2. 国网内蒙古东部电力有限公司, 呼和浩特 010010
2. State Grid East Inner Mongolia Electric Power Supply Co., Ltd., Hohhot 010010, China
近年来,复杂的国内外形势形成了全球能源供需紧张的严峻局面,多个国家和地区出现了能源电力短缺的情况。2022年5月,我国提出加快推进以沙漠、戈壁、荒漠地区为重点的大型风电光伏基地建设[1]。其中,内蒙古风能资源技术可开发量达到全国的57%左右,近十年内蒙古新能源发电量达到1191亿kWh,居全国首位。在构建以新能源为主体的新型电力系统背景下,我国也面临能源电力保供和实现“双碳”目标的巨大压力[2]。
受到全球变暖气候影响,极端异常天气频发,其中低温寒潮天气对风力发电、输电以及负荷需求均会产生影响,给电网的规划、运行、调度和控制带来严峻挑战。大规模并网的新能源具有逆负荷特性,导致系统的电力平衡对天气变化非常敏感[3]。2021年2月,美国得州遭遇寒潮天气,因间歇性风光电源极寒无风和风机覆冰脱网引发电网供需失衡,造成大规模停电事故[4]。类似的,我国北方地区电网在迎峰度冬期间将同时面临寒潮天气影响、供暖和用电负荷需求增加的问题[5]。
现阶段,依据准确的日前新能源出力预测纳入电力平衡,利用中长期新能源出力预测确定检修工期,通过精准的超短期预测调整日内发电计划或参与电力现货交易,可有效解决“保供电”和“保消纳”之间的矛盾[6-7]。在风电场短期功率预测方面,文献[8]提出一种多变量相空间重构和鲸鱼优化算法深度极限学习机的短期风电功率组合预测方法;文献[9]提出一种计及邻近风电场信息与CNN BiLSTM的短期风电功率预测方法,引入了邻近风电场的高相关特征。考虑气象特征提高风电场短期预测方面,文献[10]通过挖掘历史风电功率数据和数值天气预报的时空特性,构建了一种考虑误差时空相依性的短期风电概率预测新框架;文献[11]通过挖掘气象特征提出一种基于贝叶斯优化调参的特征挖掘改进深度学习模型;文献[12]提出一种考虑气象特征与波动过程关联的短期风电功率组合预测方法;文献[13]提出一种基于敏感气象特征因子筛选与优化组合的短期风电功率预测方法。在寒潮天气下风电功率预测研究方面,文献[14]提出一种寒潮天气小样本条件下短期风电功率组合预测方法。
本文对2021年冬季内蒙古东部(以下简称蒙东)地区的寒潮天气过程进行总结,分析了寒潮天气过程下风机覆冰、大风切机、低温脱网和晴冷无风对风力发电出力的影响机理,以及寒潮天气过程对风电功率预测的偏差规律,并提出提升风电功率预测性能的建议,为提高寒潮天气下风电预测准确率和新能源消纳能力,提高迎峰度冬期间电力保供能力提供保障。
1 蒙东地区气候和寒潮过程特征蒙东地区所辖范围包括赤峰、通辽、兴安和呼伦贝尔四个地市,其中赤峰、通辽地区属温带大陆性气候,兴安和呼伦贝尔地区属温带季风气候。蒙东地区四季分明,夏季温热多雨,冬季寒冷干燥。
冬季陆地寒冷形成高压,受亚欧大陆强大的西伯利亚冷气团影响,风从高纬度大陆吹向海洋,使得蒙东地区冬季盛行风力较强的西北风。冷锋引导的冷空气东移南下,常会给我国带来强降温甚至寒潮,造成沿途地区剧烈降温、大风和雨雪天气。在气象学上,当冷空气入侵造成的降温在一天内达到10 ℃以上,且最低气温在5 ℃以下,则称此冷空气爆发过程为一次寒潮天气过程。寒潮天气典型的气象特征为风速增大、气温骤降、出现阴天辐照度下降等,而过境后锋后冷高压会使气流下沉,形成晴空无云、辐照度增大、风速减小但气温持续偏低的现象。通常影响我国的冷空气路径分为西路、中路、东路三类,其中东路路径主要影响蒙东地区,该路径冷锋过境后的天气多阴雨雪天气。
根据蒙东地区寒潮天气影响风电出力的过程,将寒潮天气的特征分为风机覆冰、大风切机、低温脱网和晴冷无风四种类型。以下逐一分析各种寒潮类型对风电运行的影响机理,并结合蒙东地区典型案例分析寒潮对风电功率预测的偏差规律。
2 风机覆冰对风电运行和功率预测的影响 2.1 对风电运行的影响在我国北方初冬、初春时期气温低、湿度高,风机叶片覆冰对风电机组的安全稳定运行造成了严重影响。寒潮期间,冷冻的细雨、湿雪或结冰雾、云和霜与风机叶片表面长时间慢速碰撞,逐渐导致风机叶片出现覆冰[15]。研究表明,风电机组覆冰形成的主要条件是存在逆温层、环境温度低于0 ℃、叶片表面低于-5 ℃、空气湿度在85%以上。
风机覆冰会改变叶片的空气动力学结构,使其输出功率降低,同时增加风轮和塔架载荷,使得风机振动加剧甚至损坏。此外,融冰期叶片表面冰块还可能脱落或甩出,严重威胁周围人员的安全。
2.2 对蒙东风电预测影响的典型案例蒙东地区在每年11月寒潮初期,当气温逐渐降至0 ℃并伴随雨雪天气时,易发生风机因覆冰而停机的情况。以2021-11-05—09寒潮天气过程为例,此次寒潮蒙东中南部地区降雪量超过10 mm,气温下降14 ℃左右。
分析寒潮过程中气温、降水变化对风电出力的影响可知,寒潮初期大风降温,蒙东全网风电出力陡升;中期出现雨夹雪、局部地区大到暴雪,风电出力出现回落;后期持续大风降温,风电逐渐上升至较高出力。寒潮期间由于覆雪后持续降温,出现风机覆冰脱网情况,据统计,受覆冰影响的风电场16个,影响出力400 MW。
统计此次寒潮过程蒙东风电出力和预测结果如图 1所示,可见在风机覆冰类型寒潮过程中,初期风电爬坡过程和中期风电下降过程预测出力均出现负偏差,后期因风机覆冰脱网导致风电预测结果偏高出现正偏差。
![]() |
图 1 2021-11-05—09蒙东风电出力预测结果 Figure 1 Wind power prediction results of eastern Inner Mongolia from November 5 to November 9, 2021 |
风电机组在运行过程中会承受多种复杂的力矩作用,当实际风速达到风电机组所能承受的最大风速以上时,机组的风能捕获量提高,疲劳载荷增加,易出现塔架倒塌、叶轮飞车等事故,影响机组寿命。考虑极端大风天气下风机运行的安全性,规定风电机组并网发电的最大风速为切出风速,当机舱测风仪测量风速超过切出风速且持续时间超过切出动作设定时间后,机组将切出运行,停止发电。
3.2 对蒙东风电预测影响的典型案例根据近3年月平均利用小时数和月平均同时率统计结果,蒙东地区每年10月至次年5月均为大风期,期间寒潮天气过程中风电场将出现大风切机,导致风电出力大幅下降。此外,蒙东部分风电场因投运时间较早,部分型号风机切出风速偏低,导致在冬季大风期易发生大风切机情况。以2021-12-16—19寒潮天气过程为例。此次寒潮过程蒙东大部地区多云见晴,降雪量较小,风速曲线呈快速上升并持续大风过程,部分地区因风速持续过高导致风机切出,据统计,出现大风切机的风电场3个,影响出力312.5 MW。
统计此次寒潮过程蒙东风电出力和预测结果如图 2所示,可见在大风切机类型寒潮过程中,前期风电快速爬坡过程出现负偏差,后期因大风切机导致风电预测结果偏高出现正偏差。
![]() |
图 2 2021-12-16—19蒙东风电预测结果 Figure 2 Wind power prediction results of eastern Inner Mongolia from December 16 to December 19, 2021 |
风电机组在低温下运行时,零部件的性能、机组的可维护性将发生变化,情况严重时甚至会引起安全事故。随着环境温度降低,空气密度增大,风机出力特性将发生变化,可能导致过发过载现象。传动系统中的齿轮箱、主轴等主要机械部件在低温时可能发生脆性断裂,严重时可能导致安全事故的发生。风机的润滑油在低温下黏度变大,流动性变差,机组因得不到充分的润滑油供给,将危及设备的安全运行。因此,风机制造厂家为风电机组配置了低温保护,在环境温度过低(低于-30 ℃)时自动停止运行,避免主要零部件受到损坏而影响风机寿命,并导致安全事故的发生。
4.2 低温脱网对蒙东风电预测影响的典型案例每年冬季,蒙东北部地区遭遇极寒天气,呼伦贝尔大兴安岭地区甚至达到-42 ℃。蒙东地区风电场配置的低温保护风机,当保护定值低于-30 ℃时发生脱网,即低温脱网。以2021-12-23—27寒潮天气过程为例,此次寒潮过程蒙东局部地区降雪,全网风电出力经历快速爬坡并急速下降,再升高并持续大风过程。蒙东北部地区降温至-30 ℃以下,受其影响该地区风电场出现低温脱网情况,据统计低温停机的风电场20个,影响出力500 MW。
统计此次寒潮过程蒙东风电出力和预测结果如图 3所示,可见初期风电爬坡过程出现负偏差,中期风电下降过程出现正偏差,后期因低温脱网导致风电预测结果偏高出现正偏差。
![]() |
图 3 2021-12-23—27蒙东风电出力预测结果 Figure 3 Wind power prediction results of eastern Inner Mongolia from December 23 to December 27, 2021 |
寒潮过境后,锋后冷高压会使气流下沉,形成晴空无云、辐照度增大、风速减小、气温持续偏低的现象,即寒潮后期会出现晴冷无风天气。此时风电出力降低,但因气温持续偏低导致用电负荷激增,风电表现出逆负荷的特性,此时易造成电网缺电。
5.2 对蒙东风电预测影响的典型案例统计风资源情况可知,蒙东地区在冬季至次年春季均为大风期,但在2022年1月份出现了持续1周的无风天气。以2022-01-18—24为例,期间蒙东大部地区天气晴朗,风力仅为1—2级,持续无风导致蒙东全网风电出力仅为1000 MW左右,2022年1月蒙东风电出力和预测结果如图 4所示,可见晴冷无风导致风电预测结果偏高出现正偏差。
![]() |
图 4 2022年1月蒙东风电出力预测结果 Figure 4 Wind power prediction results of eastern Inner Mongolia in January, 2022 |
根据蒙东地区寒潮天气影响风电出力的过程,将寒潮天气的特征分为4种类型,分析了各种寒潮类型对风电运行的影响机理,并结合蒙东地区典型案例研究了寒潮对风电功率预测的偏差规律,得出以下结论。
(1)寒潮属于极端突变天气,数值天气预报对于极端突变天气的模拟容易产生幅值偏差和相位偏差。寒潮初期风电爬坡过程预测出现负偏差,寒潮期间伴随降雪过程则风电出力呈下降趋势并出现负偏差。
(2)寒潮期间,因风电场功率预测系统预测模型中未考虑风机覆冰、大风切机和低温脱网因素,使得预测模型中开机容量与实际情况存在偏差,进而导致风电、光伏预测出力均存在正偏差。
(3)寒潮过境后出现晴冷无风的天气,风电资源较差,风电出力降低,风电预测出现正偏差。
6.2 建议针对上述寒潮天气过程中风电预测产生偏差的规律,可从以下方面开展相关工作。
(1)加强寒潮天气的预测预警工作。通过与地方气象局建立合作机制,开展特殊天气特征的气象专家诊断工作,提前掌握寒潮过程的预警信息,掌握寒潮影响严重地区的局部精细化气象预报预警信息,开展低温寒潮天气过程下新能源发电预测预警技术研究。
(2)开展新能源功率预测系统升级改造。督促新能源场站提高数值天气预报准确率,开展预测模型修正,每日上报两次预测曲线和对应时段的实际开机容量,通过提升新能源场站预测性能提高全网新能源预测准确率。
(3)鼓励风电场开展风机低温运行能力提升改造。蒙东地区部分风电场投运时间较长,风机型号较旧,不具备低温运行的能力,通过鼓励风电场开展风电机组抗冻、除冰研究和试验,引导风电企业对已投产设备进行抗寒抗冻改造,提高风电机组在极寒地区的适应能力。
[1] |
国家发展改革委, 国家能源局. 关于促进新时代新能源高质量发展的实施方案: 国办函[2022]39号[A/OL]. (2022-05-14)[2022-05-30]. https://www.gov.cn/zhengce/content/2022-05/30/content_5693013.htm.
( ![]() |
[2] |
单葆国, 冀星沛, 许传龙, 等. 近期全球能源供需形势分析及中国能源电力保供策略[J].
中国电力, 2022, 55(10): 1-13 SHAN Baoguo, JI Xingpei, XU Chuanlong, et al. Recent Global Energy Supply - Demand Situation and Guarantee Strategy of China's Energy and Power Supply[J]. Electric Power, 2022, 55(10): 1-13 ( ![]() |
[3] |
张康, 孙国文. 电力保供的当下之计与长远之策[J].
中国电力企业管理, 2022(7): 57-59 ZHANG Kang, SUN Guowen. Current and long-term strategies for power supply assurance[J]. China Power Enterprise Management, 2022(7): 57-59 ( ![]() |
[4] |
檀丛青, 王志奇, 陈柳明, 等. 高寒高海拔地区风光互补热电联供系统多目标优化研究[J].
分布式能源, 2020, 5(4): 43-50 TAN Congqing, WANG Zhiqi, CHEN Liuming, et al. Multi Objective Optimization of Wind - Solar Hybrid Heat and Power Generation System in Frigid and High-Altitude Area[J]. Distributed Energy, 2020, 5(4): 43-50 ( ![]() |
[5] |
汪扬. 迎峰度冬供电的综合因素和保障措施分析[J].
电工技术, 2021(12): 161-163 WANG Yang. Analysis of Comprehensive Factors and Guarantee Measures of Power Supply during Peak Winter[J]. Electric Engineering, 2021(12): 161-163 ( ![]() |
[6] |
王伟胜, 王铮, 董存, 等. 中国短期风电功率预测技术现状与误差分析[J].
电力系统自动化, 2021, 45(1): 17-27 WANG Weisheng, WANG Zheng, DONG Cun, et al. Status and Error Analysis of Short - term Forecasting Technology of Wind Power in China[J]. Automation of Electric Power System, 2021, 45(1): 17-27 ( ![]() |
[7] |
乔路丽. 基于HGWO-SVM的风电功率预测方法研究[J].
东北电力技术, 2023, 44(3): 12-17 QIAO Luli. Research on Wind Power Forecasting Method Based on HGWO-SVM[J]. Northeast Electric Power Technology, 2023, 44(3): 12-17 ( ![]() |
[8] |
商立群, 李洪波, 黄辰浩, 等. 基于多变量相空间重构和优化深度极限学习机的短期风电功率预测[J].
南方电网技术, 2023, 17(2): 82-91 SHANG Liqun, LI Hongbo, HUANG Chenhao, et al. Short-term wind power prediction based on multivariate phase space reconstruction and optimized deep extreme learning machine[J]. Southern Power System Technology, 2023, 17(2): 82-91 ( ![]() |
[9] |
杨子民, 彭小圣, 熊予涵, 等. 计及邻近风电场信息与CNN-BiLSTM的短期风电功率预测[J].
南方电网技术, 2023, 17(2): 47-56 YANG Zimin, PENG Xiaosheng, XIONG Yuhan, et al. Short-term wind power prediction based on information in neighboring wind farms and CNN - BiLSTM[J]. Southern Power System Technology, 2023, 17(2): 47-56 ( ![]() |
[10] |
胡文慧, 苏欣, 姜林, 等. 考虑预测误差时空相依性的短期风电功率概率预测[J].
南方电网技术, 2023, 17(2): 137-144 HU Wenhui, SU Xin, JIANG Lin, et al. Probabilistic prediction of short-term wind power considering the temporal and spatial dependence of prediction errors[J]. Southern Power System Technology, 2023, 17(2): 137-144 ( ![]() |
[11] |
杨京渝, 罗隆福, 阳同光, 等. 基于气象特征挖掘和改进深度学习模型的风电功率短期预测[J].
电力自动化设备, 2023, 43(3): 110-116 YANG Jingyu, LUO Longfu, YANG Tongguang, et al. Wind power short - term forecasting based on meteorological feature exploring and improved deep learning model[J]. Electric Power Automation Equipment, 2023, 43(3): 110-116 ( ![]() |
[12] |
叶林, 赵金龙, 路朋, 等. 考虑气象特征与波动过程关联的短期风电功率组合预测[J].
电力系统自动化, 2021, 45(4): 54-62 YE Lin, ZHAO Jinlong, LU Peng, et al. Combined prediction of short-term wind power considering correlation of meteorological features and fluctuation process[J]. Automation of Electric Power Systems, 2021, 45(4): 54-62 ( ![]() |
[13] |
鞠冠章, 王靖然, 崔琛, 等. 极端天气事件对新能源发电和电网运行影响研究[J].
新能源, 2022, 50(11): 77-83 JU Guanzhang, WANG Jingran, CUI Chen, et al. Impact of extreme weather events on new energy power generation and power grid operation[J]. New Energy Sources, 2022, 50(11): 77-83 ( ![]() |
[14] |
叶林, 李奕霖, 裴铭, 等. 寒潮天气小样本条件下的短期风电功率组合预测[J].
中国电机工程学报, 2023, 43(2): 543-554 YE Lin, LI Yilin, PEI Ming, et al. Combined approach for short - term wind power forecasting under cold weather with small sample[J]. Proceedings of the CSEE, 2023, 43(2): 543-554 ( ![]() |
[15] |
蒋慕凝, 何宇, 张棠茜, 等. 基于特征选择及误差修正的风电功率预测[J].
分布式能源, 2023, 8(2): 37-43 JIANG Muning, HE Yu, ZHANG Tangqian, et al. Wind Power Prediction Based on Feature Selection and Error Correction[J]. Distributed Energy, 2023, 8(2): 37-43 ( ![]() |