[科普中国]-风能数值天气预报

简介

风能预测系统是进行风力发电生产安排及整合风电机组并网所需的重要技术，主要是利用气象数据并结合风力发电机组或风电场的功率曲线， 预测风电机组或风电场未来发电功率。受技术、经济以及其他因素的影响，中国风能预测系统的发展较为缓慢。风能预测系统主要分为统计型、物理型以及混合型3 种。统计型风能预测系统通过对大量历史数据进行分析，建立历史数据与预测发电功率之间的关系。根据使用的模型不同，统计型风能预测系统可分为时间序列系统和人工智能系统。

物理型风能预测系统主要是利用低层大气的详细信息来进行预测，利用数值天气预报提供的风场中风力发电机组上空的风速变化信息，推导出风力发电机组中心处的风速值，在综合考虑地形、障碍以及粗糙度等条件下，利用功率曲线推导出发电功率。物理型风能预测系统使用数值天气预报作

为输入数据， 所以预测时间界限为数值天气预报预测时间期限，可以满足实际要求。但是该型系统没有对历史数据进行分析， 所以误差与统计型风能预测系统相比较高。混合型风能预测系统既使用数值天气预报作为输入数据，又利用历史数据进行分析、建模，兼有物理型和统计型风能预测系统的优点，预测误差最低，是最优的风能预测系统。西方发达国家现阶段主要使用的就是混合型风能预测系统。

随着集合数值天气预报技术的大力发展，其预测的精度提高很快，这就促进了各种新的风能预测模型的发展。一种基于数值天气预报以及人工神经网络的混合型风能预测模型。该风能预测模型以风速数据为基准，对所有数据进行分级，并且按各级别进行预测，有较为理想的预测精度1。

风能预测系统的建立数据预处理将风向、风速和发电量数据输入到风能预处理模型中，以风速数据为基准，对同一时刻的所有数据同时进行保留或删除操作。操作的依据是：若风速数据在切入风速和切出风速之间， 保留该时刻所有数据，参加预测；若风速在切入风速及切出风速之外，删除该时刻所有数据，不参加预测。这是由于在进行实际应用时， 当风速在切入风速以下及切出风速以上时，发电功率恒为零；当风速在额定风速以上及切出风速以下时，发电功率为额定功率。经过上述处理的各数据有着不同的量纲， 为了将有量纲的物理量转化为无量纲的相对量，需要将得到的数据进行归一化处理1。

人工神经网络模型的建立人工神经网络是一种应用类似于人大脑神经突触连接的结构进行信息处理的数学模型，由大量的节点和节点之间的连接构成。每个节点代表一种特定的输出函数，两个节点之间的连接代表一个通过该连接信号的加权值。这样就构成了一个能进行人工感知的网络。人工神经网络模型包括自组织神经网络模型以及径向基函数网络模型。

误差分析将预测发电功率与实际发电功率进行比较，得到各级的预测误差及误差的统计量，数据为各级别预测发电功率的误差，均为标准值。对数据进行分析，可以发现：高速级的误差最大，并且有极大误差点存在，而随着风速的逐渐降低，预测误差逐渐减小。这是因为在样本数据中，风向数据的记录不够准确，有部分数据为零，这就造成了不同的风速在同一风向情况下发电量不同的情况，导致了预测的不准确。所以可以认为，风向数据的不准确性是预测误差的主要原因。同时，风电机组的工作状况以及模型的误差也是造成预测误差的原因2。

总结风能预测系统利用历史数据建立人工神经网络模型， 并利用数值天气预报作为输入数据来预测某发电机组的发电功率。本系统可以用来进行48 h 的风能预测。

计算实例表明， 本风能预测系统预测平均误差在10%以内，已经可以用于实际生产。可以认为，该模型基本符合实际应用要求。预测误差随着风速的降低而降低，可认为本系统主要适用于中、低风速的风能预测。

通过对数据和误差的分析， 可知高风速条件下风能预测误差最大。这是由于高风速时风向难以测定，造成风向误差较大，从而导致风能预测在高风速条件下误差最大3。