风电场能量管理系统

1、基于风功率预测的风电场能量管理系统,清华大学电机系 2011年7月,内容提要,2,小扰动因素，电网运行控制中忽略，由系统自身能力耐受,影响不可忽略，在风场密集地区尤甚，运行中考虑不利因素，制定应对措施,影响较大，必须参与电网发电计划，对风电进行控制,影响很大，纳入常规调度体系，融入电网发电计划、在线调度、实时控制的各个环节,不同风电发展水平下风电场运行需求,3,4,并网,风电融入电网,传统观点：“随机”电源 “不可靠”：风速随机性 “不可调”：风机调节能力差 可控性风场建设：优质电源 可预测 可靠 可调度,风电场能量管理系统系统的应用建设电网友好型风场,-12-,风电场能量管理系统 一套在风电

2、场综合数据采集系统的基础上，实现自动闭环、协调控制风场内所有有功、无功调节设备以满足风场并网综合需求的监控管理系统。,风电场能量管理系统的整体思路,控制指令,风场信息,气象服务,测风塔,6,储能控制,电量管理,运行调度,风电场能量管理系统的整体思路,四大技术特点 交互性：服从控制指令 协调性：协调内部多种设备 基于预测的控制 自动化、智能化的闭环控制,数据采集与监控系统、风功率预测系统是风电并网控制平台的基础。,7,/储能,风电场能量管理系统的整体思路,8,内容提要,9,风功率预测系统的应用价值电网对风功率预测系统的要求,调度,计划,规划,电网对风功率预测要求体现在电力系统运营的各个方面。,-

3、16-,风功率预测系统的应用价值风功率预测系统的综合价值,风功率预测系统的研究现状国内外主要风功率预测系统,国外风功率预测的研究历程 开拓阶段(Prediktor, WPPT) 研究阶段(eWind, WPMS) 商业化阶段(ANEMOS, GHForecaster)，单风场误差在10-20%，全网误差在5%-8%,国内风功率预测的研究历程 研究主要集中在算法探讨，数值天气预报研究刚起步 积累不够，缺乏对预测效果的长期统计分析 中国电科院WPFS系统，欧洲中尺度模式，自行生产NWP,评价指标 均方根误差(RMSE) 单个风场 1-2h小时超短期预测5-7% 日前预测10-20% 区域:6-8%

4、 全网:5-7%,风功率预测系统的研究现状国内外风功率预测系统精度水平,空间平滑效应对风功率预测精度的影响,内蒙古风功率预测系统的体系功能需求与数据需求,结合内蒙古电网业务需求与气象服务特点，明确系统功能如下： 短期风功率预测：提前24h-36h预测； 滚动预测：每日上午8:00，下午5:00各预测一次 基本预测单元：风场,风功率预测系统依赖庞大的数据库，单个风场年数据记录就超过2500万条，集中维护与应用开发技术难度很大。 分布式系统结构,内蒙古风功率预测系统的体系多层分布式风功率预测系统,风场级：基本预测单元风电场控制、独立结算 区域级：在线调度，联络线潮流控制 全网级：电力平衡，发电计划

5、与机组组合优化,分层、分级风功率预测体系适应内蒙古风电开发特点与电网调度体系需求,风电功率预测的基本原理短期风功率预测的基本原理,统计方法 非参数回归 神经网络法 多参数差值 ARMA法 时序分析法 ,两类预测方法,物理方法 WASP的微观气象模型 中尺度MM5模式(美国) 考虑风机尾流效应、地表特征、边界层特性 相似模型原理考虑非建模因素 .,需要至少1-3个月的历史实测数据 随着历史数据的积累，预测误差将逐渐减小 物理方法需要详细的地形参数,风电功率预测的基本原理短期风功率预测的常见方法,选用预测模型匹配 完备的模型库、不断积累的历史库 数值天气预报准确 较高分辨率的数值天气预报（3h,

6、3km） 微观地理、微气候模型进一步增加精度 实测数据修正及时 依据风机起停信号实时修正模型 依据实测数据及时修正预测输入 6h滚动预测 极端天气特殊对待 极端天气独立建模,一风电功率预测的基本原理影响风功率预测精度的主要因素,-7-,预测精度具有个性化特点：不同季节、不同地区、不同地势等因素都对最终精度有影响,风电功率预测的基本原理数值天气预报及边界层微气象模型,Step 2.局部气象网格10-30km,高空,Step 1.全球气象预报(2000km),Step4.尾流效应模型,Step 3:近地模型（LOG曲线）,准,比较准,较差,较差,风电功率预测的基本原理风机实测模型与风场实测模型,风

7、场不同风向、风速下的效率,风场不同空气密度下的效率,风机实测功率曲线,风速预测误差：10-15%(欧洲); 20%(国内) 风电场建模误差：2-5%, 国内外水平相近 风功率预测的精度瓶颈在于边界层(近地层)数值天气预报,风电功率预测的基本原理风机实测模型与风场实测模型(续),风电场功率输出模型建模可以达到很高的精度(2-5%) 建模方法(BP神经网络、非参数回归等)对精度影响不大 迭代次数对精度影响很小,风电功率预测的基本原理预测程序的一般流程,初始化：数据准备 建模：利用历史数据建立风电场输出功率模型 ； 预测：利用NWP、风电场发电计划进行预测 可视化：展示预测结果 评价：评价预测效果，

8、对比预测方案,风功率综合预测系统的技术支持,研发支持,工程应用,2007年启动研发至今 国家级项目7项，国家重点实验室项目3项，其中重点/重大类项目5项； 省部企业项目30余项。,2009年投运至今 数十家风电场实施运行,23,系统技术特点 - 广泛支持标准,24,系统技术特点 功能丰富全面,更多考虑风场业主应用需求！,25,风场功率预测子站,风功率预测系统不仅需要与电网公司配合，还需要将必要的信息传送至发电集团管理者的电脑上。,风场功率预测子站,年度/月度电量预测 科学制定发电量计划 评估电量损失 风资源后评估 定量评估风电场可利用风资源 周边地形地貌变化对原有风资源的影响 检修计划优化 提

9、高设备年利用小时数 与生产报表系统相结合 规范化、电子化风电场生产管理,依据风电场生产特点，风电场功率预测子站应更加贴合发电企业的生产需要。,系统技术特点 预测精度保障,1,2,3,4,28,系统功能展示 风功率综合预测系统的功能展示,用户角色 预报员：风功率曲线预报、模型训练 调度员：监视风电运行 管理员：程序模块监视、日志管理,系统功能展示 风场状态,30,系统功能展示 曲线展示,显示实际曲线与预测曲线的对比 可自定义查看区间并导出,31,系统功能展示 气象信息展示,32,数据分析子系统 提供实时气象资源监视功能 综合数据分析功能，帮助用户进行系统评价与性能优化,系统功能展示 数据分析,3

10、3,系统功能展示 统计报表,34,系统功能展示 预测上报,支持中调、集团、本地三种上报方案 支持自动上报、手动上报两种形式 支持预报员修订，人工干预,35,智能化预报员向导系统，确保系统随着数据积累，提供精度越来越高预测模型。,确保系统随着数据积累，提供精度越来越高预测模型 提供以可视化的方式完成算法训练的功能，让客户快速上手，完成专家级别的算法维护工作,系统功能展示 智能预报员向导,36,系统功能展示 系统管理,37,系统功能展示 软/硬件配置,38,试运行以来，风功率综合预测系统误差 风场功率模型误差 数值天气预报误差,风功率综合预测系统的技术特点,红色：实测 绿色：经误差校正后的结果 蓝

11、色：未经误差校正后的结果,风场功率模型建模效果(方均根误差3%),达到国际先进水平,数值天气预报误差(15-22%),随着运行时间的积累，还在不断提高,Company Logo,清华大学电机系风电预测技术团队拥有扎实的理论基础与创新意识，提供不断改进的建模服务、模型训练、算法升级、预测效果评估等服务。,内蒙气象局数值天气预报业务流程，人工订正、模式优化、预测模型反算等一系列专业服务。,清华大学与专业软件公司合作确保产品升级、售后服务。与调度系统的融合，新预测模型能够最快程度的应用于您的系统。,天气预报,建模服务,软件升级,风功率综合预测系统的服务优势,风功率预测系统不是即买即用的常规软件，它的

12、持续、高效运行依赖于产品优质的后续服务。,内容提要,41,风电场AVC 系统AVC模式：跟踪调度AVC指令 单场AVC模式：确保风场满足并网标准,风电场AGC 系统AGC模式：跟踪调度AGC指令 单场AGC模式：确保风场满足并网标准,基础技术：风电场预测系统,风电场AVC与AGC,42,风电场自动电压控制系统,43,风电场AVC系统的严格现场试验,1.5MW 台架试验，测试双馈风机实际控制能力,3样机试验检验风机持续变无功运行能力,49.5MW风场独立运行试验,1,2,3,Beijing,测试 2,测试 1,测试 3,62.5MW风电场并网运行试验,4,测试 4,44,实时动态控制双馈风机无功，减少80%以上主变抽头调整电容器投切,功率因数控制，合格率从