STUDY ON APPLICATION OF ANALOG BIAS CORRECTION METHOD TO SHORT-TERM WIND SPEED PREDICTION IN WIND FARMS
-
摘要: 为降低风电场短期预报风速误差，减少风电场短期风功率偏差积分电量，提高风电场发电功率预测准确率，分季节研究了相似误差订正方法对ECMWF单台风机预报风速的订正效果。结果表明：相似误差订正后不同风机预报风速的误差差距减小；预报风速的平均绝对偏差和均方根误差明显降低，其中夏季和秋季华能义岗风电场两个指标降低幅度均超过0.1 m/s、会宁丁家沟风电场均超过0.2 m/s；订正风速削减了原始预报的极值，可反映大部分时段实况风速3 h内的趋势变化，个别时段订正风速与实况趋势相反；订正后预报风速在风功率敏感区的平均绝对偏差明显降低，华能义岗风电场四季降低幅度在0.112~0.242 m/s之间、会宁丁家沟风电场四季降低幅度在0.131~0.430 m/s之间，有效降低了原始预报误差带来的短期风功率偏差积分电量扣分值；订正风速较原始预报更多分布在风功率敏感区。该方法实际应用灵活，对提高风电场短期预报风速准确率有可观的效果，并可有效减少短期风功率偏差积分电量考核。Abstract: To reduce the error of short-term wind speed prediction in wind farms, reduce the deviation integral quantity of short-term wind power, and improve the accuracy of wind farm power generation forecasting, the present research studies the effect of analog bias correction method on ECMWF wind speed forecasting of single wind turbine by season. The results show that the error difference between wind speed forecasts for different wind turbines is reduced after similar errors are corrected; the average absolute deviation and root mean square error of the forecasted wind speed are significantly reduced. The corrected wind speed reduces the extreme value of the original forecast, which can reflect the 3-hour trend of the actual wind speed change in most periods of time with exceptions in certain periods. After the correction, the average absolute deviation of the forecasted wind speed in the wind power sensitive area is significantly reduced. The seasonal reduction range of Huaneng Yigang Wind Farm is between 0.112~0.242 m s-1 and that of Huining Dingjiagou Wind Farm is between 0.131~0.430 m s-1, effectively reducing the deviation integral charge of short-term wind power caused by the original prediction error. Compared with that in the original forecast, the corrected wind speed happens more frequently in the sensitive area.The analog bias correction method is flexible in practical application. It can effectively decrease the deviation integral quantity of short-term wind power and thus has a considerable effect on improving the accuracy of short-term wind speed prediction on wind farms.
-
Key words:
- wind farms /
- wind speed /
- short-term prediction /
- analog bias correction
-
图 2 风场风速对比曲线
a.2019年7月16日00:00-18日01:15华能义岗夏季52#;b.2019年1月22日21:15-24日21:45会宁丁家沟冬季21#;c.2019年4月18日05:30-19日20:30会宁丁家沟春季12#。
表 1 华能义岗和会宁丁家沟风电场不同季节各预报要素与实况风速的相关系数
相关系数- 华能义岗 会宁丁家沟 W T RH P W T RH P 冬 0.748** -0.086 ** 0.011 -0.130** 0.654** -0.062 0.002 -0.154** 春 0.767** 0.092* * 0.124** -0.113** 0.699** 0.016 0.194** -0.133** 夏 0.639** -0.044 0.094** -0.215** 0.595** -0.119** 0.103** -0.188** 秋 0.768** 0.014 0.156** -0.130** 0.682** 0.055 0.229** -0.096** 注: **代表相关系数通过0.01显著性水平检验，下同。 
下载: 导出CSV
表 2 华能义岗和会宁丁家沟风电场不同季节相似因子权重
因子权重- 华能义岗 会宁丁家沟 W T RH P W T RH P 冬 1.00 0.00 0.00 0.15 1.00 0.00 0.00 0.15 春 1.00 0.00 0.15 0.10 1.00 0.00 0.15 0.10 夏 1.00 0.00 0.00 0.15 1.00 0.05 0.05 0.15 秋 1.00 0.00 0.15 0.10 1.00 0.00 0.15 0.05
下载: 导出CSV
表 3 华能义岗和会宁丁家沟风电场不同季节时间窗时长试验
MAE 华能义岗 会宁丁家沟 EC 1 h 2 h 3 h 4 h 5h EC 1h 2h 3h 4h 5h 冬 1.565 1.511 1.510 1.503 1.500 1.499 1.720 1.658 1.668 1.676 1.678 1.683 春 1.796 1.760 1.755 1.752 1.747 1.744 1.922 1.792 1.782 1.776 1.773 1.783 夏 1.978 1.890 1.882 1.878 1.873 1.876 2.091 1.852 1.850 1.852 1.858 1.871 秋 1.707 1.635 1.621 1.611 1.601 1.595 1.941 1.677 1.670 1.657 1.648 1.644
下载: 导出CSV
表 4 华能义岗风电场原始预报与订正结果对比
季节 MAE RMSE Rs EC DZ ZBHG EC DZ EC DZ 冬 1.565 1.499 1.474 2.037 1.972 0.657** 0.633** 春 1.796 1.744 1.836 2.367 2.291 0.696** 0.678** 夏 1.978 1.874 1.804 2.560 2.406 0.549** 0.512** 秋 1.707 1.595 1.611 2.231 2.080 0.676** 0.631**
下载: 导出CSV
表 5 会宁丁家沟风电场原始预报与订正结果对比
季节 MAE RMSE Rs EC DZ ZBHG EC DZ EC DZ 冬 1.720 1.651 1.551 2.247 2.131 0.625** 0.514** 春 1.922 1.774 1.806 2.476 2.284 0.660** 0.646** 夏 2.091 1.852 1.911 2.646 2.350 0.567** 0.530** 秋 1.941 1.644 1.819 2.622 2.085 0.588** 0.565**
下载: 导出CSV
表 6 华能义岗、会宁丁家沟风电场逐3 h原始预报与订正结果对比
MAE 华能义岗 会宁丁家沟 EC DZ EC DZ 冬 1.579 1.481 1.734 1.640 春 1.831 1.750 1.999 1.780 夏 2.004 1.864 2.125 1.841 秋 1.731 1.586 1.966 1.630
下载: 导出CSV
表 7 2020年9—10月三家风电场原始预报与订正结果对比
MAE 华能义岗 会宁丁家沟 航天周家井 EC DZ EC DZ EC DZ 9月 1.871 1.648 1.848 1.220 \ \ 10月 1.221 1.061 1.518 1.182 1.647 1.615
下载: 导出CSV
表 8 原始预报与订正结果对应短期风功率偏差积分电量扣分值（单位：分）
季节 华能义岗风电场 DZ V2 V3 V2 V3 EC DZ EC DZ EC DZ EC DZ 冬 163.10 163.09 6.45 8.64 172.48 180.34 1.20 7.76 春 182.84 179.18 19.98 23.38 267.52 249.80 4.47 11.30 夏 177.03 161.20 6.94 8.45 241.83 209.43 2.81 4.34 秋 158.09 147.14 2.53 4.43 206.83 168.09 1.46 2.89
下载: 导出CSV
-
[1] 吴息, 黄林宏, 周海, 等. 风电场风速数值预报的动态修订方法的探讨[J]. 大气科学学报, 2014, 37(5): 665-670. [2] 余江, 江志红, 俞卫, 等. 风电场风速数值预报的误差分析及订正[J]. 气象科学, 2015, 35(5): 587-592. [3] 国家能源局. 2018年风电并网运行情况[Z]. [4] 张保会, 李光辉, 王进, 等. 风电接入电力系统故障电流的影响因素分析及对继电保护的影响[J]. 电力自动化设备, 2012, 32(2): 1-8. [5] 黄凤新. 基于卡尔曼滤波的复杂地形WRF模式预报风速订正[D]. 南京: 南京信息工程大学, 2013. [6] KARINIOTAKIS G, MOUSSAFIR J, USAOLA J, et al. ANEMOS: Development of a next generation wind power forecasting system for the large-scale integration of onshore & offshore wind farms[R]. European Wind Energy Conference & Exhibition EWEC 2003, Madrid. Spain, 2003. [7] 肖寅. 基于WRF模式的短期风速预测及订正方法研究[D]. 南京: 南京信息工程大学, 2016. [8] 何晓凤, 周荣卫, 孙逸涵. 3个全球模式对近地层风场预报能力的对比检验[J]. 高原气象, 2014, 33(5): 1 315-1 322. [9] 刘丽珺, 梁友嘉. BJ-RUC模式的低层风场预报产品质量检验——以甘肃省当金山风电场为例[J]. 干旱气象, 2016, 34(4): 743-751. [10] 陈浩, 何晓凤. 基于数值模式的月尺度近地层气象要素预报技术研究[J]. 热带气象学报, 2017, 33(1): 74-83. [11] 祝赢, 柳艳香, 程兴宏, 等. 线性滚动极值处理方法对数值模拟风速的订正研究[J]. 热带气象学报, 2013, 29(4): 681-686. [12] 朱智慧, 黄宁立. 全球谱模式T639产品在南汇站风速预报中的统计释用[J]. 大气科学研究与应用, 2011(1): 30-37. [13] 李照荣, 达选芳, 王有生, 等. 复杂地形条件下风电场预报风速的卡尔曼滤波订正[J]. 高原气象, 2018, 37(5): 1 402-1 412. [14] 余江. 适用于风能预报的模式输出统计预报方法研究[D]. 南京: 南京信息工程大学, 2014. [15] 张颖超, 肖寅, 邓华. 基于ELM的风电场短期风速订正技术研究[J]. 气象, 2016, 42(4): 466-471. [16] 黄凤新, 刘寿东, 祝赢, 等. 基于滚动极值处理的BP神经网络方法的WRF模式预报风速订正[J]. 科学技术与工程, 2013, 13(7): 1 768-1 772. [17] 王佳. 内蒙古商都化德风区风电场短期风速预报研究[D]. 南京: 南京信息工程大学, 2013. [18] 王彬滨, 吴息, 余江, 等. 谐波分析方法在沿海风速数值预报订正的应用[J]. 热带气象学报, 2016, 32(5): 752-758. [19] 叶瑞丽, 郭志忠, 刘瑞叶, 等. 基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测[J]. 电工技术学报, 2017, 32(21): 103-111. [20] 徐晶晶, 胡非, 肖子牛, 等. 风能模式预报的相似误差订正[J]. 应用气象学报, 2013, 24(6): 731-740. [21] 李茜, 孙娴, 程路. 基于WRF模式与相似Kalman滤波法订正后的风速预报效果分析[J]. 水电能源科学, 2014, 32(6): 197-201. -
点击查看大图
图(3) / 表(8)
计量
- 文章访问数: 190
- HTML全文浏览量: 26
- PDF下载量: 19
- 被引次数: 0
粤公网安备 4401069904700003号