国能日新科技闫涵：基于多气象源融合分段建模的风功率预测研究与应用

2020年10月14日-16日，2020北京国际风能大会暨展览会（CWP 2020）在北京新国展隆重召开。作为全球风电行业年度最大的盛会之一，这场由百余名演讲嘉宾和数千名国内外参会代表共同参与的风能盛会，再次登陆北京，本届大会以“引领绿色复苏，构筑更好未来”为主题，聚焦中国能源革命的未来。能见App全程直播本次大会。

在15日下午召开的学术发布会上。国能日新科技股份有限公司高级气象工程师闫涵作为代表发言。

以下为发言实录：

闫涵：今天我给大家分享一下我们公司关于风电后市场风功率预测方面的小小成果。首先说一下研究背景，随着风电并网规模不断扩大，电网对于这种风电新能源压力是不断提升的，一方面是因为我们大家都知道风电光伏这样的波动性，另外一方面现在是逐渐放开电力交易现货市场，需要我们的报价这些，所以说风电功率预测它的准确性对于电网调度的压力，另外新能源企业承受的考核压力，现在也逐渐的是变为我们新能源企业在电力市场当中参与交易的如何报价，如何从中获得收益这样一个压力。

但是功率预测肯定是不可能100%完全准确，主要是因为也是受到现在气象预测这样一个发展前景的一个限制，传统的方法利用数字天气预报来预测未来的天气，然后再通过天气，然后转功率这样的模型，然后预报我们的发电厂未来的处理情况，但是作为发电功率预测模型的输入数据天气预测本身又依赖于天气预报这样一个技术的发展程度，数值天气预报仅仅就是一个模拟，所谓的模拟就是它对我们真实情况，或者说未来真实情况一种近似，它模拟当中会舍去目前气象技术没有办法研究透彻的一些国家，另外在计算的时候，因为是数值计算，可能会舍去一些误差，或者将一些参数进行参数化，但是这些参数又不是说适合于所有地方，所以说所有的数值天气预报都有自身的一些缺点和局限性。

在气象方面解决这个方面的难题运用了一种技术，其中一种就是多气象模式去预报，或者说是集合预报，用不同的数值天气预报去预报未来气象的多种可能性，这样取长补短，但是受到风电场地形，风力发电机特性排列组合不同的条件，在不同工矿下，风电可能输出的特征也会有所差异，受到这些地形、风力发电机排列方式的综合因素的影响，不同风速条件下，我们数值天气预报在这种不同的环境，不同地区它预报的结果，预报的能力可能也是不一样的。比如山区和平原不同的天气预报出来的结果就不一样，有些数值天气预报更加适合于平原地区，有些数值天气预报参数化调整的好一些，它更适合于山地，但沿海地方又报的比较差。所以我们结合预报的思路，给出更好的去优化风电场的代表性风速模拟的方法。

其实方法本身是比较简单的，思想就是用了多个NWP的方法，首先要进行预处理，将多个数值天气预报产生的结果和我们实测的气象进行对比，做一些关联性分析，最简单的做一个相关系数，利用相关系数我们能够筛出哪些天气预报预报第二天的风速或者未来风速会是比较好的，经过排列，筛选出前几个比较好的这种数值天气预报的相关性，然后进行下一步的筛选，再选出一种往往更多的选用MSE进行筛选，会筛选出3到4个，最多5个这样的分析，筛选的时候我们也是建议筛选出离我们预报时期比较近的两三个月的数据作为训练的时期，或者作为我们建模这样的时期。

我们可以看到在第一个表当中，选用6组数值天气预报这样的结果，可以看到其中第一个数值天气预报能够达到0.8，第5个相关系数只有0.4，第五个非常非常差了，于是从组合当中把第五个剔除掉，再算剩下5组这样的数值天气预报这样的公务差和实况风速一起来计算，第一组第三组和第四组数值天气预报的结果是比较好的，特别第六个能够达到4点几，这是相当差的，最好的就是刚刚相关性系数比较好的第三组的数值天气预报能够达到2.27，我们就认为就选取最好的三个数值天气预报，第一个，第三个跟第四个，进行建模，建模的时候可以用神经网络、线性几何等多种方法。

这是我们预测风速的结果对比，当集成过以后，NWP预测结果更加合理分布在X等于Y这条线的两端，它的预测结果和实测结果更加接近。再将这三个NWP，分为0到3米，3到8米，8到11米，这个是根据实际的发动情况，分成风速阶段，分别对三种NWP的结果进行线性建模，这个还是以老的精度来看的。首先来看一下最好的结果，原来单一的NWP第三种，它的精度应该说是能够达到82%这样一个精度，符合能够达标的天数在将近一个月时间达到18天，如果分段建模以后仅仅用NWP3这一种的话，它的精度也就是提高不到1%，W天数也就上升了2天，但是如果用集成的建模，这样它的精度可以提高百分之四点多，甚至它的4天数也能够提升到23天，利用分时段建模，并且利用集成NWP去预测风速，能够有效的提高功率预测预报的精度。

我们给出来的这种集中功率预测风速和实测的达到0.82左右，精度方面也是有提升，同样用NWP去分段建模，能够提升百分之2点多，如果仅仅直接使用单个NWP和最原始的NWP原始的话，可以达到4点多，建模和分段能够有效的提高我们的精度。这样一种方法应用范围也是比较广的，首先应用于功率预测考核当中，它是对于我们误差也会有降低的比较多，用美国或者说用其他GFSEC预报的误差可以看到都在2.5以上，优化后的误差达到1.9，甚至更低。

在我们现在实行的电力交易过程当中，我们在短期往往主要在参与到日前报价这里，会遇到短期的功率预测，短期的功率预测在日前交易当中，能够为我们报价提供更多的准确的新能源未来发电的一些预测的基础，比如能够提供未来我们这个场站新能源的预测结果，如果我能够提高准确度的话，将会在使得发电厂能够知道，或者说发电集团能够知道，我未来到底能够明天或者后天在不同时段可以发出多少电，同时也能够预测出在同区域；比如在甘肃或者山西这样的区域，其他的地区可以估算风电怎么样，我们根据风能资源的情况去预估明年在不同时期，它电量供应量情况以及价格的情况，能够提升预测的精度，也就能够提升发电厂在电力交易当中报价申报这样一个策略，以及报价这样一个电价的准确程度，以及把握性，从而能够帮助发电企业能够在电力市场中获得更多的收益。以上就是我的技术应用的场景，谢谢。

（根据速记整理，未经本人审核）