新能源发电功率预测系统数据流容错研究
国电南京自动化股份有限公司的研究人员吴世伟、刘文彪等，在2018年第12期《电气技术》杂志上撰文指出，新能源发电（风力发电和光伏发电）由于随机性、间歇性的特点，大规模并网时对于电网运行会带来影响。高精度的新能源发电功率预测，有助于提高新能源发电的消纳水平，有利于提高新能源发电的可观测性和可控制性。
从工程实践中发现，功率预测系统由于通信中断、数据采集错误、限电、并网容量变化、检修等原因，导致预测精度下降。本文从系统数据流出发分析了问题的原因，从设计到验证过程总结了优化处理方法，并在工程中得到应用。
《可再生能源发展“十三五”规划》指出在“十三五”时期我国再生能源应用规模将进一步扩大，并且在能源消费中的占比得到提高，能源结构进一步优化，风电和太阳能多元化利用将协调开发，到2020年底我国风电并网装机容量达到2.1亿kW以上，太阳能发电达到1.1亿kW以上。
新能源发电（风力发电和光伏发电）具有随机性、间歇性的特点，高渗透率、大规模并网时对于电网运行带来影响。提高新能源发电功率预测精度，有助于提高新能源发电的消纳水平，提高新能源并网的可观测性和可控制性程度。
风电功率预测方法分为人工智能方法、物理特征模型法和互联网思维方法等。不同方法模型侧重采用的数据种类虽有差异，但对数据的准确性和可用性都是基本要求。当前普遍应用的输入数据包括并网功率数据、气象子站数据、数值天气预报数据等，上述数据分别来自于不同安全分区的系统。
功率预测误差影响因素主要是预测模型和数值天气预报精度，大量研究从这两方面入手解决问题并分别取得进展。工程实践中预测精度是系统各种因素综合作用的结果，如功率预测系统由于通信中断、数据采集错误、限电、并网容量增加、检修等，这些原因导致预测精度下降，解决这些问题将能提升预测精度。
1 功率预测系统结构组成
功率预测系统集成了气象观测子站实时气象信息、数值气象预报数据和实时功率数据，包含接入和展示、功率预测、数据上报、预测结果动态统计评估等功能。系统软件架构图如图1所示。
图1 系统软件架构图
按电监会二次系统安全防护方案，系统联接应满足横向隔离、纵向加密的要求。功率预测系统位于Ⅱ区，监控系统位于Ⅰ区，气象服务器位于Ⅲ区。Ⅱ区和Ⅲ区之间采用网络隔离装置，Ⅰ区和Ⅱ区之间采用防火墙。系统硬件结构图如图2所示。
图2 硬件结构图
2 数据流问题分析
2.1 数据流分析
功率预测系统接收了并网功率数据，气象子站数据，数值天气预报数据，向主站上送预测结果 数据。工程现场通信网络结构复杂，通信节点多，互相之间的通信协议差异，再加上管理的问题，会发生数据流中断的现象，导致预测系统不能正常工作。
通信协议有：①与监控系统之间通过104协议通信；②气象子站一般以modbus通信，多需要经过协议转换接入；③数值天气预报根据供应商情况采用网络传输；④向主站上送协议根据各省区要求不同通信协议也有差异。
表1 预测系统影响因素表
数据异常主要情况包括以下几种。
1）预测结果上送异常。原因包括由场站通信网络不稳定导致的通信中断，由各省区通信协议差异开发调整带来的程序异常。直接影响到预测系统的考核指标，包括上送率和准确率等。
2）数值天气预报数据下载异常。数值天气预报服务器直接与外网相连，外部网络状况有直接影响，一旦发生通信中断，就将影响到数值天气预报获取。同时，数值天气预报供应商的数据准确性及服务稳定性，也是重要的影响因素。
3）气象观测仪器数据异常。本地气象观测仪器的安装和调整问题，如需要稳固的基础、合适的角度、避开遮挡阴影等。网络通信连接及协议转换问题，送出数据的系数转换配置错误，气象仪器硬件故障等，都会导致气象观测数据异常。
4）并网功率获取异常。不同安全分区之间数据的传递异常，导致网络通信和数据采集的稳定性、可靠性对此有影响。
5）场站管理因素。场站发电出力接受调度调节通过AGC指令限电，部分地区频繁限电，并网有功功率低于正常发电能力；部分场站由于规划安排分期建设并网，新增容量并网后，并网有功随之有较大变化；此外由于检修停运等影响，实际运行容量与装机容量不同，也导致预测数据与实际发电有较大误差。
上述问题涉及新能源场站的建设方、用户、运维人员、预测系统供应商等多方，改进和解决工作依赖于各方协调沟通和通力合作。做好以下工作有利于解决问题。
1）合理的通信网络规划布置和科学的建设施工，如把运行人员使用的外网路由器与数值天气预报使用的外网路由器分开布置，施工作业范围避开对外网络通道等。调试完成时，对数据流的正确性对比验证，确保数据连接正常并且数据采集准确无误。
2）在场站扩容时，用户填写修改装机容量值；在并网后如果有运维人员检修作业，就由用户提前填写录入检修计划等。
3）预测系统提供各种数据流异常的报警，用户在发现报警信息后及时排查确认问题，在预测系统供应商的支持下快速恢复服务等。
2.2 数据容错处理
上述数据异常除从源头排除问题保证数据可靠外，预测系统还可以对发现的数据错误采用以下办法。
图3 数据处理流程图
并网功率数据异常处理方法。对风电和光伏考察一次能源和发电功率之间的约束关系，如光伏分昼夜校验等，装机容量约束，并对数据异常给出告警提示，对数据品质做区分标记。
1）数值天气预报异常处理方法。供应商一般提供3天预报信息，在没有最新信息的情况下用次新预报信息，在无预报数据时用临近日期气象信息，并给出对数值天气预报获取异常告警提示。
2）气象观测仪器异常处理方法。考察一次能源和发电功率之间的约束关系，值域范围约束，在数据出现异常时按照临近数据变化情况补齐，并对数据异常给出告警提示，对数据品质做区分标记。
3）上送程序异常处理方法。使用软件狗监视程序运行状态，对上送程序的通信状态进行监视，一旦通信中断就给出告警提示。
4）短期预测过程异常处理方法。在短期预测过程中，当必要数据缺失导致无预测输出时，参考临近日期的发电信息预测，并给出对异常处理告警提示。
5）超短期预测过程异常处理方法。在超短期预测过程中，当必要数据缺失导致无预测输出时，用短期预测输出结果，并给出对异常处理告警提示。
2.3 误差补偿处理
新能源预测系统的重要误差来源是数值天气预报。数值天气预报精确度依赖于气象预报供应商的技术和服务水平，目前有国内外的多家气象预报机构提供了有关服务。区域气象预测精度已达到较高水平，对于小网格空间精确预测技术还在发展当中。
对于数值气象预报数据的预测误差，大致分为系统误差和随机误差，比如对于微观地理环境因素考虑不周会导致系统误差；而气象情况的随机变化会带来随机误差，比如云彩移动和风力变化。针对系统误差，可以通过对比气象预测值和实测值前后的差异，识别并加以补偿来减小影响。
针对随机误差，目前的研究情况是通过观测预测法，如通过卫星云图数据、地基云图、空间相关性方法来消除不确定性，或通过分解随机因子并对其进行数学处理等，或采用多个供应商的数值气象数据组合。
3 干扰数据处理方法
3.1 干扰数据
鉴于电网安全上要求横向隔离、纵向加密，根据各种系统分头实施的现状，导致多种重要信息在运行时没有录入到预测系统中。如AGC频繁下发限电命令、电场内检修工作、光伏站内光伏板清洗等，这类因素直接影响了电站出力。
当前对于这几类信息一般做法是不处理，或者是要求到预测系统上手工填报，对跨不同安全分区的系统和重复填写，会导致实际多未使用。将这部分信息接入预测系统或识别出干扰数据并有效利用，将有益于高精度预测。
3.2 干扰数据处理办法（公式略）
干扰数据应该标记为不能作为参考样本。如限电时低于理论功率，光伏板清洗后对于光伏板的效率也有明显提高，而检修时部分单元停电会导致总出力减低等，上述信息应该予以识别处理。处理办法如下。
1）在安全Ⅲ区设置采集代理模块、用于提取运维清洗范围、清洗时间、检修停电范围、检修停电时间信息的数据采集接口，采集代理模块与运维管理系统、生产管理系统连接；采集代理模块通过反向隔离装置与光伏功率预测系统连接，将采集到Ⅲ区运维数据集中后通过反向隔离装置供功率预测系统调用。
2）光伏电站可计算并网功率和辐照度数据相关性，识别限电干扰因素。选择在每天0点对前一天的数据进行相关性分析，当存在干扰因素时，将判定结果信息写入数据库质量位。
4 模拟验证测试方法
为了保证预测系统稳定可靠运行和符合有关技术指标，需要进行严格测试。新能源（风电、光伏）的工程应用场景多样各不相同，测试方法需要能适应各种情况，并能连续运行以测试稳定性，从而能在各种条件下检验正确性。
4.1 基于物理原型的测试方法
当前主要方法如下：①构建小型物理系统测试或者通过仿真测试，如在研制阶段可以通过构建小范围的真实物理系统，园区风力发电或者光伏发电系统，配备气象子站和接入数值天气预报，长时间运行，使用真实小型系统验证各个环节的质量，测试验证的场境有限且成本高；②使用通用的仿真工具验证算法的可行性，适合做离线仿真而不能连续长时间运行，有一定的限制条件。
4.2 基于数据的自动模拟测试方法
基于数据的自动测试系统，不需要额外硬件，能模拟各种工程场景，自动连续运行。
处理办法如下。
1）测试系统包括测试对象功率预测系统和自动模拟测试系统。
2）自动模拟测试系统的作用是严格按照时序提供气象子站的测量信息和并网发电功率，数值气象预报数据，实现模拟气象子站、升压站监控系统、气象预报服务器。
3）自动模拟测试系统输入的是现场运行的历史数据，即其中的气象子站数据、电站并网发电数据、气象预报数据。
图4 自动模拟测试方法图
4）自动模拟测试系统所做的数据处理首先是识别合法数据，将多路数据合并到一张表中以便于读取，其次是把上述数据首先按照时间对齐，最后是确定历史数据的日期与当前日期之间的映射。
5）输出规则是，为模拟实际数据，周期性15min发送气象子站数据、并网功率数据；为模拟气象预报数据每天定时发送对应天的气象预报数据。
5 应用实例
上述干扰数据处理办法已经申请发明专利并已获受理，编号为CN201710456772.X。上述自动测试方法在申请专利当中。
按照上述数据流向容错方法优化设计的光伏功率预测系统在全国多地工程中得到实际应用，风电功率预测系统也即将面世。按照自动模拟测试方法开发的测试系统也应用在内部测试中。
经过实际应用表明，功率预测系统受到多路输入输出影响，做好多路数据流的容错处理，有利于系统稳定运行和提高预测精度。
选取分析了东北某地光伏站并网初期从4月27日至7月28日共93天的数据，参见表2。按照天气将数据大概分为晴、有云、阴雨以及数据不全，其中数据不全占比为15%，对最终输出结果影响较大，经过处理后数据有了改进，采集数据基本没有问题。假定一半情况下处理中的推测值接近实际值，那么精度将提高7%左右。
表2 某光伏站调试初期数据分析
1）本文从数据流方向出发，分析了工程应用中功率预测系统的数据输入和输出上存在的问题，并针对这些问题做了影响分析和容错处理，从而减少系统由于数据缺失而导致的功能失效问题。导致这些问题的原因是多方面的，如设计施工、调试、运行管理等。针对数据的容错处理将提高预测系统的可用性和准确率。
2）功率预测系统对于数据有很强的依赖性，需要数据正确完整。可以通过识别干扰数据进行历史数据分析处理，通过合理采集运维和检修数据保证数据的完整性。
3）在开发设计中，必要的测试验证必不可少，能对算法的开发起到积极作用，本文在拿到部分历史数据后，利用过往数据模拟实际运行系统，创造真实的测试环境，为验证算法可行性和稳定性打下基础。