电力现货环境下风光功率预测系统优化探索

电力现货环境下风光功率预测系统优化探索

杨泽彪 刘翔

国家电力投资集团云南国际电力投资有限公司 云南 昆明 650100

华能澜沧江水电股份有限公司 云南 昆明 650214

摘要：自2015年电改9号文明确建立以中长期电力市场为主，现货市场为辅的电力市场化交易以来。我国电力体制改革取得了明显成效。随着绿色电力交易的推行，越来越多新能源发电企业参与到电力市场交易中来。特别是新能源项目在参与现货交易的过程中，短期、超短期功率预测是现货交易的重要依据和基础。目前新能源的功率预测的主要应用场景是在电力计划与调度。随着电力改革的推进和市场化机制的逐步完善，功率预测技术也将在电力交易中发挥重要作用，本文针对新能源场站的功率预测进行深入研究，统一管理模式，提升预测的准确性，提升站场运营效率的同时改善响应电网调度能力和为现货交易提供强有力的决策依据。

关键词：电力现货、功率预测系统、发电能力曲线、交易曲线、模型

引言

立足我国电力市场现状，针对新能源场站参与市场化交易，特别是现货交易实际需求，对目前新能源场站在报量报价过程中普遍存在的问题展开切实配套研究，通过功率预测系统的优化和生产运营数据的对比分析，模拟算法，形成较为精确的发电能力预测曲线，辅助交易申报，可有效保障电力市场化交易特别是现货交易较好开展，并通过对预测数据不断分析、复盘，可优化后续交易策略，能使生产集控和市场化交易有效协同。

1.基于现货交市场的需求，分析功率预测存在的问题

目前国内市场主流的新能源功率预测系统以按照电网对风电场、光伏电站接入电网技术规定要求为基础进行配置，在各个新能源场站层面配置不同厂家的功率预测系统，其准确程度参差不齐，管理较为分散。同时电网对风电场、光伏电站上传的功率预测数据考核极其严格，短期和超短期上报的精度和稳定性都有明确的要求和处罚措施。目前市场上的风光功率预测系统存在的问题主要有：

1.1准确率不达标

功率预测系统针对新能源场站提供短期预测和超短期预测，目的为满足电网要求，系统的准确率普遍达不到电网两个细则考核要求，也难以为中长期交易和现货交易提供有力技术支持。

1.2电力交易获取信息零散，人工调整全凭经验

根据目前电力现货交易规则，在人工申报条件下，只能通过交易员的经验判断来制定相应的交易策略。基于实时变动的供需形势和电价场景，不同的交易员会得出不同的交易策略，因此对交易员的综合能力要求极高。固需建立辅助交易决策的功率预测模型。

1.2功率预测和电力交易耦合不足，无法提供强有力的支持

目前新能源功率预测的主要应用场景是在电力计划与调度，随着电力改革的推进和电力交易市场的逐步建立，功率预测技术也将在电力交易中发挥重要作用。对于新能源电站而言，目前主要参与现货交易的 “报量不保价”方式在将来会逐步向“报量报价”的方式过渡。对于“报量不报价”，新能源场站只需要申报发电量，不需要申报电价，因些其关键因素就在于发电能力预测的准确率，若准确率不达标，将会面临市场化偏差考核。例如甘肃省电力市场对于风电的偏差考核为实际出力低于计划值25%以上或实际出力高于计划值5%以上都将会被考核。“报量报价”相对于“报量不报价”需要考虑的因素更多，电场需要通过区域功率预测来了解区域市场内发电能力和负荷情况的变化再来预测整个区域市场的供需情况，特别是风电和光伏装机比例较高的地区，新能源区域功率预测的作用尤为重要。区域功率预测是影响交易电价的重要因素，因此电力交易需要功率预测系统提供重要技术支持。

目前功率预测系统依靠气象数据做为基础依据来预测功率，无设备可利用情况、历史同期数据对比等同步分析，其预测的准确性达不到预期效果，为了能更好的预判未来每个时间节点的发电能力，对功率数据优化后的辅助模型可导入设备可利用率、历史同期生产数据等从多维度对预测数据进行修正。

2.辅助交易决策模型设计思路

如何更好的使用在现有平台上接入的多种来源的功率预测系统数据，探索功率预测数据与生产数据的多维度的对标分析，找到其中存在的内在逻辑，进一步研究多种功率预测模型的融合的方法，以提升功率预测的准确率。根据电力市场现货交易实际需求，以提高功率预测的准确率为前提，为新能源场站端及区域集控端提供电力现货场景下的交易策略推荐、交易评估、交易复盘及分析等功能，要做到不仅能够降低发电企业面临的交易风险、提升发电收益，同时还能减少人力资源的投入，提升包括生产运营和市场营销的整体管理效率，是辅助交易决策模型设计思路。

2.1主要框架模型

2.1.1模型结构图

2.1.2模型设计思路

2.1.2.1场站端功率预测数据与集控控端功率预测数据共同接入形成初步发电功率预测曲线；

2.1.2.2初步发电能力预测曲线与历史同期生产数据进行融合，对比分析，通过多次模拟计算，形成更加精确的发电能力预测曲线；

2.1.2.3根据发电单元的实际情况进行人工修正（如特殊气候影响、通道情况、设备检修备用情况等），最终形成可指导现货交易申报的发电能力预测曲线。

2.2研究重点方向

2.2.1基于在各个场站安装不同厂家功率预测系统的现状和痛点，利用新能源功率预测主站系统和子站系统，搭建新的发电能力预测模型，形成集中控制与市场交易协同智慧生产运营管理模式。在市场化交易新场景下，精准的风光功率预测为交易场景提供更加准确的预测数据支持，有效为新能源场站中长期交易、现货交易的电量申报提供辅助决策。

2.2.2智能化发电能力预测模型可为场站端及集控端提供电力现货场景下的市场信息展示、交易策略推荐、交易评估、交易复盘分析等功能，不仅能够降低新能源发电企业的交易风险、提升发电收益，同时可以减少人力资源的投入，提升包括生产、交易和营销的整体管理效率。在场站配有储能的场景下，还可以有更多的交易策略可供选择。

2.3技术优势

发电能力预测模型基于云计算和大数据技术，基于场站数值化模型，进行精细化的集成，其优势在于：

2.3.1集成全球权威气象机构的全球数值天气预报结果，并结合国家超算中心的强大计算能力和领先的气象预报模型为每个场站定制至少一平方千米气象预报，多外气象模型助力预报精度提升30%以上。

2.3.2率先实现风机级日前功率预报，基于大数据平台融合物理模型与机器学习模型，内置多种算法提供各种置信度区域的概率预测，并基于历史表现自动推荐最优预测，助力日前电能量交易。

2.3.3采用区域级别观测数据实时融合方法可大幅度提升日内超短期预报的准确性，助力日内及实时电能量交易。

2.3.4基于人工智能算法，结合近三年历史生产数据再分析、未来气候气象预测、区域新能源消纳及运行特性等，实现高精度中长期发电能力预测。

3.可达到的预期目标

新能源发电能源预测模型赋能新能源企业实现基于气象预测的智慧生产运营管理，在新能源市场化交易新场景下，精准的风功率、光伏功率预测成为决定新能源发电企业市场化收益的前提条件，其为交易场景提供更准确的预测数据支持，助力交易量价决策制定。

3.1短中长期发电能力预测

发电能源预测模型提供短中长期发电预测，包括日内实时、日前、月度及年度的发电量预测。精细化定制化新能源气象预报技术，确准预测场站在未来一周的出力特性，帮助新能源发电企业全面了解本场站的出力的潜力，结合各地区力交易规则，可帮助场站制定未来一周的的电力交易策略。

3.2场站集中管理和统一评价

能过对各场站功率预测系统集中管理和集中对比分析，确保集控侧与场站侧考核数据的一致性，可远程查看子站系统运行状态，帮助场站及时了解预测准确率考核情况和系统运行问题，从而提升场站预测水平和报送电网数据的连续性，减少电网考核损失。

3.3多预测源或算法的预测对比

支持多家功率预测服务商的预测数据或者算法接入，并基于统一指标进行标准化的对比运算，导入历史同期生产数据，并可进行人工干预修正（如特殊气候影响、通道情况、设备检修备用情况等），通过多次模拟运算最终形成确准的发电能力预测曲线，另一方面系统数据库内历史数据可提供交易复盘分析，有助于交易策略制定。

3.4运维窗口期推荐

发电能力预测模型整合各权威天气预报数据源，准确预测未来一周内风速、浪高、能见度、降雨等信息，结合每台风机的预报损失电量，智能推荐发电设备的运维窗口期，帮助场站科学制定检修工作计划，降低运维成本，提升场站设备可利用率。

发电能力预测模型可为发电场站端及区域集控端提供电力现货场景下的市场信息展示、交易策略推荐、交易评估、交易复盘分析等功能，不仅能够降低发电企业的市场化交易风险、还能根据辅助决策提升发电企业收益，同时可以减少人力资源的投入，提升包括生产、交易和营销的整体管理效率。在场站配有储能的场景下，还可以有更多的交易策略实现限电减少和市场收益的进一步增加。

完整发电能力预测模型包括子站和主站两部分，其中子站部署在综合自动化系统安全二区，通过获取来自安全一区的电网AGC指令、功率预测数据等，结合主站下发的交易策略模型，来计算生成最终的量价交易曲线供交易员申报使用。如果场站有储能设备，优化控制指令也会由子站生成和下发。主站支持级联，部署在区域集控中心，通过子站上传的数据进行数据评估分析，提供管理和更新交易策略模型功能，同时也支持对多个场站计算生成量价交易曲线.

参考文献：

[1]国能日新。风电场风功率预测系统（NRFM）技术白皮书 2013,12。

[2]李智，韩学山、韩力等。地区电网风电场功率超短期预测方法。电力系统自动化。2010，34（7）：90-94。

[3]王风霞。风电功率预测技术。云南电力技术。

[4]周松林，茆美琴，苏建徽。风电功率短期预测及其参数区间估计。中国电机工程学报。2011，31（25）；10-16。

[5]王丽婕，廖晓钟，高阳，高爽。风电场发电功率的建模和预测研究综述。电力系统保护与控制，2010，37（13）：118-121。

[6]于安兴，风电场短期风电功率预测研究，华东理工大学 2012。

[7]龚莺飞，鲁宗相，乔颖，王强。光伏功率预测技术。电力系统自动化。2016，40（4）

[8]卢静，翟海青，刘纯等，光伏发电功率预测系统方法研究。华东电力，2010，38（4）；563-567。

[9]范高峰，王伟胜，刘纯等，基于神经网络的风电功率预测。中国机电工程学报，2008，28（34）。

[10]代倩，段善旭，蔡涛等，基于气象因子的神经网络模型在光伏发电预测中的应用研究。第27届中国气象学会年会气候资源应用研究分会场论文集，2010.

[11]马金玉，中国地面太阳辐照长期变化特征及短期预报方法研究。南方信息工程大学，2011.