得結果，含虛擬日96點發(fā)電需求預測值。

2.3 權重優(yōu)化

組合預測的權重取值對預測效果影響較大，但就預測機理而言，組合預測的權重確定仍然是一個未能很好解決的問題。例如，文獻［10，11］認為權重應為正，但卻并未給出明確理由，而文獻［12］則討論了權重取負值的問題。這里采用文獻［12］所述方式來求取權重W(N×1)，具體方法見文獻［12］。

2.4 預測結果的確定

求出權重W后，求虛擬天最終預測結果。

3 實例分析

采用國內(nèi)某省級電網(wǎng)的實際運行數(shù)據(jù)來驗證所提的方法。所選數(shù)據(jù)為2010年6月到2011年5月一年的運行數(shù)據(jù)，預測都是針對總的發(fā)電需求。

圖4 滾動理想發(fā)電需求預測結果

圖4給出的是2011年4月3日的預測結果對比。相對實際的理想發(fā)電曲線，滾動發(fā)電需求預測結果的誤差，明顯比日前負荷預測值要小。對該日的統(tǒng)計數(shù)據(jù)表明，日前負荷預測準確度為96.5%，滾動發(fā)電需求預測為99.1%，預測準確度提高了2.6%。

對該網(wǎng)2010年9月到2011年5月分別進行模擬日前負荷預測和滾動發(fā)電需求預測，每月平均準確率對比如表1。

表1 月平均預測精度對比

由表1可見，滾動發(fā)電需求預測的平均誤差為1.3%，遠高于日前負荷預測的平均誤差4.4%，可見，該方法能較好地修正日前計劃偏差，為大型風場接入創(chuàng)造了條件。

4 結論

為了消納大規(guī)模風電，提出了一種考慮風電接入的發(fā)電需求滾動預測方法。建立并考慮了網(wǎng)損、網(wǎng)內(nèi)調(diào)頻及與網(wǎng)外功率交換等影響的發(fā)電需求預測模型，提出虛擬天的概念和樣本選取方式，并將所提方法與現(xiàn)有預測方法進行了比較。結果表明，所提方法的預測精度高，結果更符合實際，能更好地為風電消納提供機會。所采用的預測方法實際在日內(nèi)進行，可更好地利用最新負荷、氣象等信息，與傳統(tǒng)日前預測相比，利用的信息多，預測精度也更高。

通過實際電網(wǎng)運行數(shù)據(jù)進行測試表明，所提方法能明顯地提高大規(guī)模風電接入后的發(fā)電需求預測精度，該方法已經(jīng)得到了工程應用，獲得良好的效果。

［1］孫元章，吳俊，李國杰.風力發(fā)電對電力系統(tǒng)的影響.電網(wǎng)技術，2007，31(20):55－62.

［2］高宗和，滕賢亮，張小白.適應大規(guī)模風電接入的互聯(lián)電網(wǎng)有功調(diào)度與控制方案［J］.電力系統(tǒng)自動化，2010，34(17):37 －41.

［3］張伯明，吳文傳，孫宏斌，等.消納大規(guī)模風電的多時間尺度協(xié)調(diào)的有功調(diào)度系統(tǒng)設計［J］.電力系統(tǒng)自動化，2011，35(1):1 －6.

［4］Negnevitsky and Cameron W.Potter.Innovative Shortterm Wind Generation Prediction Techniques［C］.Power Systems Conference and Exposition，2006:60－65.

［5］雷亞洲.與風電并網(wǎng)相關的研究課題［J］.電力系統(tǒng)自動化，2003，27(8):84 －89.

［6］ACKERM ANN T.Wind Power in Power System［M］.London，UK:John Wiley＆Sons，2005.

［7］李予州，吳文傳，張伯明，等.多時間尺度協(xié)調(diào)的區(qū)域控制偏差超前控制方法［J］.電網(wǎng)技術，2009，33(3):15－19.

［8］康重慶，夏清，等.電力系統(tǒng)負荷預測［M］.北京:中國電力出版社，2007.

［9］康重慶，夏清，沈瑜，等.電力系統(tǒng)負荷預測的綜合模型［J］.清華大學學報，1999，39(1):8－11.

［10］程旭，康重慶，夏清，等.短期負荷預測的綜合模型［J］.電力系統(tǒng)自動化，2000，24(9):42 －44.

［11］Chongqing Kang，Xu Cheng，Qing Xia，et at.Novel Approach Considering Load－relative Factors in Shortterm Load Forecasting［J］.Electric Power Systems Research，2004，70(2):99－l07.

［12］莫維仁，張伯明，孫宏斌，等，短期負荷綜合預測模型的探討［J］.電力系統(tǒng)自動化，2004，28(1):30 －34.