2021年10月17日-20日，2021北京國際風(fēng)能大會暨展覽會（CWP 2021）在北京新國展隆重召開。作為全球風(fēng)電行業(yè)年度最大的盛會之一，這場由百余名演講嘉賓和數(shù)千名國內(nèi)外參會代表共同參與的風(fēng)能盛會，再次登陸北京。

　　

　　本屆大會以“碳中和——風(fēng)電發(fā)展的新機遇”為主題，歷時四天，包括開幕式、主旨發(fā)言、高峰對話、創(chuàng)新劇場以及關(guān)于“國際成熟風(fēng)電市場發(fā)展動態(tài)及投資機會”“國際新興風(fēng)電市場發(fā)展動態(tài)及投資機會”“風(fēng)電設(shè)備智能運維論壇”“碳達峰碳中和加速能源轉(zhuǎn)型”等不同主題的15個分論壇。能見App全程直播本次大會。

　　

　　在19日下午召開的風(fēng)資源精細(xì)化評估論壇上，浙江運達風(fēng)電股份有限公司創(chuàng)新研究院高級工程師陳廣宇發(fā)表了題為《測量相關(guān)預(yù)測方法的不確定度研究》的主題演講。

　　

　　陳廣宇：各位領(lǐng)導(dǎo)、各位同仁大家下午好，我是來自浙江運達風(fēng)電創(chuàng)研院陳廣宇，我今天分享主題是“測量相關(guān)預(yù)測方法的不確定度研究”。

　　

　　首先，為什么要做測量相關(guān)預(yù)測方法的不確定度研究，主要因為開發(fā)或者風(fēng)資源評估實踐中，發(fā)現(xiàn)有些規(guī)模小，周期短的項目，往往沒有完整的測控數(shù)據(jù)支持，給風(fēng)資源評估帶來很大的難題。現(xiàn)在業(yè)內(nèi)解決方案主要是利用短期測風(fēng)+長期數(shù)據(jù)插補的方法。測量相關(guān)預(yù)測方法是在空間相關(guān)性原理基礎(chǔ)上，利用目標(biāo)站點短期測風(fēng)數(shù)據(jù)以及長期參考數(shù)據(jù)建立模型。我們研究對象聚焦到6種常用的MCP方法，分別是LLS、VS、WBL、VR、BSR、SS。

　　

　　研究方法，分別截取了史冊完整年測風(fēng)塔風(fēng)速向前的1到11個數(shù)據(jù)，結(jié)合中尺度數(shù)據(jù)，利用MCP方法進行預(yù)測，將截取數(shù)據(jù)補全到12個月，再與史冊的完整一年數(shù)據(jù)進行對比，對于MCP方法一個影響，還套用WD147-2500機型功率曲線進行發(fā)電量對比。我們用了相對偏差的概念，就是下面這兩個公式。

　　

　　數(shù)據(jù)方面選取了河北、河南、山東、江蘇、安徽等分散式比較集中的省份，統(tǒng)計了全國485個測風(fēng)塔數(shù)據(jù)樣本，這些樣本對應(yīng)區(qū)域內(nèi)中尺度在分析數(shù)據(jù)，測風(fēng)塔數(shù)據(jù)選用是一年，準(zhǔn)確率95%以上，中尺度數(shù)據(jù)選用Merra2的再分析資料。根據(jù)相關(guān)系數(shù)大小，將這些數(shù)據(jù)分為三檔，相關(guān)系數(shù)0到0.5不相關(guān)或者弱相關(guān)，0.5到0.7弱相關(guān)，0.7到1為強相關(guān)，低于0.5的是異常的，分析的時候我們會把異常數(shù)據(jù)剔掉。

　　

　　看一下研究結(jié)果，這是誤差的散點，橫坐標(biāo)是同步時長，1到11個月，縱坐標(biāo)是誤差，我們用百分比的誤差。黑色點是485個數(shù)據(jù)的一個誤差散點，紅色線是這些散點誤差一個平均值誤差，藍點是平均誤差，一個帶符號，一個不帶符號。

　　

　　從這個圖看出來他們基本呈零度上下對稱的，可以更具體去把這些數(shù)據(jù)提取出來，我們看一下這個圖，這是表格，是我們計算了4個參數(shù)，第一個是它的平均值誤差，第二是它的平均誤差一個誤差標(biāo)準(zhǔn)差。第三是平均值誤差一介差分，第四是二介差分。

　　

　　可以得到四條結(jié)論，各方法的平均值誤差小于5.8%的，當(dāng)同步時長大于等于7個月時間，各個方面誤差趨于一致，小于1.6%，如果測風(fēng)數(shù)據(jù)大于7個月，用什么方法去插補意義差不多，沒有必要挑了。VS和LLS和BSR方法在平均風(fēng)速還原上差不多的，三者差異不是很大。他們隨著同步時長增加而減少的，增加時長可以明顯減少誤差的，第四通過分析平均值誤差的二介差分得到的，當(dāng)同步時長在三個月時間，它誤差減少的速度開始變慢了，帶來收益開始減少，這就是給我們客戶推薦一些組合測風(fēng)的時候，我們建議他測三個月，這是它的一個根據(jù)，為什么測三個月是比較好的。

　　

　　把三個月數(shù)據(jù)提取出來做了一個誤差的平均風(fēng)速圖，對它進行擬合，可以看到這些數(shù)據(jù)它基本上服從平均值是0的正態(tài)分布，擬合數(shù)據(jù)之間相關(guān)系數(shù)大于0.95的，我們可以利用這6種MCP方法不確定度用標(biāo)準(zhǔn)差來進行表征，平均差是0的，當(dāng)平均時長為3個月，偏差最小的VS方法不確定度是3.68%，偏差最大的不確定度為4.51%。這是一個關(guān)于相關(guān)系數(shù)一個分析，在我們做一些業(yè)務(wù)的時候，工程師苦惱對于不同地形，不同相關(guān)系數(shù)條件下，用哪個方法最好，我們進行了6種方法在不同相關(guān)系數(shù)條件下誤差的對比。

　　

　　淺色圖是相差系數(shù)在0.5到0.7，黑色圖是強相關(guān)，0.7到0.1之間，我們同樣可以得到三個結(jié)論，首先測風(fēng)數(shù)據(jù)和相關(guān)系數(shù)越好，平均值誤差越小的，這是顯而易見的，其中VS方法在相關(guān)系數(shù)較差時誤差最小，而且它在不同相關(guān)系數(shù)之間，它的偏差是比較小的，它對相關(guān)性不是很敏感的，更適用于相關(guān)條件下的插補，當(dāng)相關(guān)系數(shù)大的時候，各個算法之間差異是比較小的它性能是差不多的，其中VS和BS2方法，平均值誤差是最小的，在相關(guān)性較好情況下，這兩種方法它可以帶來我們更好的結(jié)果。

　　

　　同樣的分析方法分析了年發(fā)電量，這個圖跟剛才的圖差不多，仔細(xì)看會發(fā)現(xiàn)，VS和LLS在同步時長小于6個月是明顯小于6的，這樣的方法對發(fā)電量進行一個低估，同樣進行數(shù)據(jù)提取，我們分析4套結(jié)論，首先是WBL、VR、BSR、SS方法在同步時長年發(fā)電量表現(xiàn)要明顯好于VS和LLS方法，BSR方法它誤差在年發(fā)電量方面同樣很小的，它對于平均風(fēng)速也是很好的，它可以兼顧平均風(fēng)速和年發(fā)電量。剩下兩條結(jié)論和剛才是一樣的。

　　

　　關(guān)于剛才研究的進行了一點思考，在一個風(fēng)速分布大概是一個尺度參數(shù)A和形狀參數(shù)K決定的，剛才我們提到對于風(fēng)速預(yù)測更好的方法，它其實表征是這個尺度參數(shù)A，對發(fā)電量預(yù)測更好的方法表征的是形狀參數(shù)K，所以發(fā)電量最終是由A、K決定的，我們使用要兼顧風(fēng)速和發(fā)電量，簡單方法把我們風(fēng)速預(yù)測更好的方法和發(fā)電量預(yù)測更好的方法進行一個結(jié)合。    

　　

　　我們還進行了一個驗證，左邊三個方法是對于平均風(fēng)速預(yù)測更好的MCP方法，右邊三組對于發(fā)電量預(yù)測更好的MCP方法，我們有9種組合，預(yù)測了它的誤差和變化，它對發(fā)電量計算偏差較為一致，基本上看不出有很大差別，差別比較小的，但是它和對于發(fā)電量預(yù)測最好的WBL方法相比是較大提升的，雖然差別不大，可以挑出來最好的組合，VS+WBL方法組合，它的組合可以看到平均值誤差4.47，比任何他們兩個單獨的平均值誤差都要小很多的。

　　

　　這邊針對10個項目開展了一個實際的風(fēng)資源評估，分別利用VS+WBL方法和SLL方法進行一個評估，最后根據(jù)評估結(jié)果中平均風(fēng)速、和滿發(fā)數(shù)進行了一個對比，分別分別差異，這邊差異是比較明顯的，在平均風(fēng)速上兩個性能差不多的，但是它在發(fā)電量上面非常明顯的，紅線是組合方法，黑線是單獨的，VS方法和WBL方法這個組合有很大改善的，平均偏差分別是6.01和3.52%，這個方法簡單減少50%的誤差。

　　

　　這個方法有點簡單，它的結(jié)果比較好的，缺點就是系數(shù)作用于整個時間序列，它在一定程度上改變實測數(shù)據(jù)，可能會引起一些不必要的事情，我們后續(xù)可能還會進行一些優(yōu)化。我的報告到此為止，謝謝各位聆聽。

　　

　　（根據(jù)速記整理，未經(jīng)本人審核）