近年来，在全球应对气候变化的大背景下，我国风能资源的开发利用发展迅速，风电装机容量高速增长，截至2011年，累计装机容量达到62.7 GW，继2010年之后继续位居世界第一，中国已成为推动全球风电产业发展的火车头^[1-4]。风电的随机性、波动性和间歇性等固有特点严重影响了其并网使用，而风电预报则是解决这一问题的有效途径，因此，风电的快速发展也为风电预报带来了良好的机遇与严峻的挑战。此外，国家能源局于2011年6月下发了《关于风电场功率预测预报管理暂行办法的通知》(国能新能[2011]177号) 后，使风能预报的需求更加重要和迫切，也带动了社会各领域加快风能预报技术及系统建设的发展。

国际上风电场风电功率短期预报的技术方法主要有统计预报、动力与统计结合的预报以及集合预报等方法^[5-9]，其中统计预报法的预报实效较短，单独使用不能满足风电场短期预报需求，并且对观测资料的质量和长度要求较高；动力与统计结合的预报方法是目前普遍采用的技术方法，可预报未来3 d的结果，基本满足风电场短期预报需求，但预报准确率依赖于数值模式预报效果；集合预报是未来风能预报发展的必然趋势，需要在风电场风电功率预报开展一段时间后分析各种方法预报效果差异，再综合多种预报结果得到最佳预报模型，这种方法能够更加有效地消除随机误差，提高预报准确率。目前集合预报在欧美国家风电场功率预报中已广泛应用，但在我国还应用不多。因此，本文以湖北省最早投入运行的通山县九宫山风电场为试点，开展基于数值模式预报^[10-12]的风电功率预报方法研究，主要包括物理法和动力统计法，希望通过多种方法的应用对比提高预报准确率，为下一步我国发展更加成熟的风电集合预报方法提供参考。

本文以湖北省九宫山风电场为研究对象，该风电场地处华北平原和鄱阳湖平原之间的季风通道，位于以九宫山铜鼓包为中心的东西向山脊上，共安装16台额定功率为850 kW的西班牙歌美飒双馈风力发电机，总装机容量为1.36×10⁴ kW。

本文所用资料包括数值预报结果和风电场观测资料，资料时段为2011年7-12月。

① 数值预报结果为风电场代表点的中尺度MM5模式耦合小尺度CALMET综合模式模拟结果^[13-14]，模式水平分辨率为0.2 km×0.2 km，时间分辨率为15 min，每日08：00(北京时，下同) 起报，积分84 h，仅采用未来17~40 h的预报结果进行分析。

② 15 min风速和风电功率实况资料分别为九宫山风电场提供的16台风机轮毂高度 (50 m) 处10 min风速和风电功率观测资料平均后插值得到。所用的风电场原始资料均经过质量控制，根据风机理论风电功率曲线对风速和对应风电功率的关系进行判断，删除明显不合理的离散数据。

③ 风电功率预报模型使用九宫山风电场2009年3月-2010年2月的实测风速及对应风电功率资料建模。预报效果检验资料时段为2011年7-12月。

根据国家能源局下发的《风电场功率预测预报管理暂行办法》，风电功率预报分日预报和实时预报两种方式，本文主要研究短期预报方法 (即日预报)，进行次日24 h的风电功率预报，方法主要包括物理法和动力统计法^[15]。

物理法是先对风速进行预报，再带入拟合风电功率曲线，最终得到功率预报值。该方法不需要大量的、长期的实测数据，更适用于新建风电场。根据对数值模拟风速订正与否及风电功率预报模型建立方法的不同可细分为3种方法，具体预报流程见图 1。

图 1

图 1. 风电功率短期预报物理法流程图 Fig 1. The flow chart of wind energy short-term forecast using principle method

① 方法1：数值预报风速直接代入理论风电功率曲线。对风机理论风电功率曲线进行拟合，建立风电功率预报模型，然后直接将数值预报风速带入风电功率预报模型，得到预报功率。该方法适用于初建风电场，既无测风塔资料，也无历史风电功率资料的情况。

② 方法2：数值预报风速订正后代入理论风电功率曲线。拟合风机理论风电功率曲线建立风电功率预报模型，将模式预报风速订正后带入风电功率预报模型，得到预报功率。该方法适用于风电场有测风塔资料，但无历史风电功率资料的情况。

③ 方法3：数值预报风速订正后代入实际拟合的风电功率曲线。采用风场实测历史风速资料和风电功率资料建立风电功率预报模型，将模式预报的模拟风速订正后带入风电功率预报模型，得到预报功率。该方法适用于风电场既有测风塔资料，也有历史风电功率资料的情况。

动力统计法就是在数值预报结果 (包括风速、气温、气压、湿度等气象要素) 和风电场的风电功率之间建立一种映射关系，包括线性的和非线性方法，具体有自回归技术、黑盒子技术 (最小平方回归、神经网络等)、灰盒子技术等。

该方法的优点是预报自发地适应风电场位置，所以系统误差自动减小，不需对模拟风速进行订正。缺点是需要长期测量资料和额外的训练；另外，在训练阶段很少出现的罕见天气状况，系统很难准确预报，对这些罕见天气状况的修正预报十分重要，否则将会导致很大的预报误差。

由于数值预报结果季节性变化明显，因此每日采用前一段时间的模拟资料滚动建立模型进行预报，能够更加准确地反映模式预报的连续性及季节性变化。

风速变化受天气变化及地形条件的影响，具有很强的随机波动性。采用模式对九宫山风电场风速进行数值模拟，虽然引进了气象因素和地形条件对风速的影响，但模式不可避免地存在系统性误差，因此需对模拟风速与实测风速之间的关系及特征进行分析，从而选择合适的订正方法，有效减小系统误差，使预报风速更加准确。由于采用风场诊断模式CALMET只输出预报风速，因此不能利用多元回归、MOS等订正方法，本文采用多项式法建立模拟风速和观测风速之间的关系，对模拟风速进行释用订正。

分析模拟风速和实测风速关系发现，小风速预报准确率较高，因此分段进行订正，0~3 m·s^-1风速不订正，直接采用模拟值，3 m·s^-1以上风速采用多项式法进行订正，具体订正模型见表 1。

表 1

表 1 模拟风速订正模型 Table 1 The correcting model of simulated wind speed 订正条件 订正模型 υ模拟 < 3 m·s-1 y=x(不订正) υ模拟≥3 m·s-1 y=-0.0015x4+0.0544x3-0.6438x2+3.5233x-2.201 注：x为模拟风速，单位：m·s-1; y为订正风速，单位：m·s-1。

表 1 模拟风速订正模型 Table 1 The correcting model of simulated wind speed

对7-10月模拟风速订正效果进行检验发现，模拟风速订正前后相关系数无明显变化，即订正不改变模式预报趋势，只在原有基础上进行修正；订正后均方根误差和平均绝对误差均明显变小，说明订正能有效提高风速预报的稳定性和准确度。此外，从各月模拟风速订正前后与实测风速比较可以看出，虽然各月订正效果存在差异，但订正风速均与实测风速更加接近，结果参见表 2。

表 2

表 2 模拟风速订正效果检验 Table 2 The correcting effect test of simulated wind speed 月份 条件 相关系数 均方根误差/(m·s-1) 平均绝对误差/(m·s-1) 7 实测与模拟 0.584 3.22 2.5 实测与订正 0.583 2.90 2.3 8 实测与模拟 0.653 3.00 2.4 实测与订正 0.633 2.85 2.3 9 实测与模拟 0.365 3.77 3.0 实测与订正 0.381 3.12 2.5 10 实测与模拟 0.230 4.01 3.2 实测与订正 0.207 3.70 3.0 11 实测与模拟 0.496 3.24 2.9 实测与订正 0.471 2.95 2.6 12 实测与模拟 0.412 2.38 1.8 实测与订正 0.396 2.38 1.8

表 2 模拟风速订正效果检验 Table 2 The correcting effect test of simulated wind speed

物理法风电功率预报模型的建立主要有两种：一种是风机理论风电功率曲线拟合的预报模型，采用九宫山风电场Gamesa-G58/850 kW风机标准空气密度下的理论风电功率曲线拟合得到；另一种是实测资料拟合的预报模型，采用九宫山风电场2009年3月-2010年2月的实测风速及对应风电功率资料建模。具体风电功率预报模型见表 3。

表 3

表 3 风电功率预报模型 Table 3 The wind energy forecast model 项目 风速分段/(m·s-1) 风电功率预报方程 x < 3 W=0 理论风电功率预报模型 3≤x < 12 W=-3.5293x3+90.842x2-626.38x+1385.9 x≥12 W=850 x < 3 W=0 实际风电功率预报模型 3≤x < 13 W=-0.0621x4+0.7055x3+11.477x2-80.801x+148.97 x≥13 W=850 注：x为预报风速，单位：m·s-1；W为风电功率，单位：kW。

表 3 风电功率预报模型 Table 3 The wind energy forecast model

通过分析九宫山风电场观测风速及对应风电功率之间的关系 (图 2)，发现风速为13~20 m·s^-1时，风机处于满载运行状态，因此将风机额定风速定为13 m·s^-1。以风速为划分依据，分段建立风电功率预报模型，其中风速为3~13 m·s^-1时采用多项式法建立预报模型，多项式阶数可根据拟合效果确定，得到的预报方程拟合度高，相关系数达0.98。

图 2

图 2. 实际风电功率预报模型拟合曲线 Fig 2. The fitting curve of wind energy forecast model using observations

本文采用预报当日前20 d数值模拟风速及实测风电功率建立风电功率预报模型，由于模式输出因子有限，因此采用线性回归法每日滚动建模，将模拟风速代入模型即得到预报风电功率结果。

从7-10月风电功率预报效果检验可看出 (表 4)，8月4种方法预报误差无明显差异，其他月份则差异明显，从相对均方根误差看动力统计法明显优于其他方法。9月物理法3和动力统计法预报准确率均在80%以上，达到国家能源局发布的《风电声功率预测预报管理暂行办法》^[16]的要求。

表 4

表 4 风电功率预报效果检验比较 Table 4 The comparison of wind energy forecast by different methods 月份 方法 相关系数 相对均方根误差/% 平均绝对误差/kW 实测平均功率/kW 预报平均功率/kW 7 物理法1 0.593 30 2760.5 3579.4 4195.2 物理法2 0.605 27 2385.7 3151.3 物理法3 0.604 26 2344.2 2837.0 动力统计法 0.644 24 2409.2 2984.1 8 物理法1 0.722 25 2427.4 4033.9 4045.1 物理法2 0.706 25 2316.2 3100.8 物理法3 0.699 25 2305.9 2859.9 动力统计法 0.624 26 2703.2 3091.9 9 物理法1 0.436 33 2938.6 1368.7 3604.4 物理法2 0.500 23 2028.7 2597.5 物理法3 0.504 19 1783.4 2323.5 动力统计法 0.414 18 1974.7 2731.1 10 物理法1 0.217 34 3007.6 2220.3 2501.6 物理法2 0.228 30 2646.7 2091.3 物理法3 0.227 28 2467.5 1890.8 动力统计法 0.154 25 2492.6 2287.4 11 物理法1 0.480 37 3875.6 3781.2 648.4 物理法2 0.473 36 3702.8 1030.0 物理法3 0.558 33 3152.9 774.1 动力统计法 0.683 24 2501.2 2205.9 12 物理法1 0.319 23 1817.3 1512.0 649.6 物理法2 0.289 22 1796.5 1004.0 物理法3 0.408 18 1291.9 573.6 动力统计法 0.211 14 1417.3 1718.6

表 4 风电功率预报效果检验比较 Table 4 The comparison of wind energy forecast by different methods

除8月以外，其他月份均为物理法1预报效果最差，相对均方根误差基本在30%以上，其他3种方法基本在30%以下，预报准确率从物理法2、物理法3、动力统计法依次递增 (图 3)。以上分析说明采用实测资料建立的风电功率预报模型优于理论风电功率模型，对模拟风速进行释用订正能有效提高预报准确率，动力统计法较适用于类似九宫山复杂山区地形的风电场。

图 3

图 3. 2011年7—12月九宫山风电场风电功率预报相对均方根误差比较 Fig 3. The relative mean square root error of wind energy forecast at Jiugongshan Wind Farm from July to December in 2011

本文采用多种方法对九宫山风电场风电功率进行短期预报，并对预报效果进行检验，分析表明：

1) MM5耦合CALMET模式基本能够预报出风电场风速变化趋势，模拟风速释用订正能够降低风速预报误差并有效提高预报准确率，但难以修正预报趋势。本研究受数值模式及实测资料所限无法采用更合理的订正方法，如考虑气温、气压、风向等影响进行订正。模拟风速的释用订正还需根据各风电场具体情况，分析误差特点再选用合适的订正方法。

2) 从风电功率预报效果看，动力统计法更适用于九宫山风电场的复杂山区地形，可能是由于该方法能自发地适应风电场地理位置；采用实测资料建立的风电功率预报模型优于理论风电功率模型，这也与风机实际运行环境会对风机输出功率产生影响有关，如果理论风电功率模型在使用时引入适合的折减系数会取得更好的预报效果。

风电功率预报影响因素多，除建立预报模型进行预报外，还需单独考虑极端天气事件下风电功率的预报，以及在同样风力条件下不同天气状况对风电功率的影响。此外，对风电场影响较大的气象灾害，如覆冰、雷暴等对风机输出功率的影响还有待深入研究^[17]。这些工作的开展均有益于提高风电功率预报准确率及保障风机安全运行。本文所做工作探讨了多种情况下风电功率预报效果，具有一定的参考价值，并已初步应用于九宫山风电场风电功率预报服务，取得较好的服务效果，但还需随着后期资料的累积及技术改进，进行深入研究，以进一步提高预报精度，为风电场提供更有价值的预报服务。