大数据在新能源领域的应用探究

太阳能与风能作为气候资源的重要组成部分,因为没有污染,所以被称为“清洁能源”,日益受到重视。根据全球风能理事会统计,2016年全球风电新增装机容量达到54GW。2016年,中国风电产业发展势头良好,新增风电装机量刷新历史纪录(图7-2)。据统计,全国(除台湾地区外)新增装机容量2337万kW,累计装机容量1.69亿kW。2016年是全球光伏装机增长的一个里程碑。全球光伏市场的新增装机容量又创新高,达到75GW,累计装机容量达到303GW。全球光伏市场的竞争格局悄然发生变化,中国、日本和美国光伏市场的快速升温推动本轮景气周期,快速崛起的英国等新兴光伏市场成为2017年全球光伏市场的新贵。光伏技术的持续进步推动光伏市场的细分化程度不断升高,除地面电站、分布式等传统光伏发电的应用类型外,光伏技术和民用产品的结合应用开始展现生机。这反映了当今国际国内新能源电力发展的一个新动向。

图7-2 2006—2016年中国新增和累计风电装机容量

但风电、太阳能发电本身具有不稳定性,不易准确预计,风况和光照不稳定,产生的电能就不稳定,风电和太阳能发电的电能质量也较差,其功率因数和谐波往往得不到有效控制。风电、太阳能发电正成为电网管理部门头痛的“垃圾电”,原因大致有三个方面:一是电网建设速度严重滞后于风电发展,风电项目难以接入电网系统;二是电网调度调节能力差,无法全部接受不稳定的风力发电量,影响风电场的效益;三是风电企业、气象部门与电网部门的协调统筹能力以及气象预报的准确度低。技术瓶颈无法突破、气象预测技术和电网设备及调节能力相对落后、风电并网技术规范的缺失等问题制约风电产业的发展。“大数据”的出现解决了这个问题,彰显出其巨大的威力。

1)气象大数据在太阳能和风能开发中的应用

在光伏发电产业,一些企业通过对各地区气象数据、检测电站情况的汇总和分析,得出较翔实的太阳能资源情况,作为产品销售。购买这一产品后,光伏电站的投资商就可以提前对投资区域的光伏资源进行分析,并初步划定开发的区域,省去了很多手续和环节。在此基础上,一些企业开发出更细化的服务,如提供区域内的地形、矿产等数据,以此为基础,投资商可以一次确定开发场址。还有一些企业将服务和移动客户端联系起来,方便业主随时随地地查询资源情况。从这些产品和服务可以看出,数据分析和应用为光伏的高速发展提供了有力的支撑。

依据中国气象局风能太阳能资源中心最新发布的“全国风能资源高分辨率数值模拟数据(2014)”给出的我国近30年风能资源评估成果,采用全国风能资源、专业观测网2014年测风塔观测数据,利用格点化统计订正技术,得到2014年全国陆地70m高度层水平分辨率1km×1km的风能资源数据,用于评估2014年全国陆地70m高度层的风能资源年景。资料显示,风功率密度大值区域主要分布在我国的三北地区(即东北、华北和西北地区)、东部沿海地区以及青藏高原和云贵高原山脊地区。年平均风功率密度超过300W/m2的区域主要分布在三北地区、青藏高原和云南的山脊地区;年平均风功率密度超过200W/m2的分布区域较广,华东和沿海以及中部地区的山地、台地的风功率密度一般都能达到200W/m2。

因此,利用天气建模技术和气象部门的大数据,能源电力系统能够提高风电和太阳能发电的可靠性。以往对风资源的预测不够精准,在风能无法贡献预期功力时,火电就要作为后备电力。这样,电网对风电的依赖程度越高,需要建设后备电站的成本就越高。另外,启用火电站就等于向环境中碳排。然而,在大数据分析的帮助下,温度、气压、湿度、降雨量、风向和风力等变量都得到充分考虑,对风电的预测更加精准。电网调度人员可以提前做好调度安排,也有助于电网消纳更多风电。

2)大数据在太阳能电站运营中的应用

大数据为光伏发电产业中存在的问题提供了解决方法。我国的光伏发电在经过了高速发展后,暴露了两大问题:一是设备质量问题,二是金融服务滞后。这两个问题使得电站的投资、运营管理都受到了影响。光伏电站的高速发展中,为快速占领市场,很多设备商重量不重质,导致光伏电站建成后发电效率低下,故障频发。国家主管部门对此非常重视,通过政策制定、标准发布等多种方式提高光伏设备的准入门槛,保障产品质量。大数据平台可以利用建成光伏电站的设备运行效率、故障率等数据,汇总、分析,使用市场的手段为业主提供“火眼金睛”,将有劣迹的制造商产品拒之门外。金融服务滞后的最核心问题是金融机构对光伏电站在15～20年的运营期内能否“安全且有保障”还款存有疑虑,对电站来说,其运营期内的发电量就是金融机构放款的定心丸。大数据平台提供的建成电站的多年发电量数据是金融机构对光伏发电项目收益率进行分析的基础,是金融机构放款决策的关键指标。依托大量光伏电站的历史运营数据,各类创新的数据服务大量涌现,涉及光伏发电的全流程,为光伏发电的投资建设、运营管理的决策提供了有效的服务。可以说,光伏发电的大数据时代已经来临,光伏发电和数据还会碰撞出哪些火花,人们拭目以待。

3)大数据在风能电站运营中的应用

风电行业的意义在于向终端消费者提供更稳定、更清洁、更廉价的电力,这是行业存在合理性的根据,也是业界努力的方向。共建并分享运营数据,进而激发这些数据的全部潜力才是风电行业迎接大数据时代的应有姿态。

(1)预测数据。根据预测的风速情况,安排运维计划,如小风天气维护,确保大风天气的最佳运行;或台风(大于风机最大风速)将至,做好预防准备,避免事故发生。根据超短期预测情况对突发情况做应急准备,如台风天气的预防工作。(www.xing528.com)

(2)实时数据。根据实测风速情况,发现风机问题,安排检修计划,如实测风速已达到满发风速,某台风机机组未满发,安排该台风机的维护检修计划。根据实测风向情况,优化风机控制策略(目前该设想还在研究),如通过对风向前排机组的偏航微调,减少尾流影响,提升后排机组的发电量。根据实测数据情况,优化风机参数,达到最佳运行(目前该设想还在研究),如相同的机组参数设置,对于不同机组在不同点位的布局排放,未必可以达到该机组的最佳运行状态。根据实测风速、风功率密度情况并结合风机数据,评估不同厂商的不同机型,为日后的选型选址提供可靠依据(需要试验风场,或多种机型的运行数据),如临港风场6台机组中有四种机型,通过历史运行情况,比较各机型,得出特定地区适合哪种特定机型。

通过检测和采集风机的运转数据、风场的运营数据不仅有利于风电场业主追求风场效益最大化,也有利于风机制造商更好地改善风机的性能,为产品的技术升级提供大数据支撑。

4)新能源的消纳难题与智能电网的解决方案

新能源的一个普遍的特点就是出力不稳定,具有随机性的问题,新能源同时也存在地理位置分布和用电负荷的分布不均衡、季节周期不匹配的问题;而传统电网主要是为消纳可稳定出力的能源而设计的。解决这些问题需要从电网规划、技术变革、设备升级、电网改造以及设计规范、技术标准、运行规程乃至市场营销政策的统一等多方面进行系统性的、周期性的协同变革。发达国家提出智能电网的概念,就是认识到传统电网根深蒂固的结构模式,是无法大规模适应新能源消纳的需求的,必须经过一个系统化的结构性的变革,将传统电网在使用中进行升级,既要完成传统电源模式的供用电,又要逐渐适应未来分布式能源的消纳需求。电网本身的这种变革过程,也是一个需要精心计划和准备,逐步实施的需要智慧的过程。也正是因为电网的这种从少量集中的大主力电源进行远距离大容量输送电方式为主的电网结构,需要演变为以大数量分散的小容量和微容量电源为主,就地生产就地协同消化的送用电方式为主的电网结构,智能技术的应用,才成为突出的要求。如果不使用智能化的控制和管理技术,电网结构就不可能完成这样的结构变迁,而不完成这样的结构变迁,人类大规模消纳新能源的愿望就会成为泡影。

智能电网所需的智能技术,应该以帮助传统电网尽快进行结构变迁为目标进行应用而得到发展。网络化、微型化、海量化将是适应这种结构变迁的显著的电网设备所需的技术特征;相比之下,片面追求高电压、大容量、远距离的单体化、大型化、集约化则应该是反其道而行之的,至少是应该被抑制的特征。这便是智能技术适应电网发展需求的本源,也是智能电网为消纳新能源在整体上必须采用的策略。电网设备和用电设备的普遍小型化、智能化,必定带来电网运行控制信息的急剧增长,承载这些信息的数据量出现爆发式的增长也就是必然的趋势。因此,采集、管理这些数据也将成为智能电网必须承担的任务。大数据和智能电网的必然联系因此建立。

5)大数据在太阳能和风能应用的案例

大数据在太阳能和风能的开发中起到越来越重要的作用,得到了跨国公司的极大关注和大量资金投入。

IBM宣布了一项先进的结合大数据分析和天气建模技术而成的能源电力行业先进解决方案,旨在帮助全世界能源电力行业,提高可再生能源的可靠性。该解决方案结合天气预测和分析,能够准确预测风能和太阳能的可用性。这使能源电力公司可将更多的可再生能源并入电网,减少碳排放量,提供消费者与企业更多的清洁能源。这个名为“混合可再生能源预测”(HyRef)的解决方案,利用天气建模能力、先进的云成像技术和天空摄像头、接近实时的跟踪云的移动,并且通过涡轮机上的传感器监测风速、温度和方向。通过与分析技术相结合,这个以数据同化(data-assimilation)为基础的解决方案,能够为风电厂提供未来一个月区域内的精准天气预测或未来15min的风力增量。此外,HyRef可以通过整合当地的天气预报情况,预测每台单独的风力涡轮机的性能,进而估算可产生的发电量。这种洞察力将使能源电力公司更好地管理风能和太阳能的多变特性,更准确地预测发电量,使其可以被复位导向到电网或储存。它同时也允许能源组织更好地并用可再生能源与其他传统能源,例如煤炭和天然气。“世界各地的能源电力行业正在采用一整套的战略,来整合各种新的可再生能源到他们的供电运营系统中,以实现在2025年之前,全球25%的电力供应来自可再生能源组合的基本目标。”美国可再生能源理事会(ACORE)总裁兼首席执行官丹尼斯·麦金说,“由HyRef所产生的天气建模和预测数据,将显著改善这一过程,反过来说,它使我们朝最大限度地挖掘可再生能源的潜能更迈进了一步。”

中国国家电网所属的冀北电力有限公司,正在使用HyRef来整合可再生能源并入所属电网中,而这项应用将是冀北电力有限公司张北县670MW示范项目的第一阶段重点。这整个项目,是当前世界上最大的可再生能源的倡议,将涉及风能和太阳能发电的集合以及能源存储和传输等范畴。该项目有助于实现中国“减少对化石燃料依赖”的5年计划目标。通过使用IBM风力预测技术,张北项目的第一阶段目标,旨在增加10%的可再生能源的整合发电量。这一额外发电量,大约可供14000户家庭使用。通过分析提供所需的信息,将使能源电力公司得以减少风能与太阳能的限制,进而更有效地使用已产出的能源,来强化电网的运行。

丹麦Vestas Wind Systems是从事风力发电机设计、制造、销售的公司,它将大数据分析运用于业务中,通过持续的、公司全体有组织的工作收获了成功。Vestas将从全球天气系统中收集数据,与公司现有发电机数据结合,存储于风库中,借助IBM的大数据分析和超级计算技术,整合来自天气预报、潮汐、传感器、卫星图像、森林砍伐地图,天气建模研究所得到的海量级数据,进而策略性地设置风力涡轮机组,精确定位其风力发电机,以达到最大发电量,并减少能源成本。这种洞察力不仅改善了能源的产出,同时可以降低整个项目生命周期所需的维护和运营成本。目前,Vestas风库存有近2.8PB数据,现有参数范围包括:地面至300ft(1ft=0.3048m)高空的气温、气压、空气湿度、空气沉淀物、风向、风速,以及公司的历史数据记录。Vestas还计划添加以下数据:全球森林砍伐追踪图、卫星图像、地理数据以及月相与潮汐数据。