置信区间在新能源中长期功率预测中的应用

1研究背景

在构建以新能源为主体的新型电力系统重点工作的推动下,新能源的发展速度再次得到提升,并即将成为我国各类型电源中的主力军。

与常规电源不同,新能源对自然资源存在绝对依赖,导致了新能源具有布点集中和波动随机两个特点。新能源的电源布点具有很强的资源导向性,体现为新能源场站的分布高度集中,导致布点集中区域的电能输出同时率高,对电能的消纳和输送提出了更高的要求。新能源功率变化由电源所在区域的天气变化决定,风速、光照辐射度等气象因素的微小变化都将带动整个片区内新能源功率随之波动,给维持电力系统的供需平衡带来了巨大的挑战。因此,为保障电力系统的安全、稳定、经济运行,新能源功率预测的必要性随之提高。

现今,超短期和短期预测是新能源功率预测中应用最广泛的指标:超短期滚动预测未来4h内的出力情况,短期滚动预测未来72h的出力情况。由于气象预测准确度随着时间的推移而下降,这就加大了新能源中长期功率预测的难度。本文通过概率统计的分析思维,基于实际场景应用提出以置信区间作为指标的新能源中长期功率预测方法。

2新能源中长期功率预测的需求

新能源超短期和短期预测只能覆盖距离预测节点一周以内的功率变化情况,无法满足距离预测节点时间较长或预测周期较长的新能源功率预测需求,同时,在电源规划和调度运行的过程中需要估算新能源的发电能力。因此,新能源中长期预测的需求随并网体量的增加而加大。

(1）电源规划。我国经济发展迅速,对电力供应体量的需求不断上升,同时为实现能源清洁替代,高碳排量的火电机组在逐步退役,为新能源提供了巨大的扩容空间。但新能源功率的随机性让规划人员在面对新能源的供应、消纳与送出配套问题时无从下手。因此,规划部门需要对布点地区在一般情况下新能源的功率输出范围进行估值,为规划电源容量提供判断的依据。

(2）调度运行。为保证电力系统实时运行的供求平衡,调度部门需要对中长期的发电供应裕度和负荷需求量进行评估,如年度发电计划、月度发电计划,或特殊时段如迎峰度夏、保供电等分析周期开展新能源的出力评估。调度人员可以通过新能源在相应时间周期内的功率波动范围抽取极值,为供需极端情况提供假设场景。

3新能源功率置信区间预测方法

3.1预测方法选取

采用新能源功率置信区间作为预测指标可以突出预测功率的分布特征。因为如采用均值作为新能源中长期功率预测指标,将无法体现功率分布的离散程度;如采用极值作为指标,将无法体现大概率情况下的出力水平。因此,本文运用概率论的分析思维,采用置信区间作为新能源中长期的功率预测指标,以避免均值和极值作为指标的缺陷。新能源中长期功率置信区间预测可分解为三步:描绘功率分布曲线、求出样本均值和获得置信区间。其中,分布曲线将功率的出现概率分布散点连接成线,使新能源的功率分布概率特征更清晰、直观;样本均值是置信区间的中心点,作为置信区间的选取起点;置信区间基于新能源的功率分布,给出新能源功率预测的可取范围,作为电网运行的分析数据依据,一般可根据数据应用精确度的要求,选用80%或95%置信区间作为考量精度。

3.2样本选取

一般情况下,分析人员选取统计周期内新能源的实时功率作为统计样本。但考虑到统计周期和预测周期内新能源的装机容量在不断变化,所以本文采用新能源的出力水平作为新能源功率预测的统计样本,用出力水平的置信区间折算出预测目标周期的功率置信区间。新能源出力水平计算方法如下所示:

出力水平=当期功率/当期装机容量(1）

3.3分析过程

新能源功率置信区间预测过程具体如下:

(1）描绘分布曲线。x表示新能源出力水平的统计样本,记为x1,x2,x3,…,xi;P表示新能源出力水平在对应区间的发生概率,P的计算方法如下所示:

式中:n表示区间[a,b）有n个x;N表示新能源出力水平总样本数。

以x为横坐标、P为纵坐标描绘出新能源出力水平一概率的分布曲线,以2020年A地区新能源出力水平一概率曲线为例,如图1所示。

(2）计算样本均值x,如下所示:

(3）计算样本的置信区间。样本的80%置信区间是以样本均值x为中点向两侧取积分至80%为止,如下所示:

求出区域[x-k,x+k]作为相应精度的置信区间,95%置信区间同理。

以图1分布曲线为例,计算出相应的均值和置信区间,如表1所示,结论反映2020年A地区新能源的出力水平有80%的可能性处于5%～20%,有95%的可能处于1%～30%。

（4）出力水平置信区间折算为功率预测置信区间。以出力水平置信区间[x-k,x+k]与当期新能源装机容量的乘

积,计算出相应的功率预测置信区间。根据分析需求,此步骤亦可忽略。

3.4数据修正

在实际操作中,针对以下两种情况需要修正数据源:

（1）出现错误数据。数据在采集、发送、接收、处理、存储的过程中出错,导致数据源有明显错误,如在新能源场站正常发电情况下数据出现负值或持续为"0",则删除此部分数据,以免影响计算结果。

（2）光伏夜间数据。每天日落至次日日出期间光伏不发电,相当于"停机"状态,以A地区光伏出力水平一概率为例,"0"的概率过大导致正常发电时的出力水平分布并不明显。因此,在单独预测光伏功率置信区间时,从日落时光伏出力首次触"0"的下一个数开始,至次日日出时光伏首个不为"0"数的前第二个数结束。修正后,分布曲线更能反映光伏在正常发电时的出力水平分布特征。另外,在分析风电、光伏总体的出力水平时,需要保持样本的范围同步,因此在分析风光总加数据时光伏不能进行此修正步骤。

4新能源功率置信区间预测的应用

新能源功率置信区间预测适用于各种新能源中长期功率预测场景,以分析A地区2021年度迎峰度夏期间（6月一8月）新能源的出力水平为例。在预估2021年度6月一8月新能源出力水平时,可以借助2020年6月一8月的数据,得到2021年度6月一8月一般工况下新能源出力水平的置信区间。

同时,由于2021年度5月份A地区春夏交替提前,持续高温,所以可以通过该5月份的出力水平数据,预测2021年度度夏期间高温工况下新能源的出力水平。

其中,均值可以视为一般情况下的出力水平,置信区间可以作为极端情况进行分析:上限代入新能源大发场景,预留足够的就地消纳空间和向外输送通道;下限代入新能源贫乏场景,系统需要预留足够的备用发电容量。此外,风电、光伏总加的均值分别低于风电和光伏的均值,这是因为光伏进行了夜间数据的修正,因此光伏得出的均值远高于修正前的均值,属于正常现象。

5结语

本文针对各种新能源中长期功率预测的应用场景,提出了新能源中长期功率置信区间预测方法,经实例研究证明:新能源功率置信区间预测方法计算过程简单、快捷,满足新能源中长期功率预测的多种应用场景需求;在进行样本置信区间计算的过程中,需要注意对特殊情况或特定类型的新能源数据进行修正,提高结论的精确度。