CN107480838A - 风电功率误差计算方法、装置及电力系统 - Google Patents
风电功率误差计算方法、装置及电力系统 Download PDFInfo
- Publication number
- CN107480838A CN107480838A CN201710910752.5A CN201710910752A CN107480838A CN 107480838 A CN107480838 A CN 107480838A CN 201710910752 A CN201710910752 A CN 201710910752A CN 107480838 A CN107480838 A CN 107480838A
- Authority
- CN
- China
- Prior art keywords
- error
- wind power
- section
- wind speed
- wind
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 58
- 238000012797 qualification Methods 0.000 claims abstract description 62
- 239000006185 dispersion Substances 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 29
- 230000005611 electricity Effects 0.000 claims description 25
- 238000013507 mapping Methods 0.000 claims description 18
- 238000013481 data capture Methods 0.000 claims description 7
- 240000002853 Nelumbo nucifera Species 0.000 claims description 5
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 abstract description 7
- 238000010248 power generation Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H02J3/386—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施例提供了一种风电功率误差计算方法、装置及电力系统,涉及新能源发电技术领域,解决了现有技术中对风电场发电出力的预测精度不高导致无法满足实际电网调度和运行的要求的问题。该方法包括,获取风电场在预设时间的目标风电功率和实际风电功率;根据目标风电功率和实际风电功率,计算预设时间的风电功率误差;根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型;根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果。本发明实施例用于风电功率误差的计算。
Description
技术领域
本发明涉及新能源发电技术领域,尤其涉及一种风电功率误差计算方法、装置及电力系统。
背景技术
随着能源危机,环境恶化形式的日益严重,全球各大经济体相继签署了抑制碳排放和发展清洁能源的文件或备忘录。21世纪开始,风电、光伏等新能源发电技术发展迅速且已具备大规模并网应用的条件,然而由于风电出力具有间歇性,随机性和可控性差的特点,大规模并网会对系统造成较大的影响,同时随着电力市场化改革进程的推进,风电等间歇性能源如果想提高自己进入市场的竞争力,需首先提高发电出力预测精度和水平,电网公司为了系统安全稳定运行,也需对风电场提出的功率预测精度进行把控,对不满足要求的厂家按照惩罚机制采取相应的惩罚措施;所以,完善的风电功率误差计算方法对风电市场化消纳具有重要意义。
目前国内主要使用均方根误差、合格率和及时率三个指标中的一个或多个来进行风功率预测考核,虽然可以达到一定的考核效果,但是仍存在局限性,需改进和提高;例如,合格率计算公式中,只是把预测发电出力与实际发电出力的误差简单区分为“合格”和“不合格”两类;示例性的,A风电场和B风电场在合格率均为“合格”时,将A风电场和B风电场同时接入电网,可能A风电场对电网的系统安全会造成的较大的冲击或者存在B风电场对电网的系统安全会造成的较大的冲击或者A风电场和B风电场对电网的系统安全会造成的较大的冲击;由于,现有技术中只是对A风电场和B风电场的合格率简单区分为“合格”和“不合格”两类,而即使A风电场和B风电场的合格率为“合格”,A风电场和B风电场之间还是存在差异,从而将A风电场和B风电场接入电网后可能会存在上述问题,导致对电网的系统安全造成冲击。
由上述可知,现有技术中对风电场发电出力的预测精度不高导致无法满足实际电网调度和运行的要求。
发明内容
本发明的实施例提供一种风电功率误差计算方法、装置及电力系统,解决了现有技术中对风电场发电出力的预测精度不高导致无法满足实际电网调度和运行的要求的问题。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面、本发明的实施例提供一种风电功率误差计算方法,包括:获取风电场在预设时间的目标风电功率和实际风电功率;根据目标风电功率和实际风电功率,计算预设时间的风电功率误差;根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型;根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果。
可选的,根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型包括:根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率建立风电功率误差评价模型;根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果包括:根据风电功率误差计算风电功率误差评价模型中的高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率;根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度,以及均方根误差、合格率和及时率生成风电场的风电功率误差计算结果。
可选的,根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型包括:根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率建立风电功率误差评价模型;根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果后,还包括:建立惩罚力度与高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率的映射关系;根据风电功率误差计算结果以及映射关系,得到风电场的考核结果;其中,考核结果用于指示风电场是否需要提升风电功率误差。
可选的,映射关系包括:及时率对应的第一惩罚力度;高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差对应的第二惩罚力度;均方根误差、合格率对应的第三惩罚力度;误差离散度对应的第四惩罚力度;其中,第一惩罚力度的优先级大于第二惩罚力度,第二惩罚力度的优先级大于第三惩罚力度,第三惩罚力度的优先级大于第四惩罚力度。
第二方面、本发明的实施例提供一种风电功率误差计算装置,包括:数据获取单元,用于获取风电场在预设时间的目标风电功率和实际风电功率;数据处理单元,用于根据数据获取单元获取的目标风电功率和数据获取单元获取的实际风电功率,计算预设时间的风电功率误差;数据处理单元,还用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型;数据处理单元,还用于根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果。
可选的,数据处理单元,具体用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率建立风电功率误差评价模型;数据处理单元,还用于根据风电功率误差计算风电功率误差评价模型中的高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率;数据处理单元,还用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度,以及均方根误差、合格率和及时率生成风电场的风电功率误差计算结果。
可选的,数据处理单元,具体用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率建立风电功率误差评价模型;数据处理单元,还用于建立惩罚力度与高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率的映射关系;数据处理单元,还用于根据风电功率误差计算结果以及映射关系,得到风电场的考核结果;其中,考核结果用于指示风电场是否需要提升风电功率误差。
可选的,映射关系包括:及时率对应的第一惩罚力度;高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差对应的第二惩罚力度;均方根误差、合格率对应的第三惩罚力度;误差离散度对应的第四惩罚力度;其中,第一惩罚力度的优先级大于第二惩罚力度,第二惩罚力度的优先级大于第三惩罚力度,第三惩罚力度的优先级大于第四惩罚力度。
第三方面、本发明的实施例提供一种电力系统,包括第二方面提供的任一项风电功率误差计算装置。
本发明实施例提供的风电功率误差计算方法、装置及电力系统,通过建立包含均方根误差、合格率、及时率、高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度的风电功率误差评价模型,可以更加全面的计算风电场实际的风电功率误差,提高风电功率误差的精确度;从而解决了现有技术中对风电场发电出力的预测精度不高导致无法满足实际电网调度和运行的要求的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的实施例提供的一种风电功率误差计算方法的流程示意图;
图2为本发明的实施例提供的一种风电功率误差计算方法在实际的应用中的流程示意图;
图3为本发明的实施例提供的一种风电功率误差计算装置的结构示意图。
附图标记:
风电功率误差计算装置-10;
数据获取单元-101;
数据处理单元-102。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一、本发明的实施例提供一种风电功率误差计算方法,如图1所示包括:
S101、获取风电场在预设时间的目标风电功率和实际风电功率。
需要说明的是,在实际的应用中在进行步骤S101时可以有多种的获取方式,这里不做限定;示例性的,预测下一时段(日,周,月)的风电出力,形成风电出力预测样本:Pforecast={Pfore1,Pfore2,Pfore3,…,Pfore(n-1),Pfore(n)}。
实际运行时各时段风电出力值为:
Preal={Preal1,Preal2,Preal3,…,Preal(n-1),Preal(n)}。
S102、根据目标风电功率和实际风电功率,计算预设时间的风电功率误差。
需要说明的是,在实际的应用中在进行步骤S101时可以有多种的获取方式,这里不做限定;示例性的,根据风电实际运行和预测值,计算出力预测误差,构建误差集合:
e={e1=Preal1-Pfore1,e2=Preal2-Pfore2,…,en-1=Preal(n-1)-Pfore(n-1),en=Preal(n)-Pfore(n)}。
S103、根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型。
S104、根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果。
可选的,根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型包括:根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率建立风电功率误差评价模型;根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果包括:根据风电功率误差计算风电功率误差评价模型中的高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率;根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度,以及均方根误差、合格率和及时率生成风电场的风电功率误差计算结果。
需要说明的是,在实际的应用中可以通过建立以(均方根误差、合格率、及时率、高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度)八元组的评价指标体系,并根据已计算得出的误差集合,求出各指标的值;其中,均方根误差,主要度量的是预测值与真实值的总体平均意义上的偏离程度,计算公式为:其中,P为风电场额定功率,ei为各预测样本的误差,n为预测样本数目。
合格率,主要描写各点误差中小于25%的点,占所有点的比例,用来评价各点误差的不均匀性,计算公式为:
其中,Bi=1;Bi=0。
及时率,主要度量预测结果有无在规定时刻前,通过约定的通信规约传输到电网,计算公式为:其中:tsuccess为月/年成功传输数据天数,ttotal为月/年总日历天数。
高风速段预测误差,风速大于8米每秒时的均方根误差,用于考核高风速段的风电功率预测误差,计算公式为:v>8m/s。
低风速段预测误差,风速低于5米每秒时的均方根误差,用于考核低风速段的风电功率预测误差,计算公式为:v<5m/s。
负荷高峰段误差,在负荷高峰时段的风电功率预测的均方根误差,计算公式为:t∈[tpeak-1,tpeak+1],t表示时段。
负荷低谷段误差,在负荷低谷时段的风电功率预测的均方根误差,计算公式为:t∈[tvalley-1,tvalley+1],t表示时段。
误差离散度,即误差的标准差,反映一个数据集的离散程度和各个观测个体之间的差异大小,计算公式为:其中,eavg为观测样本误差绝对值的平均值,
可选的,根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型包括:根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率建立风电功率误差评价模型;根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果后,还包括:建立惩罚力度与高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率的映射关系;根据风电功率误差计算结果以及映射关系,得到风电场的考核结果;其中,考核结果用于指示风电场是否需要提升风电功率误差。
可选的,映射关系包括:及时率对应的第一惩罚力度;高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差对应的第二惩罚力度;均方根误差、合格率对应的第三惩罚力度;误差离散度对应的第四惩罚力度;其中,第一惩罚力度的优先级大于第二惩罚力度,第二惩罚力度的优先级大于第三惩罚力度,第三惩罚力度的优先级大于第四惩罚力度。
需要说明的是,在实际的应用中映射关系中的各项指标的惩罚力度遵循如下排序:及时率惩罚力度最大,高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差惩罚力度次之、均方根误差和合格率的惩罚力度再次之,误差离散度最后考虑,即
Penalty{δin-time>(eRMES-h,eRMES-l,eRMES-peak,eRMES-valley)>(eRMES,ηquality)>eSD}。
示例性的,如图2所示以风电场A和风电场B一天的功率预测曲线为例,对本发明的风电功率误差计算方法在实际的应用中的具体操作步骤做进一步的补充说明:
假设风电场A总装机容量49.5MW,7月30日96个点的数据均按时传送到达,在7月30日的风功率预测如下表:
表1风电场A在7月30日风功率预测(其中,Time表示时间,P(MW)表示功率(兆瓦))
假设风电场B总装机容量48MW,7月30日96个点的数据均按时传送到达,在7月30日的风功率预测如下表:
表2风电场B在7月30日风功率预测
实际运行后,风电场A和风电场B的实际运行功率分别为:
表3风电场A在7月30日实际运行功率
表4风电场B在7月30日实际运行功率
通过计算,风电场A和风电场B在7月30日的功率预测误差分别为:
Time | 0:00 | 0:15 | 0:30 | 0:45 | 1:00 | 1:15 | 1:30 | 1:45 | 2:00 | 2:15 | 2:30 | 2:45 |
P(MW) | 9.98 | 10.45 | 7.07 | 6.97 | 9.68 | 8.70 | 7.44 | -8.05 | -11.49 | -29.39 | -29.33 | -29.31 |
Time | 3:00 | 3:15 | 3:30 | 3:45 | 4:00 | 4:15 | 4:30 | 4:45 | 5:00 | 5:15 | 5:30 | 5:45 |
P(MW) | -25.74 | -25.75 | -25.75 | -25.75 | -25.79 | -25.75 | -25.75 | -25.76 | -26.03 | -19.81 | -8.02 | -6.11 |
Time | 6:00 | 6:15 | 6:30 | 6:45 | 7:00 | 7:15 | 7:30 | 7:45 | 8:00 | 8:15 | 8:30 | 8:45 |
P(MW) | -6.03 | 0.28 | 2.07 | 13.01 | 7.69 | 11.17 | 0.02 | -0.71 | -2.62 | -2.44 | -2.28 | -11.49 |
Time | 9:00 | 9:15 | 9:30 | 9:45 | 10:00 | 10:15 | 10:30 | 10:45 | 11:00 | 11:15 | 11:30 | 11:45 |
P(MW) | -3.15 | 1.29 | 5.51 | 6.29 | 6.63 | 8.29 | 4.01 | -8.89 | -7.29 | -10.41 | -16.06 | -7.45 |
Time | 12:00 | 12:15 | 12:30 | 12:45 | 13:00 | 13:15 | 13:30 | 13:45 | 14:00 | 14:15 | 14:30 | 14:45 |
P(MW) | -8.36 | -6.92 | -8.29 | -3.18 | -4.75 | -7.85 | -7.16 | -8.20 | -6.39 | -10.89 | -5.07 | -3.96 |
Time | 15:00 | 15:15 | 15:30 | 15:45 | 16:00 | 16:15 | 16:30 | 16:45 | 17:00 | 17:15 | 17:30 | 17:45 |
P(MW) | 2.65 | 17.94 | -0.46 | -7.66 | -10.25 | -5.42 | -12.45 | -8.24 | -9.50 | -16.56 | -24.30 | -24.77 |
Time | 18:00 | 18:15 | 18:30 | 18:45 | 19:00 | 19:15 | 19:30 | 19:45 | 20:00 | 20:15 | 20:30 | 20:45 |
P(MW) | -18.98 | -13.57 | -5.41 | -4.82 | -10.97 | -22.26 | -16.10 | -21.59 | -24.68 | -24.73 | -25.03 | -20.56 |
Time | 21:00 | 21:15 | 21:30 | 21:45 | 22:00 | 22:15 | 22:30 | 22:45 | 23:00 | 23:15 | 23:30 | 23:45 |
P(MW) | -20.08 | -19.05 | -20.35 | -20.36 | -18.88 | -20.10 | -20.40 | -20.78 | -21.46 | -21.22 | -22.17 | -21.92 |
表5风电场A在7月30日的功率预测误差
Time | 0:00 | 0:15 | 0:30 | 0:45 | 1:00 | 1:15 | 1:30 | 1:45 | 2:00 | 2:15 | 2:30 | 2:45 |
P(MW) | 11.82 | 11.32 | 13.11 | 8.69 | 5.32 | -5.54 | -2.50 | -1.59 | -16.11 | -25.00 | -25.10 | -25.02 |
Time | 3:00 | 3:15 | 3:30 | 3:45 | 4:00 | 4:15 | 4:30 | 4:45 | 5:00 | 5:15 | 5:30 | 5:45 |
P(MW) | -30.73 | -30.04 | -29.99 | -30.21 | -29.93 | -29.91 | -34.99 | -36.53 | -40.52 | -40.52 | -40.43 | -40.42 |
Time | 6:00 | 6:15 | 6:30 | 6:45 | 7:00 | 7:15 | 7:30 | 7:45 | 8:00 | 8:15 | 8:30 | 8:45 |
P(MW) | -32.38 | -32.35 | -32.40 | -32.37 | -32.33 | -32.35 | -25.38 | -11.59 | -3.65 | 0.32 | 12.27 | 16.19 |
Time | 9:00 | 9:15 | 9:30 | 9:45 | 10:00 | 10:15 | 10:30 | 10:45 | 11:00 | 11:15 | 11:30 | 11:45 |
P(MW) | 17.19 | 15.20 | 16.81 | 15.22 | 15.24 | 13.49 | 6.67 | 8.01 | 8.21 | 9.88 | 12.09 | 12.13 |
Time | 12:00 | 12:15 | 12:30 | 12:45 | 13:00 | 13:15 | 13:30 | 13:45 | 14:00 | 14:15 | 14:30 | 14:45 |
P(MW) | 22.10 | 22.04 | 22.02 | 21.57 | 18.92 | 19.49 | 8.10 | 4.87 | 1.34 | -3.08 | -13.00 | -7.16 |
Time | 15:00 | 15:15 | 15:30 | 15:45 | 16:00 | 16:15 | 16:30 | 16:45 | 17:00 | 17:15 | 17:30 | 17:45 |
P(MW) | -8.22 | 0.71 | 3.39 | 5.81 | 6.43 | 0.96 | 1.97 | -5.17 | -9.71 | -6.57 | -7.43 | -11.25 |
Time | 18:00 | 18:15 | 18:30 | 18:45 | 19:00 | 19:15 | 19:30 | 19:45 | 20:00 | 20:15 | 20:30 | 20:45 |
P(MW) | -12.95 | -16.67 | -18.81 | -16.97 | -18.70 | -21.28 | -16.48 | -19.91 | -20.96 | -18.70 | -16.90 | -18.96 |
Time | 21:00 | 21:15 | 21:30 | 21:45 | 22:00 | 22:15 | 22:30 | 22:45 | 23:00 | 23:15 | 23:30 | 23:45 |
P(MW) | -18.65 | -14.60 | -13.55 | -14.18 | -12.31 | -13.46 | -13.66 | -11.75 | -13.18 | -14.85 | -12.79 | -11.27 |
表6风电场B在7月30日的功率预测误差
根据以上风电功率预测误差,可以计算得到风电场A各误差指标为:
eRMES=0.334,ηquality=49.5%,δin-time=100%,eRMES-h=0.212,eRMES-l=0.307,eRMES-peak=0.349,eRMES-valley=0.496,eSD=0.173。
风电场B各误差指标为:
eRMES=0.366,ηquality=50.5%,δin-time=100%,eRMES-h=0.174,eRMES-l=0.369,eRMES-peak=0.313,eRMES-valley=0.523,eSD=0.182。
从上述结果可以看出,风电场A和风电场B在不同指标方面均有优劣,并不能简单的从均方根误差和合格率上判定风电场A或风电场B的发电出力预测精度的优劣;在实际的应用中审核风电场A和风电场B的发电出力预测精度时,除了现有技术中的均方根误差、合格率和及时率,还可以参考高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低峰段误差以及误差离散程度中的一项或者多项来对风电场A和风电场B的发电出力预测精度进行审核;示例性的,调度人员若以均方根误差、及时率、低风速段预测误差、负荷低谷段误差以及误差离散度这五个误差指标来审核风电场A和风电场B的发电出力预测精度;由上述可知,风电场A各个指标的参数值均低于风电场B各个指标的参数值,因此风电场A的发电出力预测精度更高,风电场B的发电出力预测精度需要进一步提高(风电场A在合格率、高风速段预测误差以及负荷高峰段预测误差三个指标上相比风电场B较差,所以从这三个指标来看,风电场A相比风电场B需要进一步提高预测精度,从而使得风电场A的发电出力预测精度更加准确);具体的在实际的应用中调度人员可以根据自己电网特性,通过本专利提出的八个维度评价指标综合全面比较,参考提出的惩罚力度排序,拟定适用于自己电网的误差指标,对风电发电方进行考核,督促其提升功率预测精度,更好的消纳风资源。
本发明实施例提供的风电功率误差计算方法,通过建立包含均方根误差、合格率、及时率、高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度的风电功率误差评价模型,可以更加全面的计算风电场实际的风电功率误差,提高风电功率误差的精确度;从而解决了现有技术中对风电场发电出力的预测精度不高导致无法满足实际电网调度和运行的要求的问题。
实施例二、本发明的实施例提供一种风电功率误差计算装置10,如图3所示包括:
数据获取单元101,用于获取风电场在预设时间的目标风电功率和实际风电功率。
数据处理单元102,用于根据数据获取单元101获取的目标风电功率和数据获取单元101获取的实际风电功率,计算预设时间的风电功率误差。
数据处理单元102,还用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型。
数据处理单元102,还用于根据风电功率误差和风电功率误差评价模型,生成风电场的风电功率误差计算结果。
可选的,数据处理单元102,具体用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率建立风电功率误差评价模型;数据处理单元102,还用于根据风电功率误差计算风电功率误差评价模型中的高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率;数据处理单元102,还用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度,以及均方根误差、合格率和及时率生成风电场的风电功率误差计算结果。
可选的,数据处理单元102,具体用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率建立风电功率误差评价模型;数据处理单元,还用于建立惩罚力度与高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度、均方根误差、合格率以及及时率的映射关系;数据处理单元102,还用于根据风电功率误差计算结果以及映射关系,得到风电场的考核结果;其中,考核结果用于指示风电场是否需要提升风电功率误差。
可选的,映射关系包括:及时率对应的第一惩罚力度;高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差对应的第二惩罚力度;均方根误差、合格率对应的第三惩罚力度;误差离散度对应的第四惩罚力度;其中,第一惩罚力度的优先级大于第二惩罚力度,第二惩罚力度的优先级大于第三惩罚力度,第三惩罚力度的优先级大于第四惩罚力度。
本发明实施例提供的风电功率误差计算装置,通过数据处理单元建立包含均方根误差、合格率、及时率、高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度的风电功率误差评价模型,可以更加全面的计算风电场实际的风电功率误差,提高风电功率误差的精确度;从而解决了现有技术中对风电场发电出力的预测精度不高导致无法满足实际电网调度和运行的要求的问题。
实施例三、本发明的实施例提供一种电力系统,包括实施例二提供的任一项风电功率误差计算装置。
本发明实施例提供的电力系统,通过建立包含均方根误差、合格率、及时率、高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差、误差离散度的风电功率误差评价模型,可以更加全面的计算风电场实际的风电功率误差,提高风电功率误差的精确度;从而解决了现有技术中对风电场发电出力的预测精度不高导致无法满足实际电网调度和运行的要求的问题。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种风电功率误差计算方法,其特征在于,包括:
获取风电场在预设时间的目标风电功率和实际风电功率;
根据所述目标风电功率和所述实际风电功率,计算所述预设时间的风电功率误差;
根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型;
根据所述风电功率误差和所述风电功率误差评价模型,生成所述风电场的风电功率误差计算结果。
2.根据权利要求1所述的风电功率误差计算方法,其特征在于,所述根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型包括:
根据所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差、所述误差离散度、所述均方根误差、所述合格率以及所述及时率建立风电功率误差评价模型;
根据所述风电功率误差和风电功率误差评价模型,生成所述风电场的风电功率误差计算结果包括:
根据所述风电功率误差计算所述风电功率误差评价模型中的所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差、所述误差离散度、所述均方根误差、所述合格率以及所述及时率;
根据所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差以及所述误差离散度,以及所述均方根误差、所述合格率和所述及时率生成所述风电场的风电功率误差计算结果。
3.根据权利要求1所述的风电功率误差计算方法,其特征在于,所述根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型包括:
根据所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差、所述误差离散度、所述均方根误差、所述合格率以及所述及时率建立风电功率误差评价模型;
所述根据所述风电功率误差和所述风电功率误差评价模型,生成所述风电场的风电功率误差计算结果后,还包括:
建立惩罚力度与所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差、所述误差离散度、所述均方根误差、所述合格率以及所述及时率的映射关系;
根据所述风电功率误差计算结果以及所述映射关系,得到所述风电场的考核结果;其中,所述考核结果用于指示所述风电场是否需要提升所述风电功率误差。
4.根据权利要求3所述的风电功率误差计算方法,其特征在于,所述映射关系包括:
所述及时率对应的第一惩罚力度;
所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差对应的第二惩罚力度;
所述均方根误差、所述合格率对应的第三惩罚力度;
所述误差离散度对应的第四惩罚力度;其中,所述第一惩罚力度的优先级大于所述第二惩罚力度,所述第二惩罚力度的优先级大于所述第三惩罚力度,所述第三惩罚力度的优先级大于所述第四惩罚力度。
5.一种风电功率误差计算装置,其特征在于,包括:
数据获取单元,用于获取风电场在预设时间的目标风电功率和实际风电功率;
数据处理单元,用于根据所述数据获取单元获取的所述目标风电功率和所述数据获取单元获取的所述实际风电功率,计算所述预设时间的风电功率误差;
所述数据处理单元,还用于根据高风速段预测误差、低风速段预测误差、负荷高峰段误差、负荷低谷段误差以及误差离散度中的一项或者多项,以及均方根误差、合格率、及时率建立风电功率误差评价模型;
所述数据处理单元,还用于根据所述风电功率误差和所述风电功率误差评价模型,生成所述风电场的风电功率误差计算结果。
6.根据权利要求5所述的风电功率误差计算装置,其特征在于,所述数据处理单元,具体用于根据所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差、所述误差离散度、所述均方根误差、所述合格率以及所述及时率建立风电功率误差评价模型;
所述数据处理单元,还用于根据所述风电功率误差计算所述风电功率误差评价模型中的所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差、所述误差离散度、所述均方根误差、所述合格率以及所述及时率;
所述数据处理单元,还用于根据所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差以及所述误差离散度,以及所述均方根误差、所述合格率和所述及时率生成所述风电场的风电功率误差计算结果。
7.根据权利要求5所述的风电功率误差计算装置,其特征在于,
所述数据处理单元,具体用于根据所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差、所述误差离散度、所述均方根误差、所述合格率以及所述及时率建立风电功率误差评价模型;
所述数据处理单元,还用于建立惩罚力度与所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差、所述误差离散度、所述均方根误差、所述合格率以及所述及时率的映射关系;
所述数据处理单元,还用于根据所述风电功率误差计算结果以及所述映射关系,得到所述风电场的考核结果;其中,所述考核结果用于指示所述风电场是否需要提升所述风电功率误差。
8.根据权利要求5所述的风电功率误差计算装置,其特征在于,所述映射关系包括:
所述及时率对应的第一惩罚力度;
所述高风速段预测误差、所述低风速段预测误差、所述负荷高峰段误差、所述负荷低谷段误差对应的第二惩罚力度;
所述均方根误差、所述合格率对应的第三惩罚力度;
所述误差离散度对应的第四惩罚力度;其中,所述第一惩罚力度的优先级大于所述第二惩罚力度,所述第二惩罚力度的优先级大于所述第三惩罚力度,所述第三惩罚力度的优先级大于所述第四惩罚力度。
9.一种电力系统,其特征在于,包括如权利要求5-8任一项所述的风电功率误差计算装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710910752.5A CN107480838A (zh) | 2017-09-29 | 2017-09-29 | 风电功率误差计算方法、装置及电力系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710910752.5A CN107480838A (zh) | 2017-09-29 | 2017-09-29 | 风电功率误差计算方法、装置及电力系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107480838A true CN107480838A (zh) | 2017-12-15 |
Family
ID=60604763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710910752.5A Pending CN107480838A (zh) | 2017-09-29 | 2017-09-29 | 风电功率误差计算方法、装置及电力系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107480838A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381310A (zh) * | 2020-11-23 | 2021-02-19 | 贵州电网有限责任公司 | 一种风电预测误差综合评价方法 |
CN116317169A (zh) * | 2023-05-17 | 2023-06-23 | 三峡智控科技有限公司 | 一种风功率预测系统远程智能比对平台与方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170005470A1 (en) * | 2015-07-01 | 2017-01-05 | General Electric Company | Predictive control for energy storage on a renewable energy system |
CN106447115A (zh) * | 2016-10-08 | 2017-02-22 | 华北电力科学研究院有限责任公司 | 区域电网的风电功率预测的评价方法 |
-
2017
- 2017-09-29 CN CN201710910752.5A patent/CN107480838A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170005470A1 (en) * | 2015-07-01 | 2017-01-05 | General Electric Company | Predictive control for energy storage on a renewable energy system |
CN106447115A (zh) * | 2016-10-08 | 2017-02-22 | 华北电力科学研究院有限责任公司 | 区域电网的风电功率预测的评价方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381310A (zh) * | 2020-11-23 | 2021-02-19 | 贵州电网有限责任公司 | 一种风电预测误差综合评价方法 |
CN116317169A (zh) * | 2023-05-17 | 2023-06-23 | 三峡智控科技有限公司 | 一种风功率预测系统远程智能比对平台与方法 |
CN116317169B (zh) * | 2023-05-17 | 2023-08-04 | 三峡智控科技有限公司 | 一种风功率预测系统远程智能比对平台与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102055188B (zh) | 基于时间序列法的超短期风电功率预报方法 | |
CN104682381B (zh) | 大型风电场柔性直流输电系统可靠性计算方法 | |
CN102478584B (zh) | 基于小波分析的风电场风速预测方法及系统 | |
CN107204615B (zh) | 一种实现功率预测的方法及系统 | |
CN102545214A (zh) | 一种含电池储能设备的风电场可靠性评估方法 | |
CN104978608A (zh) | 一种风电功率预测装置及预测方法 | |
CN102479347A (zh) | 基于数据驱动的风电场短期风速预测方法和系统 | |
CN104143839B (zh) | 基于功率预测的风电场集群限出力有功功率分配方法 | |
CN103345585A (zh) | 基于支持向量机的风功率预测校正方法及系统 | |
CN102904248B (zh) | 基于风电出力不确定性集合的电力系统调度方法 | |
CN103295077A (zh) | 一种考虑预测误差分布特性的风电场集群调度方法 | |
CN105262148B (zh) | 计及风电出力特性的规划年电力平衡方法 | |
CN107480838A (zh) | 风电功率误差计算方法、装置及电力系统 | |
CN103366225B (zh) | 风功率预测误差识别方法 | |
CN116933952B (zh) | 基于物联网可视化的园区低碳能源调度系统 | |
CN113869940A (zh) | 支持全时域的电力市场统一业务与信息交互方法 | |
CN108493991A (zh) | 一种基于风电机组健康程度的风电机组功率分配计算方法 | |
CN106204339B (zh) | 一种含潮汐流能发电场电力系统的发电可靠性评估方法 | |
CN104242354A (zh) | 计及风光出力相关性的新能源集中外送运行特性评估方法 | |
CN104331748B (zh) | 一种预测规划目标年风电场群持续功率曲线的方法 | |
CN115879976A (zh) | 一种碳中和仿真方法及终端 | |
CN112365053B (zh) | 负荷区域内分布式光伏发电总功率的预测方法、系统与计算机可读介质 | |
CN106777740A (zh) | 一种风电出力概率分布特性快速判别方法 | |
CN106253328A (zh) | 一种对风电场并网点进行合理选址的分析方法 | |
Li et al. | Low carbon unit commitment for power system with wind farms and carbon capture devices based on DE-BBO algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171215 |
|
RJ01 | Rejection of invention patent application after publication |