「埃尔法哥哥」人工智能在预测单机风电功率上的应用进展单机风电功率预测依据风机轮毂风速的历

单机风电功率预测依据风机轮毂风速的历史数据预测风电功率。风速与功率的高比例关系使得电力调度系统对风电功率预测精度的要求较高，此外，风速具有间隙波动性和随机性，使得风速和风电功率序列呈现出很强的非线性。人工智能在处理非线性预测问题上具有优势，对单机风电功率预测建模有一定的价值。
因此，湖南工业大学的研究人员郭茜、匡洪海、王建辉、周宇健、高闰国，在2020年第2期《电气技术》杂志上撰文，介绍了基于人工智能的单机风电功率预测模型的建立过程，阐述了模糊逻辑等人工智能方法在单机风电功率预测中的应用与特点，探讨了单机风电功率预测模型存在的问题，提出了对提高单机风电功率预测模型性能的一些见解。

文章图片
2019年5月，国家发展改革委及国家能源局在《关于建立健全可再生能源电力消纳保障机制的通知》中指出，自2020年1月1日起将对各省级可再生能源的消纳水平全面进行监测评价和正式考核。 2018年风电利用率达92.8% ，但由于受自然条件影响大，风能明显的波动性使得电力系统的调度压力较大，电力系统还不能完全适应大规模风能并网。 2020年的风电利用率指标为95% 。因此，调度系统对准确快速地预估风电功率有着切实需求。
风机分为离网型和并网型。前者的功率预测准确率在分布式风力发电中要求较高，单机功率预测的性能将直接影响其投入使用时的可靠性。从集群风电网的角度来看，并网型单机功率预测的误差对集群功率预测的影响是成倍的。
对电场中的每一单机都进行预测的成本很高，鉴于同一范围内风速等气象的相似性很高，往往由一台或多台电机的功率预测推算集群风电网功率。无论是离网型单机还是并网型单机，单机的风电功率预测精度都是影响风力发电普及率的重要因素。因此，对单机功率预测模型及方法的研究变得尤为重要。
目前学术界已对电场级和集群级功率预测系统中的风电功率预测方法展开了大量研究，国外对风电功率预测的研究起步较国内早，尤其在工程应用方面，国外已有相对完整的全套风电功率预测工具。近十年的国内外学术界对功率预测模型研究中，约17%采用人工智能预测模型，组合模型占比20%左右，可见风电功率人工智能预测模型是近年来的研究热点，但相比占比54%的统计模型来说还相差较远；研究方向的偏好上，只有约10%是针对建模问题的研究，大部分的研究集中在预测方法和仿真上。可见人工智能预测模型的研究空间仍较大。
现有的对风电功率人工智能预测模型的研究多集中于电场级和集群级预测，不能满足分散式风机准确快速供能的需求。因此，有部分国内外学者对单机风电功率预测展开了有益的研究。
有学者综述了风电功率预测技术，指出由于气象等随机因素的影响使得单机风电功率预测难度较大，且许多研究都围绕电场级和集群级预测；
有学者研究了单机输出功率的波动特性，表明预测精度和时间尺度成反比，在空间尺度上单机功率的波动性比电场与集群要强；
杨俊友等人提出考虑尾流响应的单机功率物理预测方法，在预测模型的建立中考虑了随机因素，改善了预测效果，并将单机功率预测引入无功控制策略中，充分利用单机预测的精确性优势，改善了分散式电场的无功调节效果；
叶林等人提出利用单机有功预测实现有功控制及校正。
可见针对单机功率预测随机性大的特性，国内更多采用或结合物理建模技术来建立单机风电预测模型，且在有功功率和无功功率的控制上进行了突破性的应用探索；国外则更倾向于采用统计建模技术建立单机风电功率预测模型。
单机风电功率预测模型的建立，根据预测策略的不同分为两类，即物理建模和统计建模。