随着对电网贡献的风能的百分比继续增加，风的可变性使得难以保持发电和负荷平衡。
但劳伦斯利弗莫尔国家实验室最近的工作与AWS Truepower一起，可以通过一个项目来帮助实现这种平衡，该项目向控制室操作员发出风况和能源预测的警报，以便他们做出明智的调度决策。这在极端事件(例如斜坡)期间尤其重要，此时风速在短时间内急剧增加或减少，这导致产生的电量大幅上升或下降。
“我们正试图在任何特定时间预测风能，”该项目的LLNL负责人Chandrika Kamath说。“我们的目标之一是帮助公用事业公司控制室的人们确定何时可能发生坡道事件以及这将如何影响特定风电场的发电量。”
该项目名为WindSENSE，由能源部能源效率和可再生能源办公室资助。
为了更好地了解坡道事件，Kamath使用数据挖掘技术来确定风电场区域的天气条件是否可以成为可能发生坡道事件的天数的有效指标。她使用了来自两个地区的风能和天气数据 - 南加州的Tehachapi通行证和俄勒冈州 - 华盛顿边界的哥伦比亚盆地地区。
“我们的工作确定了与坡道事件相关的重要天气变量，”Kamath说。“调度员可以使用这些信息来减少他们在电网上安排风能时需要监控的数据流数量。”
预计风电场将为电网提供更多能源，Kamath表示有必要根据目标预测风速。
Tehachapi Pass的风电场目前产生700兆瓦(MW)的电力，但很快将产生3,000兆瓦的电力。在哥伦比亚盆地，2007年农场的发电量为700兆瓦，但到2009年，它们的发电量为3,000兆瓦。因此，风力预报是准确的，尤其是在斜坡事件期间，当能量在一小时内变化超过1,000兆瓦时，这一点非常重要。
“作为WindSENSE项目的一部分进行的观测目标研究导致了算法的开发和测试，以提供收集数据以提高风力预报性能的指导，”AWS Truepower预测主管John Zack说。“这些新的软件工具有可能帮助预测供应商和用户做出明智的决策，并最大化他们的天气传感器部署投资。”
公用事业使用的风力发电预测基于计算机模拟，由同化到模拟时间进程的观测驱动。在减少极端事件，事件的位置和前瞻期间的预测误差时，某些位置的某些变量的观测值比其他位置更有价值。
WindSENSE工作的一部分是确定可以最大程度地改善短期和极端事件预测的传感器的位置和类型。该团队使用集合灵敏度分析方法来识别这些位置和变量。
“我们正试图通过分析历史数据并确定我们应该收集的新数据来减少将风能整合到电网上的障碍，以便我们可以改善控制室操作员的决策，”Chandrika说。“我们的工作正在促使人们更好地了解与风力发电资源相关的变化特征和可预测性。
免责声明：本文由用户上传，如有侵权请联系删除！