张清波
大唐三门峡风力发电有限公司、河南省三门峡市 472000
摘要：随着经济和科技的快速发展，风电功率的预测对风力发电系统具有重要意义，然而，风力发电的输出功率具有较大的波动性和间歇性，这对制定发电计划、调度运行带来了巨大的挑战。本文介绍了一种基于SVM算法对风电功率进行预测的方法，将风电功率的历史数据作为因变量，将其对应的影响风电功率的主要因素数据作为自变量，使用SVM回归方法建立预测模型，找出最佳的模型参数，将需要预测的数据自变量输入到模型中，有效并准确地预测出风电功率数据，预测准确度可达到94%以上。随着地球环境的污染和不可再生资源的过度消耗，人们把更多的目光投在了可再生资源身上。风资源作为一种清洁能源，取之不尽，用之不竭，和目前常见的火力发电相比，没有污染排放，也没有煤炭资源消耗。中国作为风资源储量巨大的国家，装机量逐年提高，从保护环境和节约资源的角度来看，风力发电具有良好的未来发展前景。风电功率是风力发电系统中最为重要的指标之一，然而，风电功率会受到风速、风向角等因素的影响，因此对风电功率预测的准确性成为了关键。
关键词：风力发电系统；最大功率点跟踪；交错并联电路；电导增量法
引言
在风力发电系统中，采用何种前级升压电路以及风力电池的最大功率点跟踪方法始终是究热点。电路输入电流纹波大、功率因数低等问题，提出采用交错并联Ｂｏｏｓｔ电路作为前级电路，并对其进行研究；针对传统跟踪方法时间长、效率低等问题，改进变步长电导增量法，能够兼顾动态速度和稳态精度进而实现最大功率点跟踪。
1风力发电功率特性分析
在风力发电过程中，需要结合系统发电特性对功率进行预测。但实际风力发电将受到气压、温度等各方面因素的影响，因此需要实现历史数据深入分析，对其中隐含的规律进行挖掘。通过建立功率预测模型，对一定时间内风力发电功率进行科学预估，能够根据精准预测曲线做好风力电站运行安排，避免大规模风力电站并网给电网运行带来不良影响。根据观测得到的地面数据、天气预报信息等进行综合预测，确定功率瞬变情况。预测的时间分辨率最小将达到1min，最大不超10min，能够为电网状态实时分析提供依据，为电网自动发电控制实现提供支持。而对6h以上功率变化进行预测，可以直接利用天气预报数据进行分析。在使分析的数据量得到减少的同时，对气象等数据无过高的时空分辨率要求。在实际分析过程中，需要保证预测结果达到较高精度，以便通过科学调度为电网安全运行提供保障。得到的结果也能为风力发电中长期功率预测奠定扎实基础，使区域光资源得到科学利用。
2风力发电功率预测技术
2.1储能配置优化计算结果
不同储能容量时对应的储能系统的净现值，整个储能工程净现值在弃电率降低到4.6%附近时达到最大，约2040万元，此时储能系统的容量为500MWh。在选定储能容量500MWh的前提下，由于储能电池不同充放电倍率对应不同的充放电功率，从而使储能系统每小时内储存和释放的电量不同，导致相同容量不同功率的储能系统整体成本和收益以及弃电率略有差异。在给定储能电池容量条件下，为更准确地测算储能电池安装功率大小，通过差额收益率方法比较了相同储能系统容量不同功率方案间的经济性（与未配置储能系统的状态进行对比）。
2.2改进变步长电导增量法
由前面对风力电池的分析可以得到，为提高其输出效率，将风力电池实时地控制在最大功率点尤为重要。由此，可以通过调节交错并联Ｂｏｏｓｔ电路的占空比ｄ以实现ＭＰＰＴ。
传统电导增量法的原理是：通过计算功率对电压的导数，判断工作点的位置进而调节占空比。此法凭借控制效果好、稳定度高等优势，被广泛应用于风力电池ＭＰＰＴ中。其缺点是由于步长固定，采用大步长虽动态响应时间短但稳定性差，采用小步长虽提高了稳定性但响应速度慢，均会导致风力电池效率降低。利用功率对电压的导数越靠近最大功率点越小的特点，设计了变步长电导增量法，解决了跟踪过程中动态速度和稳态精度之间的矛盾。本文在此基础上进行改进，既保留了上述变步长电导增量法的优点，同时可防止误判和外界环境突变，提高系统抗扰性，能更好地满足实现ＭＰＰＴ的动态和稳态要求。
2.3功率预测算法
对风力发电的功率进行预测，如果采取传统统计方法完成气象预报、历史功率数据等数值统计分析，分析结果并不精确。根据气象和太阳辐射强度间的物理映射关系进行预测，需要频繁变换光电转换模型进行功率预测，难以满足现实操作要求。过去主要按照时间顺序完成样本数据排列，根据数据隐含线性规律实现功率预测。尽管模型简单，但在风力电站日渐增多的背景下，参数确认日渐困难。为解决这些问题，机器学习和深度学习等不同算法得以被提出。本文采取灰色预测，样本数据来源于某风力电站发电系统，在获取2015-2017共3年历史数据的基础上，采用前2年数据进行模型训练，并利用2017年数据进行模型预测验证分析。
2.4风电机组运行数据分析
在风电机组运行的过程中，通过SCADA监控系统对风速、空气密度、功率、周围环境温度、大气压力等数据进行收集，选取所需的数据及适用条件。本实验平台调用的是每间隔10min的数据。针对风力发电机组的性能分析，本文建立了风电机组的两种功率性能曲线，即功率曲线（功率-风速）和转矩曲线（转速-转矩）。采集的SCADA数据存在着大量的异常点，为了保证实验所得数据能够如实反映风电机组运行时的功率输出情况，需要结合相关标准与实际情况进行数据剔除及修正。对数据进行处理主要采用如下规则：①剔出风电机组运行不正常点，即风电机组的运行风速已大于切入风速，但是输出功率仍为0或者负值的运行点；②剔出风电机组停机点，即在切入风速与切出风速之间运行阶段，输出功率从正常运行降到0或者负值的运行点，删除这些点以及相邻的前3个点；③剔出风电机组启动过程点，即剔出在切入风速以上，输出功率由0或者负值直接增加到正值的过程，删除其后面的3个点。按照上述方法进行处理后，就基本删除了影响比较大的异常数据点，最后由于风电机组的功率性能曲线受到海拔、大气环境、空气密度、风速等的影响，在功率性能曲线测量的过程中需要对相关系数进行修正。
结语
风能是一种重要的清洁能源，风力发电近年来发展迅速，我国大批风电场投入建设和运行。风电机组功率特性曲线能够明显地表现出其运行特征，是评估机组运行状态的重要技术指标。与固定步长的追踪过程相比，当风速突变时，系统功率输出平稳，尤其适合在实际中应用。风电功率预测是风力发电系统中重要的一环，受外界因素影响，风电功率具有不稳定性，需要将主要因素考虑进来并对结果进行预测。对训练集进行训练，得到模型参数，再将测试集数据输入到预测模型中，得到最终预测结果。
参考文献
[1]赵仁德,王永军,张加胜.直驱式永磁同步风力发电系统最大功率追踪控制[J].中国电机工程学报,2019,29(27):106-111.
[2]王彦国.直驱式风力发电系统及其控制策略研究[D].北京：华北电力大学（北京）,2019.
[3]王天钰,魏星,徐家俊,王晓茹.考虑输入饱和的直驱式永磁同步风力发电系统最大功率跟踪控制[J].电力自动化设备,2018,35(07):113-119.
[4]廖勇,庄凯,姚骏,李辉,何金波.直驱式永磁同步风力发电机双模功率控制策略的仿真研究[J].中国电机工程学报,2009,29(33):76-82.