1研究背景
在構建以新能源為主體的新型電力系統(tǒng)重點工作的推動下,新能源的發(fā)展速度再次得到提升,并即將成為我國各類型電源中的主力軍。
與常規(guī)電源不同,新能源對自然資源存在絕對依賴,導致了新能源具有布點集中和波動隨機兩個特點。新能源的電源布點具有很強的資源導向性,體現(xiàn)為新能源場站的分布高度集中,導致布點集中區(qū)域的電能輸出同時率高,對電能的消納和輸送提出了更高的要求。新能源功率變化由電源所在區(qū)域的天氣變化決定,風速、光照輻射度等氣象因素的微小變化都將帶動整個片區(qū)內新能源功率隨之波動,給維持電力系統(tǒng)的供需平衡帶來了巨大的挑戰(zhàn)。因此,為保障電力系統(tǒng)的安全、穩(wěn)定、經濟運行,新能源功率預測的必要性隨之提高。
現(xiàn)今,超短期和短期預測是新能源功率預測中應用最廣泛的指標:超短期滾動預測未來4h內的出力情況,短期滾動預測未來72h的出力情況。由于氣象預測準確度隨著時間的推移而下降,這就加大了新能源中長期功率預測的難度。本文通過概率統(tǒng)計的分析思維,基于實際場景應用提出以置信區(qū)間作為指標的新能源中長期功率預測方法。
2新能源中長期功率預測的需求
新能源超短期和短期預測只能覆蓋距離預測節(jié)點一周以內的功率變化情況,無法滿足距離預測節(jié)點時間較長或預測周期較長的新能源功率預測需求,同時,在電源規(guī)劃和調度運行的過程中需要估算新能源的發(fā)電能力。因此,新能源中長期預測的需求隨并網體量的增加而加大。
(1)電源規(guī)劃。我國經濟發(fā)展迅速,對電力供應體量的需求不斷上升,同時為實現(xiàn)能源清潔替代,高碳排量的火電機組在逐步退役,為新能源提供了巨大的擴容空間。但新能源功率的隨機性讓規(guī)劃人員在面對新能源的供應、消納與送出配套問題時無從下手。因此,規(guī)劃部門需要對布點地區(qū)在一般情況下新能源的功率輸出范圍進行估值,為規(guī)劃電源容量提供判斷的依據(jù)。
(2)調度運行。為保證電力系統(tǒng)實時運行的供求平衡,調度部門需要對中長期的發(fā)電供應裕度和負荷需求量進行評估,如年度發(fā)電計劃、月度發(fā)電計劃,或特殊時段如迎峰度夏、保供電等分析周期開展新能源的出力評估。調度人員可以通過新能源在相應時間周期內的功率波動范圍抽取極值,為供需極端情況提供假設場景。
3新能源功率置信區(qū)間預測方法
3.1預測方法選取
采用新能源功率置信區(qū)間作為預測指標可以突出預測功率的分布特征。因為如采用均值作為新能源中長期功率預測指標,將無法體現(xiàn)功率分布的離散程度;如采用極值作為指標,將無法體現(xiàn)大概率情況下的出力水平。因此,本文運用概率論的分析思維,采用置信區(qū)間作為新能源中長期的功率預測指標,以避免均值和極值作為指標的缺陷。新能源中長期功率置信區(qū)間預測可分解為三步:描繪功率分布曲線、求出樣本均值和獲得置信區(qū)間。其中,分布曲線將功率的出現(xiàn)概率分布散點連接成線,使新能源的功率分布概率特征更清晰、直觀;樣本均值是置信區(qū)間的中心點,作為置信區(qū)間的選取起點;置信區(qū)間基于新能源的功率分布,給出新能源功率預測的可取范圍,作為電網運行的分析數(shù)據(jù)依據(jù),一般可根據(jù)數(shù)據(jù)應用精確度的要求,選用80%或95%置信區(qū)間作為考量精度。
3.2樣本選取
一般情況下,分析人員選取統(tǒng)計周期內新能源的實時功率作為統(tǒng)計樣本。但考慮到統(tǒng)計周期和預測周期內新能源的裝機容量在不斷變化,所以本文采用新能源的出力水平作為新能源功率預測的統(tǒng)計樣本,用出力水平的置信區(qū)間折算出預測目標周期的功率置信區(qū)間。新能源出力水平計算方法如下所示:
出力水平=當期功率/當期裝機容量(1)
3.3分析過程
新能源功率置信區(qū)間預測過程具體如下:
(1)描繪分布曲線。x表示新能源出力水平的統(tǒng)計樣本,記為x1,x2,x3,…,xi;P表示新能源出力水平在對應區(qū)間的發(fā)生概率,P的計算方法如下所示:
式中:n表示區(qū)間[a,b)有n個x;N表示新能源出力水平總樣本數(shù)。
以x為橫坐標、P為縱坐標描繪出新能源出力水平一概率的分布曲線,以2020年A地區(qū)新能源出力水平一概率曲線為例,如圖1所示。
(2)計算樣本均值x,如下所示:
(3)計算樣本的置信區(qū)間。樣本的80%置信區(qū)間是以樣本均值x為中點向兩側取積分至80%為止,如下所示:
求出區(qū)域[x-k,x+k]作為相應精度的置信區(qū)間,95%置信區(qū)間同理。
以圖1分布曲線為例,計算出相應的均值和置信區(qū)間,如表1所示,結論反映2020年A地區(qū)新能源的出力水平有80%的可能性處于5%~20%,有95%的可能處于1%~30%。
(4)出力水平置信區(qū)間折算為功率預測置信區(qū)間。以出力水平置信區(qū)間[x-k,x+k]與當期新能源裝機容量的乘
積,計算出相應的功率預測置信區(qū)間。根據(jù)分析需求,此步驟亦可忽略。
3.4數(shù)據(jù)修正
在實際操作中,針對以下兩種情況需要修正數(shù)據(jù)源:
(1)出現(xiàn)錯誤數(shù)據(jù)。數(shù)據(jù)在采集、發(fā)送、接收、處理、存儲的過程中出錯,導致數(shù)據(jù)源有明顯錯誤,如在新能源場站正常發(fā)電情況下數(shù)據(jù)出現(xiàn)負值或持續(xù)為"0",則刪除此部分數(shù)據(jù),以免影響計算結果。
(2)光伏夜間數(shù)據(jù)。每天日落至次日日出期間光伏不發(fā)電,相當于"停機"狀態(tài),以A地區(qū)光伏出力水平一概率為例,"0"的概率過大導致正常發(fā)電時的出力水平分布并不明顯。因此,在單獨預測光伏功率置信區(qū)間時,從日落時光伏出力首次觸"0"的下一個數(shù)開始,至次日日出時光伏首個不為"0"數(shù)的前第二個數(shù)結束。修正后,分布曲線更能反映光伏在正常發(fā)電時的出力水平分布特征。另外,在分析風電、光伏總體的出力水平時,需要保持樣本的范圍同步,因此在分析風光總加數(shù)據(jù)時光伏不能進行此修正步驟。
4新能源功率置信區(qū)間預測的應用
新能源功率置信區(qū)間預測適用于各種新能源中長期功率預測場景,以分析A地區(qū)2021年度迎峰度夏期間(6月一8月)新能源的出力水平為例。在預估2021年度6月一8月新能源出力水平時,可以借助2020年6月一8月的數(shù)據(jù),得到2021年度6月一8月一般工況下新能源出力水平的置信區(qū)間。
同時,由于2021年度5月份A地區(qū)春夏交替提前,持續(xù)高溫,所以可以通過該5月份的出力水平數(shù)據(jù),預測2021年度度夏期間高溫工況下新能源的出力水平。
其中,均值可以視為一般情況下的出力水平,置信區(qū)間可以作為極端情況進行分析:上限代入新能源大發(fā)場景,預留足夠的就地消納空間和向外輸送通道;下限代入新能源貧乏場景,系統(tǒng)需要預留足夠的備用發(fā)電容量。此外,風電、光伏總加的均值分別低于風電和光伏的均值,這是因為光伏進行了夜間數(shù)據(jù)的修正,因此光伏得出的均值遠高于修正前的均值,屬于正?,F(xiàn)象。
5結語
本文針對各種新能源中長期功率預測的應用場景,提出了新能源中長期功率置信區(qū)間預測方法,經實例研究證明:新能源功率置信區(qū)間預測方法計算過程簡單、快捷,滿足新能源中長期功率預測的多種應用場景需求;在進行樣本置信區(qū)間計算的過程中,需要注意對特殊情況或特定類型的新能源數(shù)據(jù)進行修正,提高結論的精確度。