金风科技价值能力树-风功率预测系统G讲解
战略与商业模式案例分析金风科技
战略与商业模式案例分析金风科技目录1. 内容描述 (3)1.1 研究背景 (4)1.2 研究目的 (5)1.3 研究方法 (6)1.4 文档结构 (7)2. 金风科技简介 (7)2.1 公司历史与发展 (8)2.2 业务范围与产品 (9)2.3 组织结构与人力资源 (10)2.4 核心竞争力分析 (12)3. 战略分析 (13)3.1 公司愿景与使命 (15)3.2 企业文化与价值观 (16)3.3 战略定位与竞争策略 (17)4. 商业模式分析 (18)4.1 商业模式的演变 (20)4.2 价值主张与价值创造 (21)4.3 价值链分析 (22)4.4 生态系统考量 (23)5. 竞争分析 (25)5.1 行业环境分析 (26)5.2 竞争对手分析 (27)5.3 市场定位与竞争优势 (29)6. 客户分析 (30)6.1 客户基础分析 (32)6.2 客户需求与满意度 (33)6.3 客户关系管理 (34)7. 运营管理 (35)7.1 生产流程与效率 (37)7.2 供应链管理 (38)7.3 成本控制与管理 (39)8. 创新与技术战略 (41)8.1 研发投入与创新机制 (42)8.2 核心技术的护城河 (43)8.3 知识管理与人才培养 (44)9. 风险管理 (45)9.1 风险类型与来源 (47)9.2 风险评估与应对策略 (48)9.3 近期的风险事件与危机管理 (50)10. 案例研究 (52)10.1 案例背景 (54)10.2 案例分析 (55)10.3 案例启示 (56)1. 内容描述本文件对金风科技进行了一份深入的战略与商业模式案例分析。
通过对金风科技的市场定位、产品策略、成本结构、价值链、竞争优势以及未来发展方向等方面的分析，本文件旨在阐明金风科技成功运营背后的关键因素，并探析其在风能产业生态中的地位和未来发展趋势。
公司背景及发展历程:简述金风科技的历史背景、发展规模和主要成就。
风力发电功率预测讲解
数值天气预报预测
优 点：
较为成熟准确的风电中长期预测方法 ，国内外风 电场预测系统多基于物理方法。不需要风电场的历史 数据，风电场投产就可以进行预测。
缺 点：
要求对大气的物理特性及风电场特性有准确的数 学描述。模型复杂、计算量大，较少用于短期预测。 常结合神经网络、支持向量机等来提高预测精度。
预测方法介绍
预测方法介绍
三、组合预测：
由于预测方法各有优势，多种预测方法组合 使用成为发展趋势。
1、预测模型融合组合 a、卡尔曼滤波法对数据进行预处理，再采用 NWP法进行风电预测. b、将神经网络的局部寻优与遗传宏观搜索相融 合。 c、粒子群优化的神经网络法、小波改进的神经 网络法等。 2、预测模型加权组合 a、 BP神经网络、径向基神经网络、支持向量 机进行风电功率加权组合预 测等。
实例分析 ——灰色神经网络预测
数据二结果：超 短 期 功 率 预 测 （ 未 来 四 步 ） 结 果 对 比 图 ：
90 实际功率
80
GM预 测 值
BP神 经 网 络 预 测 值
70
GM-BP预 测 值
60
功 率 -KW
50
40
30
20
10
0
0
2
4
6
8
10
12
14
16
2013年 8月 6日 （ 2:00-5:45） -t/15min
时间序列法
优 点：
不必深究信号序列的产生背景，序列本身所具有 的时序性和自相关性已经为建模提供了足够的信息， 只需要有限的样本序列，就可以建立起相当高精度的 预测模型。
缺 点：
但其存在低阶模型预测精度低、高阶模型参数估 计难度大的不足。
【精品】风电功率预测方法
【关键字】精品风电功率的预测一、风电功率预测风速、风向、气温、气压等的SCADA实时数据，等高线、障碍物、粗糙度等数据，数值天气预报数据，把上面的某些数据通过一定的方法转换到风电机组轮毂高度的风速、风向，然后根据功率曲线得到风电场的出力，并根据风电场的效率进行修正。
二、预测的意义风电功率预测的意义如下：①用于经济调度，根据风电场预测的出力曲线优化常规机组的出力，达到降低运行成本的目的。
②根据风电出力变化规律增强系统的安全性、可靠性和可控性。
③在风电参与电力市场的系统中，优化电力市场中电力的价值。
在电力市场中，风电场对风电功率进行预测，参与电力市场竞价；电网公司对风电功率进行预测，保证系统安全经济运行。
①优化电网调度,减少旋转备用容量,节约燃料,保证电网经济运行对风电场出力进行短时间预报,将使电力调度部门能够提前为风电出力变化及时调整调度计划;从而减少系统的备用容量、降低电力系统运行成本。
这是减轻风电对电网造成不利影响、提高系统中风电装机比例的一种有效途径。
②满足电力市场交易需要,为风力发电竞价上网提供有利条件从发电企业(风电场)的角度来考虑,将来风电一旦参与市场竞争,与其他可控的发电方式相比,风电的间歇性将大大削弱风电的竞争力,而且还会由于供电的不可靠性受到经济惩罚。
提前一两天对风电场出力进行预报,将在很大程度上提高风力发电的市场竞争力。
③便于安排机组维护和检修,提高风电场容量系数风电场可以根据预报结果,选择无风或低风时间段,即风电场出力小的时间,对设备进行维修,从而提高发电量和风电场容量系数。
三、预测方法的分类风功率预测方法可以分为2 类：一种方法是根据数值天气预报的数据，用物理方法计算风电场的输出功率；另一种方法是根据数值天气预报与风电场功率输出的关系、在线实测的数据进行预测的统计方法。
考虑了地形、粗糙度等信息，采用物理方程进行预测的方法则称之为物理方法，根据历史数据进行统计分析，找出其内在规律并用于预测的方法称之为统计方法(如神经网络方法、模糊逻辑方法等)。
金凤-金风风电场接入介绍(电网)
金风风电场能量综合管理平台主要功能
1.
有功功率自动控制：根据调度指令调节风电场有功输出，误差小于10%，控制变化速度可以通过参数 进行调节； 无功功率自动控制：控制风机的无功输出，控制风电场并网点处的无功/电压水平； 控制风机的低电压穿越功能开启：可开启、关闭单台风机或多台风机的低电压穿越功能； 风电场限电损失统计：可以评估风电场的当前潜在的有功功率，统计限电条件下的损失电量； 风速预警：系统可以设定预警风速，当风电场任意一台机组的瞬时风速超过该值时，系统会报警； 上传基本风机运行数据：风速，有功功率，风机状态，无功功率 ，电网频率等。支持的协议（ 101 104 cdt ），modbus总线等。
通过远控系统能够为风电场服务业务提供了有力的技术保障，同时能够为风电运营商和风电设备制造商提供管 理、决策支持数据。
风电场远程监控系统 发电量统计界面
风电场远程监控系统 系统界面
风电场远程监控系统 SCADA系统英文版
风电场远程监控系统 USBKEY用户认证
Usbkey背面编号为key的唯一标识, 第一次使用时需要根据此号激活,添 写用户信息
风电场远程监控系统 风机实时数据预警
对风机数据点进行设置,超过设置范围的数据信息会作为预警信息报出两种配置方式: 一． 1. 数据上下限范围设置,为数据点设置上限,下限,当数据点数值超过此范围后会报警。 温度模块 a.齿轮箱轴承温度,重点关注。 b.发电机轴承温度,前后轴。 c.齿轮箱油温,散热系统和齿轮箱方面。 电网模块 a.电网电压持续低但不到故障状态 ，说明电网存在一定的问题,需要重新调整箱变设备,380V报警 b.电压高,425V报警。 c.功率因数 低于0.95，需要进行人为干预检查补偿情况，需要维护人员到现场进行检查。 偏航角度预警 a.偏航角度600度时预警，小风人为解缆。
风电功率预测系统使用手册
风电功率预测系统操作手册2011-3目录目录 (1)一、登录管理 (3)1.1 用户登录 (3)1.2 用户管理 (4)1.2.1密码修改 (4)1.2.2用户注销 (5)二、实时状态监测模块 (5)2.1 地图展示 (5)2.2风场详情 (6)三、短期预测曲线模块 (7)3.1 预测报告 (7)3.2 日曲线 (8)3.3 周曲线 (9)四、超短期预测曲线模块 (10)4.1 预测报告 (10)4.2 日曲线 (11)4.3 周曲线 (13)五、气象信息展示模块 (14)5.1 NWP风玫瑰图 (14)5.2 NWP风轮廓图 (15)5.3 测风塔风玫瑰图 (16)5.4 测风塔风轮廓图 (17)六、报表统计模块 (18)6.1 短期预测统计报告 (18)6.2 超短期预测统计报告 (19)6.3限电记录查询报告 (19)6.4开机容量设置查询报告 (20)6.5短期预测历史报告 (21)6.6 超短期预测历史报告 (22)6.7 短期预测区间统计报告 (22)6.8 超短期预测区间统计报告 (23)七、系统管理模块 (24)7.1 部门人员 (24)7.1.1 部门管理 (24)7.1.2 人员管理 (25)7.2 权限管理 (26)7.2.1 人员角色 (27)7.2.2 权限分配 (28)7.3 新增组别..........................................................................错误！未定义书签。
7.4 组别管理..........................................................................错误！未定义书签。
7.5 风场管理 (29)7.6 装机容量设置..................................................................错误！未定义书签。
风电场功率预测系统使用说明（合集五篇）
风电场功率预测系统使用说明（合集五篇）第一篇：风电场功率预测系统使用说明第一章系统操作NRFM系统操作主要有三部分组成：人机界面、接口和数据库操作。
人机界面为客户端程序，是用来进行系统配置、功率预测展示、系统查询、报警查询等功能的主要操作界面；接口和数据库是后台运行程序，负责接收、计算和存储系统运行数据，接口和数据库的操作在初始安装配置后，会自动运行，用户不必进行操作，如需更改，可在相关操作说明或技术人员的指定下进行操作。
目前桥东风电场运行风电功率预测系统机器密码设置为：开机密码为：0818 软件登录用户名和密码均为：admin 1.1．人机界面 1.1.1.主界面点击桌面下的NRFM即可打开系统主界面，界面友好、简单，易于操作。
主界面上有登录、系统配置、功率预测、实时数据、系统查询、报警、退出系统等导航栏。
系统主界面如图1-1所示。
进入其它界面，可在登录后，点击相应导航按钮，若从其它界面返回主界面，则可点击界面右上角的按钮。
图1-1 系统主界面1.1.2.登录对系统的任何操作，需在用户登录之后才可以进行操作，在主界面中点击登录按钮，即可弹出登录对话框，如图1-2所示，如登录不成功，会弹出对话框进行提示，如图1-3所示，登录成功后，可在进入的其它界面上方看到当前登录的用户名称和当前用户角色(图1-4所示)。
目前现场运行的用户名和密码均为：admin,用户也可根据自己需要，按照下节“系统配置”的说明进行添加、删除用户。
图1-2 登录框图1-3 错误提示图1-4 用户信息1.1.3.系统配置系统配置中有用户管理、电场配置、风机配置等操作选项。
用户在运行系统前应进行相应的初始配置。
(1)用户管理用户角色在本系统中分为管理员、操作员和普通用户。
管理员的权限最大，可进行系统的任何添加、修改、删除、查询等操作；操作员可以进行系统的查询，对自己登录密码的修改，对电场、风机信息的配置，对预测数据修改等操作，不具备其它用户的添加、修改、删除操作；普通用户仅有浏览系统信息和修改自身密码的权限。
风电功率预测系统总体设计
风电功率预测系统总体设计风电功率预测系统Wind Power Prediction System“风电功率预测系统”是一款具有精确预测未来风力发电功率的软件，系统具有高精度数值天气预报功能、风电信号数值净化、高性能物理模型、网络化实时通信、通用风电信息数据接口等高科技模块；可以准确预报风电场未来168小时功率变化曲线。
国能日新的风电功率预测系统短期预测精度超过80%，超短期预测精度超过90%。
此处的超短期预测精度超过90%是指均方根误差<10%。
211RMSE ：∑=⎪⎪⎭⎫ ⎝⎛=N k pk mk Cap -P P N 计算方法为；1、建模方法功率预测模型（双模型：优化的物理模型+人工智能模型）人工智能模型：如果风电场处于限负荷运行状态，系统会主动自适应的捕捉电场风电机组的运行模式，从而给出结合了现实运行情况和未来风资源情况的功率预报。
2、总体设计本系统包括硬件终端设施及预测软件系统。
通过采集数值天气预报、风机监控数据、测风塔数据和升压站等数据，完成对风电场的短期功率预测和超短期功率预测工作，并向电网侧上传测风塔和功率预测数据。
风功率预测系统组织结构图网络部署图3、产品价值（1）满足新能源并网相关法律及行业制度。
风电场风电功率预测系统完全满足《风电场接入电网技术规定》和《风电并网技术标准》的要求：风电场应配置风电功率预测系统，系统具有0~72h短期风电功率预测以及15min~4h超短期风电功率预测功能。
风电场每15min自动向电网调度部门滚动上报未来15min~4h的风电场风电功率预测曲线，预测值的时间分辨率为15min，预测误差应不大于15%。
风电场每天按照电网调度部门规定的时间上报次日0~24小时风电场发电功率预测曲线，预测值的时间分辨率为15min，预测误差应不大于20%。
在实际安全中，国能日新提供的风电功率预测系统的性能指标高于以上标准。
（2）提高电网消纳风电能力对风力发电进行有效预测，可以帮助电网调度部门做好各类电源的调度计划，减少风电限电，由此大大提高了电网消纳风电的能力，进而减少了由于限电给风电业主带来的经济损失，增加了风电场投资回报率。
风功率预测系统
风功率系统
国外风电场发电功率预测系统介绍
在风电功率预测技术研究方面，经过近20 年的发展，风电功率预测已获得了广泛的 应用，风电发达国家，如丹麦、德国、西班牙等均有运行中的风电功率预测系统。
德国太阳能技术研究所开发的风电管理系统（WPMS）是目前商业化运行较为 成熟的系统，目前该系统对于单个风电场的日前预报精度约为85%左右。丹麦RisØ 国家可 再生能源实验室与丹麦技术大学联合开发了Zephyr，目前丹麦所有电网公司均采用了该预 测系统。此外，美国、西班牙、英国、法国、爱尔兰等风电发展较快的欧美国家纷纷开始 开发和应用风电功率预测系统，其中较为成熟的产品还有美国True Wind Solutions 公司开 发的E-Wind，法国Ecole des Minesde Paris 公司开发的AWPPS，西班牙马德里卡尔洛斯 第三大学开发的SIPREóLco以及爱尔兰国立科克大学与丹麦DMI 联合开发的HIRPOM。
辽宁力迅风电控制系统有限公司风功率预测系统 兆方美迪风电功率预报系统 黑龙江大唐晨光依兰风电场
上海交通大学风力发电研究中心
风功率预测系统功能设计标准
《风电场接入电网技术规定》 《风电功率预测系统功能规范》 《风电场风能资源测量方法》 《风电场风能资源评估方法》 《风电调度运行管理规范》 《风电场并网验收规范》 《风电场风能资源测量和评估技术规定》 《电工名词术语》 《继电保护和安全自动装置技术规程》 《电力工程电缆设计规范》 《继电保护设备信息接口配套标准》 《国家电网公司十八项电网重大反事故措施》
日预报要求并网风电场每日在规定时间前按规定要求向电网调度机构提交 次日0 时到24 时每1 5 分钟共96 个时间节点风电有功功率预测数据和开机容 量。
功率预测系统
短期风电功率预测
什么是短期风电功率预测? 当日预报：未来 72小时的风电场并网功率预测曲线。每 15 分钟一 个预报点，每天滚动预报一次。
超短期风功率预测
什么是超短期风电功率预测? 当前时刻预报： 从预报时刻至未 来 4 小时，电场并网功率预测曲线。 每 15 分钟一个预报点， 每15 分 钟滚动预报一次。
数据上报
短期上报
如果当前时间超过7:30，取当天上报 成功数据，否则取昨天上报数据，成 功数据条数>=3则正常，反之报警
超短期上报
取前一个15分
钟的上报成功
数据，如果有 理论功率上报
正常，反之报 如果当前时间超过
警
8:00，取当天上报成
功数据，否则取昨天
上报数据，成功数据
链路一：上报省调水新处 链路二：上报省调自动化
安全防护
进行网络隔离，规定 数据单向传输，过滤 并筛查数据。
服务器
运行风电功率预测模块，根据建立的 预测模型，基于采集的数值天气预报， 采用物理和统计相结合的预测方法， 并结合目前风电场风机的实时运行工 况对单台风机及整个风电场的出力情 况进行短期预测和超短期预测
3
功能篇
数据上报 实时监测
数据统计 预报
实时监测
测风塔实况
1#，2#测风塔实施数据， 10m，30m，50m，70m， 90m不同层高的风向、风 速，气温气压等的实时数据
全站、机头功率
全站功率以及150台所有机 组的单个机组功率均可采集 到，并可以Excle导出。
风廓图、风向玫瑰图
风廓图记录各层高一段时间 内的风速平均值 风向玫瑰图记录一段时间内 我厂的风向情况
风电功率预测的核心价值
核心价值
风电功率预测概述PPT精选文档
2009年11至 12月
2010年4月
西北电网、宁夏电网、甘肃电网、辽宁电 网风电功率预测系统顺利投运
以风电功率预测系统为核心的上海电网新 能源接入综合系统投入运行，在国家电网 世博企业运行了风电功率预测系
统，约300个风电场使用了我国自主开发的风电功率预测系统，
物理法的优点在于，不需要风电场历史功率数据的支持， 可在物理模型的作用下，根据数值天气预报数据直接进行风电场 功率预测，适用于无历史功率数据的新建风电场。
此外，物理法可以对每一个大气过程进行分析，并根据分 析结果优化预测模型，从而使预测结果更准确。物理法的缺点是 对由错误的初始信息所引起的系统误差非常敏感，如风电场地形、 地貌的描述偏差等。
预测精度满足应用要求。
18
风电功率预测的误差
预测具有不确定性，预测误差是客观 存在的。预测误差的来源主要有天气条件 快速变化、测量数据损坏、风电机组停运、 数值天气预报数据误差较大、预测模型不 精确等。明确预测误差的定义有利于对预 测方法的优劣性进行评价。常用的预测误 差有均方根误差(root mean square error， RMSE)、平均绝对误差(mean absolute error， MAE)和平均误差(mean error，ME)。
目前，中长期预测还存在比较大的困难。短期预测 是目前应用最为广泛的预测技术，主要包含统计方法、物理方 法、物理统计相结合的混合方法。所以下面主要以短期预测作 为探究对象。
4
风电场发电功率预测模型
风电场发电功率 预测模型
基于数值天气预报 的预测模型
统计模型 物理模型
基于历史数据的 预测模型
5
物理法
目前风电对全网的电力平衡已经带来很大的影响。对 风电场输出功率进行预测是缓解电力系统调峰、调频压力， 提高风电接纳能力的有效手段之一。同时，风电功率预测 还可以指导风电场的检修计划，提高风能利用率，提高风 电场的经济效益。
金风科技价值能力树-风功率预测系统G
网调中心
4 OPC 光缆
...... 测风塔 变电站
电场
部署示意图——软件模式
风电场功率预测自成系统，同时也能够与能量调度系统结合，能够提供 完整的风电场电网接入方案
软件部署在电场示意图
互联网
中央监控系统
接入防火墙 交换机 2 功率预测服务器 3 WRF数值预报服务器
电场端
交换机
6 交换机
7 路由器
电网
风电场 变电所
产量预报计算中心
主要硬件设备清单
测风塔 序号 1 其他 序号 2 3 4 5 设备名称 WRF服务器 风电场功率预测服务器 代理服务器 前置服务器 1 1 1 1 台 台 台 台 测风塔 注：根据电场的实际情况而定，根据地形、风机排布情况而定。 产品名称 型号 数量 待定 单位 套
run_wrf.sh
post.py
风速预报结果
原始数据，265（66小时*4+1）个点，相关系数分别为：0.49982 0.569234 0.358379 0.743116
统计临近预报系统-ARIMA模型介绍（4小时气象预报）
ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代 初提出的一著名时间序列预测方法，所以又称为box-jenkins模型、博克思-詹 金斯法。 ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个 随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就 可以从时间序列的过去值及现在值来预测未来值。 ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归模型, p为自
金风科技价值能力树-风功率预测系统G讲解
其他
序号 设备名称
2
WRF服务器
3
风电场功率预测服务器
4
代理服务器
5
前置服务器
数量 单位 待定 套
1
台
1
台
1
台
1
台
功率预报查询
功率预报、实际功率比较
功率预报人工编辑
预报误差分析
气象预报
气象预报、实测对比
气象预报误差分析
用户管理
角色管理
系统模块管理
风电场管理
让我们一起 拥抱新能源产业的美好明天
WRF.sh
run_wrf.sh
post.py
风速预报结果
原始数据，265（66小时*4+1）个点，相关系数分别为：0.49982 0.569234 0.358379 0.743116
统计临近预报系统-ARIMA模型介绍（4小时气象预报）
ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代 初提出的一著名时间序列预测方法，所以又称为box-jenkins模型、博克思-詹 金斯法。 ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个 随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就 可以从时间序列的过去值及现在值来预测未来值。 ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归模型, p为自 回归项数; MA为移动平均模型，q为移动平均项数，d为使时间序列成为平稳序 列所做的差分次数，也就是随机游走模型。 公式如下：
统计临近预报系统--ARIMA模型结果
风功率预测系统详细说明.doc
风功率预测系统详细说明一、E:\NRFM文件夹介绍1.bin--------存放系统服务程序。
bin下的文件夹：nrfm-------界面程序文件夹。
nrfmcreatexbsftpsrv-------------生成上传调度程序文件夹。
nrfminterfacetcp-----------采集风机数据程序文件夹。
nrfmlocalwpfsrv-----------预测服务程序文件夹。
nrfmexecprocedure----------数据统计运算服务程序文件夹。
nrfmmonitor、nrfmwatchsrv--------------监测系统服务文件夹。
nrfmtransdatasrv--------通讯服务程序文件夹。
nrfmuploadftpsrv--------上传短期及超短期文件至南瑞厂家或者风机厂家程序文件夹。
2.config-------存放系统文件配置文件。
config下的文件夹：nrfm.ini--------界面配置文件。
nrfmtransdatasrv.xml------通讯配置文件。
monitorcfg.xml--------监控配置文件。
nrfmInterfacetcp.xml-------采集风机信息配置文件。
uploadftp.ini-----------上传短期及超短期配置文件。
3.database------存放数据库文件。
4.ftpdownbak------存放气象建模数据备份文件。
5.ftpdownload-------存放从反向隔离器下载的气象建模数据文件。
6.log--------存放系统服务运行日志文件。
7.report--------存放系统报表文件。
8.sftpfile--------存放临时生成的上传调度文件。
9.sftpfilebak--------存放已上传的调度文件。
10.风功率预测系统服务简介：开始——运行——输入“services.msc”回车。
风功率预测三种模型
风电功率预测问题摘要风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。
现今风力发电主要利用的是近地风能。
近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。
大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。
如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。
因此，如何对风电场的发电功率进行尽可能准确地预测，是急需解决的问题。
根据电力调度部门安排运行方式的不同需求，风电功率预测分为日前预测和实时预测。
日前预测是预测明日24小时96个时点（每15分钟一个时点）的风电功率数值。
实时预测是滚动地预测每个时点未来4小时内的16个时点（每15分钟一个时点）的风电功率数值。
对于问题一我们建立了3个模型：1、时间序列模型即指数平滑模型2、拟合回归模型3、神经元预测模型即BP模型。
针对这3种模型，根据相对误差的大小和准确度的大小判断来确定优先选择哪个模型。
对于问题二，在第一问的基础上对相关模型进行了比较，分析，做出了预期。
对于问题三，在第一问的基础上，对相关的模型进行了改善，使其预测的更加准确。
关键词：风功率实时预测 BP网络神经 matlab 时间序列问题的重述一、背景知识1、风功率预测概况风功率预测是指风电场风力发电机发电功率预测。
风电场是利用在某个通过预测的坐标范围内，几座或者更换多的经过科学测算，按照合理距离安装的风力发电机，利用可控范围内的风能所产生的电力来实现运行供电。
由于风是大气压力差引起的空气流动所产生的，风向和风力的大小时刻时刻都在变化。
因而，风力发电具有波动性、间歇性和随机性的特点。
这些特点所导致的风电场功率波动，会对地区电网整体运行产生影响，进而会影响到整个地区总网内的电压稳定。
因此，当风力发电场，特别是大容量风力发电场接入电网时，就会给整个电力系统的安全、稳定运行带来一定的隐患。
风功率预测系统 ppt课件
考核系统介绍
• 一、风功率变化考核 • 解读：主要变化是针对装机容量大的风场即大于150MW，可以看出之前规
定容量越大要求的控制精度越高，不管装机容量多大就允许10分钟不超 50MW，1分钟不超15MW； • 2、免考：风速降低或风机风速超过切出风速引起的风功率变化，不予考核； 全月考核电量不能超过本月上网电量的1%；（这就是有时明明感觉考核很 多，但是月底相对减少的原因，不超过1%） • 3、考核原因 • （1）风速突降、风速高切出风机，功率变化为负值超限，可以申请免考
二、风功率预测系统操作
二、风功率预测系统操作
• 2、实时监控管理 • 实时监控，是指查看当天风场的信息展示，包括实时功率、短期功率、超
短期功率、气象信息，每天上报数据监控等。 • 超短期预测功率：根据实时功率及风速预测15分钟之后的功率。（全天96
个点） • 短期功率:即前一天预测的今天的不同时段的功率。 • 上报监控：风功率预测系统在规定时间内上报省调相关数据（包括接收），
• 曲线展示（功率及风速等）：与前面的实时监控曲线一样，不同的是可以 通过输入日期，查看历史曲线或后几天的预测曲线。
• 功率曲线只是曲线展示中取出的一部分。 • 气象曲线:最主要的是展示风向的风向玫瑰图
二、风功率预测系统操作
二、风功率预测系统操作
二、风功率预测系统操作
• 4、上报管理：对所需报送的信息进行监控，同实时监控管理，不同是可以 选择性查找上报失败或成功项，并能进行手动上报，作为自动上报的补充。
•风功率预测系统运行中会出现一系列问题，如数据传输、数据接收异常等， 如果不及时处理，容易造成考核。容易造成考核的如下几项： •1、次日功率不上报：每天8点上报，可以通过上报管理和实时监控查看，不 上报容易造成日前上报率及准确率考核。 （1）天气预报文件长时间未接收，造成无法形成上报数据文件 处理：检查天气预报服务器外网连接是否正常，服务器是否死机，联系厂家 对侧天气预报文件是否正常下发。 （2）调度数据网短时中断，造成该时间段上报失败
风电功率预测系统简介
风电功率预测系统简介目录1 目的和意义 32 国内外技术现状 32.1 国外现状 32.2 国内现状 43 风电功率预测系统技术特点 53.1 气象信息实时监测系统 53.2 超短期风电功率预测 53.3 短期风电功率预测 63.4 风电功率预测系统软件平台 81 目的和意义风能是一种清洁的可再生能源，由于其资源丰富、转化效率高、产业化基础好、经济优势明显、环境影响小等优点，具备大规模开发的条件，在可以预见的将来，风能的开发利用将成为最重要的可再生能源发展方向。
但由于风电等可再生能源发电具有间歇性、随机性、可调度性低的特点，大规模接入后对电网运行会产生较大的影响,以至于有些地方不得不采取限制风电场发电功率的措施来保证电网的安全稳定运行。
对风电输出功率进行预测被认为是提高电网调峰能力、增强电网接纳风电的能力、改善电力系统运行安全性与经济性的最有效、经济的手段之一。
首先，对风电场出力进行短期预报,将使电力调度部门能够提前为风电出力变化及时调整调度计划，从而减少系统的备用容量、降低电力系统运行成本。
这是减轻风电对电网造成不利影响、提高系统中风电装机比例的一种有效途径。
其次，从发电企业(风电场)的角度来考虑,将来风电一旦参与市场竞争,与其他可控的发电方式相比,风电的间歇性将大大削弱风电的竞争力,而且还会由于供电的不可靠性受到经济惩罚。
提前对风电场出力进行预报,将在很大程度上提高风力发电的市场竞争力。
2 国内外技术现状2.1 国外现状在风电功率预测技术研究方面，经过近20年的发展，风电功率预测已获得了广泛的应用，风电发达国家，如丹麦、德国、西班牙等均有运行中的风电功率预测系统。
德国太阳能技术研究所开发的风电管理系统（WPMS）是目前商业化运行最为成熟的系统。
德国、意大利、奥地利以及埃及等多个国家的电网调度中心均安装了该系统，目前该系统对于单个风电场的日前预报精度约为85%左右。
丹麦Ris?国家可再生能源实验室与丹麦技术大学联合开发了风电功率预测系统Zephyr，目前丹麦所有电网公司均采用了该预测系统。
风功率预测系统课件
风功率预测系统硬件建设
测风塔遥测站建设
测风塔遥测站建设示意图
风功率预测系统硬件建设
测风塔遥测站建设 实时气象数据采集系统功能 测风塔位置 测量高层 测量要素 测量设备
风功率预测系统硬件建设
测风塔遥测站建设
设备安装
测风塔 • • • • 高原台地和平原 浅山丘陵 山地 山谷地形
单 台 输 出 功 率 预 测
预 测 结 果 统 计 评 价 系 统
信 息 上 报
算 法 管 理
引自：华北电大风功率预测系统
风功率预测系统功能介绍ຫໍສະໝຸດ 系统功能引自：中国电力科学院
风功率预测系统功能介绍
总体结构
系统结构示意图
风功率预测系统功能介绍
总体结构
预测系统需接入数据包括：
• 测风塔实时气象要素监测数据，光纤或无线送抵数据采集服务器； • 专业气象服务（数值天气预报数据），外网FTP 下载； • 风电场机组信息数据，风电场综合监控系统提供数据接口。 预测系统主模块包括 • • • • • 风力预测子系统； 风电（短期、超短期）功率预测子系统； 系统平台应用软件； 数据采集子系统； 预测数据上传接口软件等。
风电使用现状
目前，我国正在发展的大容量风电场通常表现出显著的区域集中性，大 型风电场对电网产生的影响必然显著区别于国外分布式风电发展模式。同 时，我国风资源丰富、适宜建设大型风电场的地区存在局部电网建设相对 薄弱的情况，为保障电网运行的安全稳定，有时需采取限制风电场发电功 率的措施。 根据中国可再生能源学会风能专业委员会（中国风能协会）统计，截至 2010年12 月，中国市场（不包括台湾地区）风电机组装机容量已经达到 18927.99MW，年同比增长37.1%，累计安装风电机组34485 台，年同比增 长73.3%。
风电功率预测模型讲解
第一页答卷编号：论文题目：A题风电功率预测问题指导教师：参赛学校：报名序号：证书邮寄地址：（学校统一组织的请填写负责人）第二页答卷编号：A 题 风电功率预测问题摘要风能是一种可再生、清洁的能源，风力发电技术的进一步研究和开发对解决能源危机、缓解环境压力以及提升经济发展水平具有重大的意义。
据此，本文通过建立一系列数学模型来研究和探索风电功率的预测以及提高预测精度问题。
针对第一问，本文提出指数平滑法、小波神经网络以及时间序列ARMA 三种预测模型对风电功率进行预测。
指数平滑法采用平滑公式为：11(1),01,3t t t s x S t ααα--=+-<≤≥，通过调整平滑参数α来优化预测精度；小波神经网络采用的小波基函数为Morlet 母小波基函数，小波神经修正采用梯度修正法；ARMA 模型通过确定自回归阶数和移动平均阶数来构造预测表达式。
结进行归一化处理，所得权值向量为(0.3246,0.3344,0.341)w =，得到一组基于以上三种模型的预测数据。
使用拟合与聚类分析得出单机系统对多机系统P4的相关性高于对总机系统的相关性，据此，使用基于李雅普诺夫中心极限定理的通过假机进行预测。
修正单机系统预测所带来的相对误差，提高精度。
针对问题三，本文建立基于遗传算法的ARMA 模型，对ARMA 模型的阶数进行优化。
定义平均相对变动值（ARTD ），并令遗传算法的适应度函数为：1()f x =。
最后得到具有更高预测精度的模型。
具体指标值如下表：至工程预测、股票分析、生产计划等问题上。
关键字：风电功率预测、时间序列、指数平滑法、小波神经网络、遗传算法1 问题重述1．1 问题背景根据百度百科，“风”是“跟地面大致平行的空气流动，是由于冷热气压分布不均匀而产生的空气流动现象”。
风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。
现今风力发电主要利用的是近地风能。
近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中央监控系统 1 前置服务器
4 能量管理平台 5 OPC
光缆
电力专网
网调中心
......
测风塔
变电站
电场
系统技术路线
NCEP
地形数据
. . . . . 实时.测风 系统
风电场中 控系统
WRF数值
模型
实时风速
气温
电场产能及 相关数据
预测风速、 温度等
气象数据
0-4小时超 短期气象 预报模型
神经网络 (ANN)程序
• 提供预报电场至少一年的产能情 况，可以是历史数据。数据源可 以是电场出口侧电表读数，精度 能够精确到1kWh。
• 由我们协作，建立风电场出口电 表读数的实时报送系统。
风电场 变电所
电网 产量预报计算中心
主要硬件设备清单
测风塔
序号
产品名称
型号
1
测风塔
注：根据电场的实际情况而定，根据地形、风机排布情况而定。
1 可以预测未来48小时每15分钟、每小时风电场发电功率。
2
系统短期能预测未来4小时每15分钟一个点的风电场发电功率，精度 达到百分之八十五左右(地形极其历史数据不同有差异)。
3 提供用户根据经验人工修改风电场功率预测结果功能。 4 能对风电场历史/预报发电数据、来风数据等进行储存、分析、评估。
5
通过标准接口，可以方便的与电网系统和其它系统（如能量调度系统） 实现相关数据交换。
功率预测服务部署在数据中心的部署示意图
北京风功率预测数据中心（天源科创）
....
用户终端 便携机
远程客户访问端
中央监控系统
功率预报服务器
WRF数值模式服务器
核心交换机
接入防火墙
功率预测系统
互互联联网网
接入防火墙
电场端
中央监控系统
2 代理服务器 1 前置服务器
交换机
5 交换机 6 路由器
3 能量管理平台
6 能对风电场发电预测结果进行存储和预测准确性进行评估。 7 WPPS可以提供精确到方圆10公里面积上的风电场周边的天气预报。
8
由于系统开发采用b/s结构，可以使用互联网方式向用户发布预报服 务及产品。
部署示意图——服务模式
风电场功率预测自成系统，同时也能够与能量调度系统结合，能够提供完整的 风电场电网接入方案
电力专网
中调
4 OPC
光缆
网调中心
......
测风塔
变电站
电场
部署示意图——软件模式
风电场功率预测自成系统，同时也能够与能量调度系统结合，能够提供 完整的风电场电网接入方案
软件部署在电场示意图
互联网
中央监控系统
接入防火墙 交换机
电场端
3 WRF数值预报服务器
2 功率预测服务器
交换机
6 交换机 7 路由器
部署准备—测风数据
测风塔
测风塔
• 提供需要预报电场的长期测风数据。数 据应当包含每15分钟的风速、温度、湿 度、气压等信息。
• 根据需预报风电场的规模和地形情况， 在风电场安装若干台测风设备收集实时 天气数据。需要收集的数据和上面长期 测风数据中的要求一样。
测风塔
产量预报计算中心
部署准备—产量数据
WRF.sh
run_wrf.sh
post.py
风速预报结果
原始数据，265（66小时*4+1）个点，相关系数分别为：0.49982 0.569234 0.358379 0.743116
统计临近预报系统-ARIMA模型介绍（4小时气象预报）
ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代 初提出的一著名时间序列预测方法，所以又称为box-jenkins模型、博克思-詹 金斯法。 ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个 随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就 可以从时间序列的过去值及现在值来预测未来值。 ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归模型, p为自 回归项数; MA为移动平均模型，q为移动平均项数，d为使时间序列成为平稳序 列所做的差分次数，也就是随机游走模型。 公式如下：
统计临近预报系统--ARIMA模型结果
功率预测服务
建立功率 预报模型
预测功率、 发布预测
结果
导入历史 产能、测
风数据
解析并导 入气象预 报数据
部署准备—风电场概况
• 提供风电场及其周边地区的地形数据来完成我们的系统区划。对于平坦地形，可 以提供50米等高线的高程数据；对于崎岖地形，我们要求提供至少10m等高线的 高程数据。另外，我们也需要了解风电场及其周边的植被、障碍物等情况。
其他
序号 设备名称
2
WRF服务器
3
风电场功率预测服务器
4
代理服务器
5
ห้องสมุดไป่ตู้
前置服务器
数量 单位 待定 套
1
台
1
台
1
台
1
台
功率预报查询
功率预报、实际功率比较
功率预报人工编辑
预报误差分析
气象预报
气象预报、实测对比
气象预报误差分析
用户管理
角色管理
系统模块管理
风电场管理
让我们一起 拥抱新能源产业的美好明天
48小时预测风 速、产能数据
0—4小时预测 风速、产能数
据
气象预报模型
我们的系统： • WRF数值模式滚动报
——72小时天气预报、6小时滚动预报一次 • 用时间序列统计方法的统计临近预报系统
——4小时天气预报、15分钟滚动预报一次
WRF滚动报系统概念图（48小时气象预报）
download data.py
金风科技价值能力树— 风电场功率预测系统
主要内容
概述 功能 技术路线 部署 功能展示
概述
WPPS （Wind Power Prediction System）是根据风电场历史（实时）气象 信息与风电场运行信息，建立风电场气象与功率预测模型，预测未来一定 时段的风电场风速、温度和功率的系统。
风电场功率预测系统功能