基于預測誤差下的風電有功功率控制探討

中電（沈陽）能源投資有限公司 梁俊杰

1 引言

風能作為一種常見的可再生資源，有清潔、高效等諸多優點，是當今社會中的一種重要綠色能源，其應用情況也得到社會公眾的高度重視，近年來已發展為成熟、規模化開發的一種新能源發展形勢。我國是能源大國，有資料記載可開發的風能儲量高達10億kW。雖然風力發電具備很多優勢，但是伴隨風電場建設規模的快速擴增，棄風現象也日漸嚴重。既有的風電預測精準度偏低，當大范圍風電并網時，由風電變動引起的功率缺額情況將會直接影響電網運行安穩性。精準掌握風能的運行屬性及功率預測誤差分布規律，這是當前提升風電功率調控效率的重要舉措。

2 背景分析

風電場功率控制要依照預測值及發電計劃執行情況進行，綜合風電機組的調控性能及運作狀態差別等因素，編制科學的調控方案，促進風電機組協調運作及優化配置控制命令。風電可發功率低于調度計劃時，依照最大功率追蹤模式運轉，風電機組能實現自主調控；若可發功率高于調度計劃，控制系統要追蹤發電計劃執行情況管控功率。當前，現有的風電有功功率控制策略主要有兩種類型：

其一是依照相鄰調控周期的預估值與調度命令，去設定下一個控制周期的功率參照值，再結合機組可調控容量及電場當前狀態編制功率配置方案。這種方法在應用時僅考慮到兩個鄰近控制周期的工況差別，對整體趨勢沒有做出綜合性判斷，容易造成機組功率調控方向和改變趨勢不統一，以致需要屢次調控，增加風電功率的變動程度。其二是結合將來某時段的預測功率改變趨向分析結果對機組進行動態化分群，再依照機群的運轉情況編制功率配置方案。以上兩種方法的共同特點是把預測功率相對確定化作為前提條件，沒有充分考慮預測誤差帶來的功率調控偏差情況。

3 風電預測誤差分析

3.1 預測誤差

利用表示風電功率的預測值，可以運用下式計算出相對應的預測誤差：

W(t)代表的是在t 時刻時，風電場的真實輸出和預測值之間的誤差；Wf（t）表示預測分辨率的均值。伴隨預測時間維度的減小過程，εf（t）絕對值的期許值也會相應變小。

國外有學者在研究中發現，在相對較小的時間維度上（1h 之內），風電預測誤差呈現出獨立同分布的特征，并且εf（t）服從了拉普拉斯分布規律，可以用下式表示其概率密度函數：

λ 代表的是時間維度參數，運用海量風電系統出力偏差數值，能順利地擬合出預測誤差對應的概率密度函數，進而和拉普拉斯分布做對比獲得參數λ，λ ＞0。

3.2 置信測評模型

近年來，國內外一些學者在風電發電功率預測領域，結合運用分位數回歸法與風險因子測評。

可以用分布函數F=（y）=P（Y ≥y）闡述隨機變量Y 的屬性，把F（y）的τ 分位數函數設定成：

由本使可以發現，低于、高于分位數函數Q（τ）的變量占比分別是τ、（1-τ）。設定檢測檢驗函數[1]：

式中，當u ≥0時，f(u)=0;u＜0時，f(u)=1。

假定u=y-δ，對上式左右兩側取期望值以后，求導δ：

因為F 呈單調遞增，那么在任何區間上均可以探尋到集合｛y：F（δ）=π｝中某一元素使E（ρ（y-δ））達到最小。分數位設定Q(τ/x)x'β(τ)，如果有隨機參數符合，運算出，便能獲得具體值。

3.3 預測置信測評

為定分位數（τ1，τ2，……，τn）構建預測功率的分位回歸模型，隨后參照功率誤差的概率分布特征與置信水平設置情況，就能獲得預測誤差對應的置信區間，從而得到預測功率的置信區間。鑒于功率預測模型及有關影響因素存在一定差異的實際情況，容易造成某個時間段中不同風電場之間的預測誤差分布表現出顯著不對稱的特點。一些風電場的預測功率可能和置信區間下邊界極為接近，預示著風電場真實可發功率很可能高于預測功率，把置信區間類似度較高的風電場記作Ω+；一些風電場的預測功率接近置信區間的上邊界，提示真實可發功率很可能低于預測功率，此時把類似置信區間的風電場記成Ω-。

4 分析功率預測誤差給有功控制帶來的影響

一般在風電預測功率高于發電計劃的情況下，才考慮調控有功功率。預測功率與發電計劃共同決定著風電場i 的有功控制情況[2]：

Pd,i、Pf,i分別代表的是發電計劃與預測功率。

在運用有功控制辦法時，Ω+、Ω-類風電場承載的有功調節量分別是ΔP+、ΔP-。

運用下式計算Ω+風電場i 的輸出功率Pi+：

PN,i+、Pf,i+分別表示風電場的裝機容量與預測功率。推導Ω-類風電場的輸出功率Pi-：

電廠的裝機容量與預測功率分別采用PN,i-、Pf,i表示。在現實運行情景下，Ω+風電場的輸出功率大概率能符合設計控制目標、而Ω-類風電場低于控制目標，此時將會造成場群的有功功率調控不能滿足調度命令要求。

5 風電有功功率的控制方法

5.1 基本過程

本課題研究中依照既往功率預測誤差數值信息去研究誤差的分布屬性，運用預測功率的置信測評模型去執行以上過程；以此為基礎，綜合超短期內電力功率的預測信息，設定期許的置信水平，進而更客觀的測評有功功率置信區間，修正預測功率曲線以使其成為預測功率帶，那么此時風電場的出力應被包括在該功率帶中。為了將由功率預測誤差帶來的調控誤差引起的經濟損失額度降到最低，擬定把測評所得的功率置信區間作為約束條件，進而建立出有功控制模型，精準、完整地輸入超短期功率預測值與調度命令，基于系統的優化過程獲得風電場的有功調控命令。流程如圖1所示[3]。

圖1 風電有功控制的基本流程

5.2 有功控制模型

參照功率預測誤差分布屬性能順利地運算出各大風電場功率預測誤差的期望值，進而推導出功率預測期望值PE,i是：

上述公式，Pf,i、Fi(e)分別代表的是風電場i 的預測功率及預測功率的誤差概率分布函數。

把有功功率與預測功率之間的最小差值作為控制目標，目標函數可以表示成：

約束條件是[4]：

Pi表示的是風電場i 的輸出功率命令。

第一個約束條件明確規定任何風電場的有功功率都和發電執行計劃維持一致；第二個則是風電場自身的運行約束條件。

6 算例分析

6.1 算例描述

本課題研究選擇B 市風電基地中5個風電場（總裝機容量達到1108MW）作為案例，選擇2019年1～8月的預測功率與理論還原以后所得的實際功率數值作為基礎，通過比較分析的方式，檢測檢驗本文所提及控制策略的應用有效性、合理性。一些數據用在解讀風電場的預測功率分布屬性方面，其他數據用來比較檢驗所提及控制方法的應用效果（圖2）[5]。

圖2 風電與調度數據

已知1#、2#、3#、4#、5#風電場的裝機容量分 別 是202MW、202MW、300MW、202MW、202MW。對比風電場當日相應時間段中的預測功率與理論還原以后所得的實際功率數據，不難發現1#風電場以上兩指標相對接近，2#的真實發電能力在預測功率之上，4#的實測發電能力在預測功率以下。設定置信水平是0.95，取出5個風電場各自預測功率的置信區間，發現僅有1#風電場的正負誤差區間分布得相對較對稱2#、4#風電場分別顯現出正誤差、負誤差特性。在以上這種邊界條件下，本文選擇的算例比較分析了優化算法和容量比例分配法，探究其調控成效。

6.2 分析考慮功率預測誤差后的調控成效

通過觀察圖3，不難發現本課題設計的控制方法所得的控制目標精準度更高，和傳統的容量比例分配法相比，有功功率預測誤差整體控制效果更好。與過去考慮誤差的控制策略作對比，本文通過全面統計及深入分析既往功率數據，嚴格參照正、負誤差特性去劃分風電場所屬類別，更加客觀地評判預測功率置信度的合理性。在具體使用過程中，始終把風電場的預測功率作為輸入項，據此測評其對應的置信區間以及期望功率值，基于優化過程形成風電場的功率調控命令。

圖3 兩種方法的調控成效比較

觀察運用本文設計方法時各風電場的控制目標達成情況和實測值發現，因為4#風電場自身表現出的是負誤差屬性，故而不能滿足控制目標的大概率要求，可以嘗試把其生成的功率缺額轉移到風電場1#與2#。統計并分析風電場1#、2#與4#各自的控制目標值，不難發現以上3個風電場實現的控制目標均好于基于傳統容量比法之下的控制目標，通過比較后發現控制誤差的減少率達到10%，并且實際中使用容量比例法很難滿足發電計劃的實施要求。

7 結語

客觀上講，各大發電站的有功功率預測誤差分布屬性、規律等有差別，應全面分析其差異性，進而有針對性地改進有功功率的控制方案方法。統計并分析風電場既往運行數據，精準提取預測誤差分布特性，科學改進有功控制方法。本課題中設計的控制方法能顯著降低風電功率預測誤差給功率調控效果帶來的不良影響，確保調控過程合理、可靠，明顯提升了實際控制工作效率。