金风科技价值能力树-风功率预测系统G

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
1 2 3 4 5 可以预测未来48小时每15分钟、每小时风电场发电功率。 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)。 提供用户根据经验人工修改风电场功率预测结果功能。 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。 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。
6
7 8
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。
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。 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
4 能量管理平台 中央监控系统 1 前置服务器
网调中心
5 OPC 光缆
...... 测风塔 变电站
电场
系统技术路线
风电场中 控系统 NCEP
电场产能及 相关数据 预测风速、 温度等 气象数据
48小时预测风 速、产能数据 神经网络 (ANN)程序 0—4小时预测 风速、产能数 据
WRF数值
模型 地形数据 . . . . . . 实时测风 系统
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
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
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
Hale Waihona Puke Baidu
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
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）
. . . .
功率预报服务器
WRF数值模式服务器
用户终端
核心交换机
便携机
接入防火墙
远程客户访问端
功率预测系统
互联网 互联网
中央监控系统
接入防火墙
电场端
交换机
5 交换机
6 路由器
电力专网
2 代理服务器 中央监控系统 1 前置服务器 3 能量管理平台 中调
实时风速
0-4小时超 短期气象 预报模型
气温
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
WRF.sh
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
部署准备—测风数据
• 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
测风塔
测风数据中的要求一样。
测风塔
产量预报计算中心
测风塔
部署准备—产量数据
• 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。
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。