變時間尺度的風光互補發電短期功率預測技術

摘" 要：該文探究適用于風光互補發電系統的變時間尺度短期功率預測技術。風力發電機組的功率預測模型以風速作為輸入參數，光伏發電機組的功率預測模型以溫度和光照強度作為輸入參數。經過數據校正模塊、地形變化模塊、輻射量計算模塊、功率預測模塊的處理后，準確預測輸出功率。在此基礎上使用Simulink仿真軟件構建風光互補發電模型，采集一天的風速和太陽能輻射數據作為輸出量，仿真結果表明該模型的實際輸出功率和期望輸出功率基本一致，變時間尺度的短期功率預測技術達到預期效果，有助于實現風光互補發電系統的可靠并網。

關鍵詞：風光互補發電；短期功率預測；變時間尺度；輸出功率；預測方法

中圖分類號：TM61" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）17-0185-04

Abstract： This paper explores the variable time scale short-term power prediction technology which is suitable for wind-wind complementary power generation system. The wind speed is used as the input parameter in the wind turbine power prediction model， and the temperature and light intensity are used as the input parameters in the photovoltaic power prediction model. After the processing of data correction module， terrain change module， radiation calculation module and power prediction module， the output power is predicted accurately. On this basis， the wind-solar complementary power generation model is constructed by using Simulink simulation software， and the one-day wind speed and solar radiation data are collected as the output. the simulation results show that the actual output power of the model is basically the same as the expected output power， and the short-term power prediction technology with variable time scale achieves the expected effect， which is helpful to realize the reliable grid connection of the wind-solar complementary power generation system.

Keywords： wind-solar complementary power generation; short-term power prediction; variable time scale; output power; prediction method

功率預測是提高風光互補發電系統運行穩定性的重要方法，現階段常用的功率預測技術有2種，分別是基于物理模型的預測和基于歷史數據的預測，前者易受天氣預報數據分辨率的影響，預測精度不高；后者需要使用海量的歷史數據，不適用于新建或在建的風光互補發電站。基于變時間尺度的功率預測技術，將上述2種預測方法的優勢結合起來，滿足風光互補發電系統能量控制對功率預測信息較高分辨率和不同預測周期的要求，保證了該系統在并網過程中不會對接入電網的正常運行產生沖擊影響。

1" 變時間尺度的風力發電短期功率預測方法

1.1" 風力發電機組功率預測模型的構建

本文基于風力發電機組的結構特點及發電特性，構建了風力發電機組功率預測模型，該模型的結構組成如圖1所示。

由圖1可知，該功率預測模型以數值天氣預報風速數據作為輸入量，使用多個模塊對輸入數據進行處理。例如，通過校正模塊進行數據校正進而降低風速預報誤差、使用地形變化模塊修正地形對風速的影響等。完成處理后，得到風力發電機組輪轂高度處的風速信息。利用風力發電機組的實際功率曲線，在風速與風力發電機組輸出功率之間建立映射關系。將物理模型的輸出數據作為功率預測模塊的輸入，預測風力發電機組的輸出功率。在該模型中，變時間尺度預測模塊的作用是依據該風力發電機組的歷史數據，確定其控制周期，并預測下一個時間點上的風速數據[1]。

1.2" 基于風速功率曲線的輸出功率預測

使用地形變化模塊、粗糙度變化模塊對數值天氣預報點風速進行修正處理后，所得結果近似于風力發電機組位置的風速。但是在短期功率預測中，由于預測周期較小（通常不足1 h），導致數值天氣預報數據的分辨率偏低，無法滿足功率預測的精確度要求。基于此，本文提出了一種基于歷史數據和物理模型的變時間尺度的功率預測方法。首先，運用“數據插值法”對預測周期內的歷史數據進行插值，使數據分辨率提高到能夠滿足短期功率預測的要求。其次，功率預測模塊參考數據插值的時間間隔從歷史數據中提取數據，由于每次插值的間隔時間不同，從而實現了變時間尺度的差值運算，即可得到變時間尺度的風力發電機物理模型，利用該模型對當天風速變化趨勢進行預測。

風力發電機組的風速功率曲線表示了輸出功率與風速之間的關系，直觀地反映了風力發電機組輸出性能的優劣。在標準空氣密度（1 kg/m3）下，風力發電機組的輸出性能最佳，但是在實際中由于風場環境不一致，使得實際輸出功率和標準輸出功率存在一定差異。以風場空氣密度1.02 kg/m3為例，2種條件下的功率曲線如圖2所示。

由圖2可知，風力發電機組的實際功率曲線與標準功率曲線變化趨勢大體相同，但是并不完全重合。基于此，在實際應用中要結合風場地理環境建立實際功率曲線，才能準確預測功率。風力發電機組總輸出功率的短期預測方法為：首先，分別預測各臺風力發電機組的風速，利用風速與輸出功率的關系預測單臺風力發電機組的功率；其次，將所有機組的預測功率累加求和，即可得到總輸出功率；最后，預測該風電場下一周期輸出功率[2]。

2" 變時間尺度的光伏發電短期功率預測方法

2.1" 光伏組件功率預測模型的構建

基于光伏電池結構和工作特性，構建了光伏組件功率預測模型，如圖3所示。

由圖3可知，該預測模型以數值天氣溫度和光照強度預報數據作為輸入量，分別經過數據校正、變時間尺度數據插值運算以及輻射量計算處理后，從輸入數據中提取處光伏電池在實際環境中的具體參數。將提取參數作為功率預測模塊的輸入，預測每一組光伏電池在下一周期的輸出功率。最后通過累加求和的方式，預測整個光伏組件在下一周期的輸出功率。

2.2" 光伏系統功率預測

光伏系統中包含了若干的光伏組件，要想完成光伏系統的短期功率預測，必須要分別預測每個光伏組件的功率，然后再累加求和。短期功率預測流程如圖4所示。

對于一些規模較大的光伏電站，包含的光伏組件多達數萬甚至數十萬，這種情況下逐一預測每個光伏組件的輸出功率再進行求和，需要大量的時間，顯然不符合短期功率預測的要求[3]。基于此，本文提出了一種優化方案：假設光伏發電站內有M和N 兩種類型的光伏系統，每個系統中有x個光伏組件。其中，M型光伏組件中有p塊光伏電池，N型光伏組件中有q塊光伏電池。KMi為第i塊M型光伏組件的預測輸出功率，KNi為第i塊N型光伏組件的預測輸出功率，則該光伏發電站總預測輸出功率可通過下式求得

根據上式求出K值后，即可利用數值天氣預報信息成功預測光伏系統的輸出功率。該方案假定同一系統中所有光伏電池的參數一致，不需要單獨求解每個光伏組件的預測輸出功率，既減小了計算工作量，又能滿足短期預測需要。

3" 風光互補發電控制系統中的短期功率預測仿真

3.1" 風光互補控制仿真平臺的搭建

本文使用Simulink仿真軟件構建了風光互補發電模型及配套的儲能電池模型，該模型包含了能量分配和功率預測2個主要模塊。將實時風速、實時光照強度（太陽能輻射）2類數據輸入到預測模型中，在模型內經過數據校正、粗糙度優化、輻射量計算等一系列處理后，預測風光互補發電機組下一周期的輸出功率；將預測結果作為分配模型的輸入量，利用能量分配模型確定能量分配策略，按照該策略調整各發電組件的功率，確保實時狀態與設定狀態一致，保證風光互補發電模型的輸出功率穩定，達到預期的控制目標[4]。

3.2" 風光互補控制仿真條件的設定

基于上述仿真平臺，將風光互補發電仿真系統的參數設定如下：風力發電方面，設置6臺單機容量為2.0 MW的雙饋風力發電機組；光伏發電方面，設置4臺單機容量為1.2 MW的光伏發電機組；儲能方面，設置1臺容量為3.0 MW的儲能電池，總容量19.8 MW。為提高仿真結果的可信度，實地觀測了一天的風速與太陽能輻射數據，每小時記錄一次，共得到24組數據（表1），將其作為仿真系統的輸入數據。

3.3" 變時間尺度功率預測的風光互補控制仿真

鑒于真實環境下風光互補發電控制系統對短期功率預測周期的要求存在差異，因此，在控制仿真中將功率預測周期按照30、15、5、15和30 min的順序循環交替，得到變時間尺度功率預測的效果。在預測周期不斷變化的條件下，風光互補發電系統的輸出功率曲線如圖5所示。

由圖5可知，該系統的實際輸出功率與期望輸出功率較為接近，并且兩者在24 h之內的變化趨勢基本一致。風光互補發電系統的控制周期與通信時間、電網調度指令等有關，而變時間尺度的功率預測可以靈活適應不同情況，并根據通信周期、電網調度指令周期的變化而變化，這就保證了即便是在不同控制周期條件下，風光互補發電系統的實際功率能夠接近期望功率，功率預測結果的精度較高。結合上文分析可知，預測結果會對能量分配產生直接影響，功率預測精度與能量分配精度呈正相關，這就保證了風光互補發電系統中各發電組件的功率設定值更加契合實際發電能力，最終保證了系統功率輸出的穩定性[5]。

在部分時間段（如12 h）風光互補發電系統會出現輸出功率波動較為明顯的情況，分析其原因是該時間段的功率預測周期為30 min，但是其對應的預測精度要低于預測周期為15、5 min時對應的預測精度，相應的能量分配精度降低，最終呈現出來的直觀表現就是系統的輸出功率波動更為明顯，這與預測時間越長、預測精度越低的常識相符。

4" 結束語

隨著我國風電和光電裝機容量的不斷增加，如何降低風電和光電大規模接入電網時對電網穩定性的沖擊影響成為熱門研究課題。風光互補發電系統實現了風能和太陽能的互補，是一種前景廣闊的新型能源發電型式，本文結合風光互補發電系統的運行原理和工作特性，提出了基于變時間尺度的短期功率預測技術。從仿真結果看，該技術不受輸入數值天氣預報數據準確度的影響，可以保證短期功率預測結果的準確性。同時，利用預測結果自動分配能量，保證了風光互補發電系統的實時功率始終與設定功率接近，保證了系統輸出功率的穩定性，為風光互補發電系統并入電網提供了有利條件。

參考文獻：

[1] 梁恩豪，孫軍偉，王延峰.基于自適應樽海鞘算法優化BP的風光互補并網發電功率預測[J].電力系統保護與控制，2021，49（24）：7-10.

[2] 馮倫，尤偉靜.基于蟻群算法的光伏發電功率短期預測技術[J].通信與信息技術，2023（5）：38-39.

[3] 馬原，張雪敏，甄釗，等.基于修正晴空模型的超短期光伏功率預測方法[J].電力系統自動化，2021，45（11）：44-51.

[4] 王汀元.風光互補發電系統的建模與仿真研究[J].中小企業管理與科技，2021（12）：179-181.

[5] 劉龍兵.探究風光互補發電系統控制策略與儲能容量優化的研究[J].工業A，2021（9）：76-77.