Nghiên cứu dự báo vận tốc gió và công suất phát của nhà máy điện gió tuy phong tỉnh bình thuận

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN QUỐC TUYẾN NGHIÊN CỨU DỰ BÁO VẬN TỐC GIÓ VÀ CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIĨ TUY PHONG TỈNH BÌNH THUẬN LUẬN VĂN THẠC SỸ KỸ THUẬT Đà Nẵng - Năm 2017 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN QUỐC TUYẾN NGHIÊN CỨU DỰ BÁO VẬN TỐC GIĨ VÀ CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIĨ TUY PHONG TỈNH BÌNH THUẬN Chun ngành: Kỹ thuật điện Mã số: 60 52 02 02 LUẬN VĂN THẠC SỸ KỸ THUẬT Người hướng dẫn khoa học: TS LÊ ĐÌNH DƯƠNG Đà Nẵng - Năm 2017 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng Các số liệu, kết luận văn trung thực chưa cơng bố cơng trình khác Tác giả luận văn NGUYỄN QUỐC TUYẾN TRANG TÓM TẮT TIẾNG ANH NGHIÊN CỨU DỰ BÁO VẬN TỐC GIĨ VÀ CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIÓ TUY PHONG TỈNH BÌNH THUẬN Học viên: Nguyễn Quốc Tuyến Chuyên ngành: Kỹ thuật điện Mã số: 60520202 Khóa: K33.KTĐ.KH Trường Đại học Bách khoa - ĐHĐN Tóm tắt - Ngày nay, nguồn lượng nói chung lượng gió nói riêng ngày thu hút quan tâm nhà nghiên cứu đơn vị khai thác sử dụng lượng gió lợi ích to lớn mang lại từ nguồn lượng đặc biệt vấn đề môi trường Tuy nhiên, để khai thác sử dụng hiệu nguồn lượng gió lĩnh vực quan trọng dự báo Việc dự báo xác vận tốc công suất phát cho nhà máy điện gió quan trọng Thơng tin mang lại từ dự báo khơng phục vụ cho việc tính tốn phát điện thân nhà máy mà phục vụ cho đơn vị quản lý vận hành lưới điện mà nhà máy điện gió kết nối vào Luận văn trình bày phương pháp dự báo dựa mơ hình tự hồi quy vector kết hợp với kỹ thuật tiền xử lý Phương pháp đề xuất để dự báo vận tốc gió cơng suất phát cho nhà máy điện gió Tuy Phong, tỉnh Bình Thuận Từ khóa – lượng gió; môi trường; thông tin; phương pháp dự báo; tự hồi quy vector RESEARCH FOR FORECAST WIND SPEED AND POWER OUTPUT OF TUY PHONG WIND POWER PLANT IN BINH THUAN PROVINCE Abstract - Today, renewable energy sources, and wind energy in particular, are increasingly attracting researchers as well as companies that exploit and use wind energy because of great benefits from this energy source, especially environmental benefits However, in order to effectively exploit and use wind energy, one of the important areas is forecasting It is essential to accurately forecast wind speed and power output of wind farms The information provided by the forecast not only serves the calculating and generating power of the plant itself, but also serves the operator of the grid where the wind power plant is connected This thesis presents the forecasting methodology based on Vector AutoRegressive model combined with pre-processing techniques The approach is proposed to forecast wind speed and power output of Tuy Phong wind power plant in Binh Thuan province Key words - wind energy; environmental; information; forecasting methodology; Vector AutoRegressive MỤC LỤC LỜI CAM ĐOAN TRANG TÓM TẮT TIẾNG ANH MỤC LỤC DANH MỤC CÁC TỪ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH MỞ ĐẦU 1 Lý chọn đề tài .1 Mục đích nghiên cứu Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Ý nghĩa khoa học tính thực tiễn đề tài Bố cục đề tài CHƯƠNG TỔNG QUAN VỀ NHÀ MÁY ĐIỆN GIĨ TUY PHONG TỈNH BÌNH THUẬN 1.1 Giới thiệu huyện Tuy Phong tỉnh Bình Thuận 1.1.1 Vị trí địa lý .3 1.1.2 Đặc điểm địa hình 1.1.3 Điều kiện tự nhiên 1.2 Giới thiệu nhà máy điện gió huyện Tuy Phong .7 1.2.1 Vị trí nhà máy 1.2.2 Sơ đồ bố trí cột tuabin gió .10 1.2.3 Các thiết bị nhà máy 12 1.3 Phân tích số liệu dùng cho dự báo 15 1.4 Nhận xét, kết luận 21 CHƯƠNG CƠ SỞ TÍNH TỐN DỰ BÁO VẬN TỐC GIĨ VÀ CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIÓ 22 2.1 Các vấn đề liên quan đến dự báo vận tốc gió cơng suất phát nhà máy điện gió 22 2.1.1 Phân loại vai trò dự báo 22 2.1.2 Các yếu tố liên quan đến toán dự báo 22 2.2 Các phương pháp dự báo vận tốc gió cơng suất phát nhà máy điện gió 23 2.2.1 Phương pháp Persistence .23 2.2.2 Phương pháp vật lý 23 2.2.3 Phương pháp thống kê 24 2.2.4 Phương pháp trí tuệ nhân tạo .26 2.2.5 Phương pháp kết hợp (hybrid) .27 2.3 Đánh giá sai số dự báo 27 2.4 Nhận xét 28 CHƯƠNG DỰ BÁO VẬN TỐC GIĨ VÀ CƠNG SUẤT PHÁT CỦA NHÀ MÁY ĐIỆN GIÓ TUY PHONG TỈNH BÌNH THUẬN 29 3.1 Lựa chọn miền thời gian đề xuất phương pháp dự báo cho nhà máy điện gió Tuy Phong 29 3.2 Xây dựng đường cong quan hệ công suất phát vận tốc gió tuabin 29 3.3 Thuật tốn dự báo 34 3.4 Chương trình dự báo 36 3.5 Kết dự báo 36 3.6 Nhận xét, kết luận 48 KẾT LUẬN VÀ KIẾN NGHỊ 49 TÀI LIỆU THAM KHẢO 50 QUYẾT ĐỊNH GIAO ĐỀ TÀI (BẢN SAO) BẢN SAO KẾT LUẬN CỦA HỘI ĐỒNG, BẢN SAO NHẬN XÉT CỦA CÁC PHẢN BIỆN (BẢN SAO) DANH MỤC CÁC TỪ VIẾT TẮT NWP Dự báo thời tiết số trị (Numerical Weather Prediction) AR Tự hồi quy (AutoRegressive) MA Trung bình trượt (Moving Average) ARMA Trung bình trượt tự hồi quy (AutoRegressive Moving Average) ARIMA Trung bình trượt tích hợp tự hồi quy (AutoRegressive Integrated Moving Average) VAR Tự hồi quy vector (Vector AutoRegressive) ME Sai số trung bình (ME - Mean Error) MAE Sai số tuyệt đối trung bình (Mean Absolute Error) MSE Sai số bình phương trung bình (Mean Square Error) RMSE Sai số bình phương trung bình gốc (Root Mean Square Error) PE Sai số phần trăm (Percentage Error) MPE Sai số phần trăm trung bình (Mean Percentage Error) MAPE Sai số phần trăm tuyệt đối trung bình (Mean Absolute Percentage Error) OLS Bình phương nhỏ (Ordinary Least Squares) DANH MỤC CÁC BẢNG Số hiệu bảng Tên bảng Trang Bảng 1.1 Tốc độ gió trung bình tháng năm (m/s) đo từ Trạm Khí tượng độ cao 12m Bảng 1.2 Một số thơng số khí hậu tỉnh Bình Thuận Bảng 1.3 Một số thơng số khí hậu huyện Tuy Phong Bảng 1.4 Hệ số tương quan vận tốc gió cột đo gió 18 Bảng 3.1 Sai số dự báo vận tốc gió 20 cột đo gió 45 DANH MỤC CÁC HÌNH Số hiệu hình Tên hình Trang Hình 1.1 Bảng đồ tỉnh Bình Thuận Hình 1.2 Bản đồ huyện Tuy Phong, tỉnh Bình Thuận Hình 1.3 Vận tốc gió trung bình tháng năm 10 Hình 1.4 Sơ đồ bố trí tuabin gió vị trí nhà máy 11 Hình 1.5 Hình ảnh thực tế tuabin gió 11 Hình 1.6 Mặt cắt tuabin gió FL MD 77 12 Hình 1.7 Vận tốc gió thu thập năm 2016 15 Hình 1.8 Số liệu bị sai (quá lớn) 16 Hình 1.9 Số liệu bị (missing data) 16 Hình 1.10 Quan hệ tương quan vận tốc gió tuabin 10 20 20 Hình 1.11 Quan hệ tương quan vận tốc gió tuabin 17 18 20 Hình 3.1 Đường cong quan hệ công suất phát vận tốc gió tuabin FL MD77 30 Hình 3.2 Số liệu cơng suất phát vận tốc gió tuabin số 10 32 Hình 3.3 Số liệu sau lọc (Filtered data), đường cong quan hệ công suất-vận tốc nhà sản xuất (Manufacturer power curve) đường cong ước lượng dựa vào số liệu đo đếm thực tế (Estimated power curve) tuabin số 10 32 Hình 3.4 Số liệu cơng suất phát vận tốc gió tuabin số 15 33 Hình 3.5 Số liệu sau lọc (Filtered data), đường cong quan hệ công suất-vận tốc nhà sản xuất (Manufacturer power curve) đường cong ước lượng dựa vào số liệu đo đếm thực tế (Estimated power curve) tuabin số 15 33 Hình 3.6 Thuật tốn dự báo tổng qt 34 Số hiệu hình Tên hình Trang Hình 3.7 Vận tốc gió sau tiền xử lý chuẩn hóa 37 Hình 3.8 So sánh số liệu phát từ mơ hình dự báo ước lượng số liệu đo đếm thực tế cột gió số 38 Hình 3.9 Hàm tự tương quan (autocorrelation) phần dư (residual) mơ hình dự báo cột gió số 38 Hình 3.10 So sánh kết dự báo vận tốc gió cho 24 số liệu đo đếm thực tế cột gió số 39 Hình 3.11 So sánh số liệu phát từ mơ hình dự báo ước lượng số liệu đo đếm thực tế cột gió số 39 Hình 3.12 Hàm tự tương quan (autocorrelation) phần dư (residual) mơ hình dự báo cột gió số 40 Hình 3.13 So sánh kết dự báo vận tốc gió cho 24 số liệu đo đếm thực tế cột gió số 40 Hình 3.14 So sánh số liệu phát từ mơ hình dự báo ước lượng số liệu đo đếm thực tế cột gió số 10 41 Hình 3.15 Hàm tự tương quan (autocorrelation) phần dư (residual) mơ hình dự báo cột gió số 10 41 Hình 3.16 So sánh kết dự báo vận tốc gió cho 24 số liệu đo đếm thực tế cột gió số 10 42 Hình 3.17 So sánh số liệu phát từ mơ hình dự báo ước lượng số liệu đo đếm thực tế cột gió số 15 42 Hình 3.18 Hàm tự tương quan (autocorrelation) phần dư (residual) mơ hình dự báo cột gió số 15 43 Hình 3.19 So sánh kết dự báo vận tốc gió cho 24 số liệu đo đếm thực tế cột gió số 15 43 Hình 3.20 So sánh số liệu phát từ mơ hình dự báo ước lượng số liệu đo đếm thực tế cột gió số 20 44 46 Hình 3.23: Kết tính tốn cơng suất phát ứng với vận tốc dự báo cột gió số Hình 3.24: Kết tính tốn cơng suất phát ứng với vận tốc dự báo cột gió số 47 Hình 3.25: Kết tính tốn cơng suất phát ứng với vận tốc dự báo cột gió số 10 Hình 3.26: Kết tính tốn cơng suất phát ứng với vận tốc dự báo cột gió số 15 48 Hình 3.27: Kết tính tốn cơng suất phát ứng với vận tốc dự báo cột gió số 20 3.6 Nhận xét, kết luận Trong Chương phương pháp ước lượng đường cong quan hệ cơng suất-vận tốc gió dựa vào số liệu thực tế đo đếm phương pháp dự báo vận tốc công suất phát nhà máy điện gió Tuy Phong trình bày Các mơ hình phương pháp dự báo cho kết tương đối xác, kết cung cấp thơng tin quan trọng cho nhà máy điện gió đơn vị vận hành lưới điện có nhà máy kết nối vào 49 KẾT LUẬN VÀ KIẾN NGHỊ Ngày nguồn lượng nói chung lượng gió nói riêng ngày thu hút quan tâm nhà nghiên cứu công ty, đơn vị khai thác sử dụng lượng gió lợi ích to lớn mang lại từ nguồn lượng đặc biệt vấn đề môi trường Tuy nhiên, để khai thác sử dụng hiệu nguồn lượng gió lĩnh vực quan trọng dự báo Việc dự báo xác vận tốc cơng suất phát cho nhà máy điện gió quan trọng Thông tin mang lại từ dự báo phục vụ cho việc tính tốn phát điện thân nhà máy mà phục vụ cho đơn vị quản lý vận hành lưới điện mà nhà máy điện gió kết nối vào Việc xây dựng mơ hình dự báo lượng gió thực tế thường gặp nhiều khó khăn Quá trình gió q trình ngẫu nhiên, gió thay đổi liên tục theo thời gian q trình gió chứa đựng nhiều yếu tố, mối quan hệ phức tạp, số liệu thu thập từ trình gió thực tế thường tồn nhiều liệu lỗi, liệu v.v Do đó, việc tìm quy luật mối quan hệ chứa đựng q trình gió khó khăn Ngồi ra, nhà máy khác gió có đặc điểm riêng cần mơ hình riêng cho nhà máy Do đó, việc phân tích, đề xuất phương pháp dự báo cách khoa học, cho kết xác cho nhà máy điện gió cần thiết có ý nghĩa thiết thực Trong đề tài, dựa vào miền thời gian dự báo theo yêu cầu đặc điểm số liệu vận tốc gió có từ nhà máy điện gió Tuy Phong, sau phân tích tác giả đề xuất phương pháp dự báo sử dụng mô hình tự hồi quy vector VAR kết hợp với kỹ thuật tiền xử lý, chuẩn hóa liệu Mơ hình dự báo cho kết tương đối xác miền thời gian dự báo 24 Nhìn chung tốn dự báo, độ xác kết dự báo không phụ thuộc vào phương pháp lựa chọn, kỹ thuật sử dụng mà phụ thuộc vào chất lượng số liệu thực tế Số liệu có tốt (ít bị lỗi, bị mất, ) thời gian thu thập dài (từ vài năm trở lên) thơng tin có q trình gió đầy đủ, thơng tin góp phần cải thiện mơ hình dự báo để từ cho kết dự báo xác Trong tương lai, tác giả có thêm số liệu từ nhà máy sử dụng để cải thiện mơ có điều kiện để thử nghiệm thêm kỹ thuật khác 50 TÀI LIỆU THAM KHẢO [1] M Kendall and A Stuart, The Advanced Theory of Statistics, London, U.K.: C Griffin, 4th edition, 1977 [2] H Cramer, Mathematical Methods of Statistics, Princeton University Press, 1945 [3] Wen-Yeau Chang, “A Literature Review of Wind Forecasting Methods”, Journal of Power and Energy Engineering, 2, 161–168, 2014 [4] G E P Box and G M Jenkins, Time Series Analysis: Forecasting and Control, San Francisco, CA: Holden Day, 1976 [5] E Vladislavleva, T Friedrich, F Neumann, and M Wagner, “Predicting the energy output of wind farms based on weather data: Important variables and their correlation”, Renew Energy, 50, 236–243, 2013 [6] M G De Giorgi, A Ficarella, and M Tarantino, “Assessment of the benefits of numerical weather predictions in wind power forecasting based on statistical methods”, Energy, 36, 3968–3978, 2011 [7] G Sideratos, N D Hatziargyriou, “An advanced statistical method for wind power forecasting”, IEEE Trans Power Syst, 22, 258–265, 2007 [8] B G Brown, R W Katz, and A H Murphy, “Time Series Models to Simulate and Forecast Wind Speed and Wind Power”, Journal of Climate and Applied Meteorology, 23, 1184–1195, 1984 [9] Z Huang and Z S Chalabi, “Use of Time-Series Analysis to Model and Forecast Wind Speed”, Journal of Wind Engineering and Industrial Aerodynamics, 56, 311–322, 1995 [10] L Kamal and Y Z Jafri, “Time Series Models to Simulateand Forecast Hourly Averaged Wind Speed in Quetta, Pakistan”, Solar Energy, 61, 23–32, 1997 [11] R W Katz and R H Skaggs, “On the Use of Autoregressive-Moving Average Processes to Model Meteorological TimeSeries”, Monthly Weather Review, 109, 479–484, 1981 [12] D E Runkle, “Vector Autoregressions and Reality”, Journal of Business and Economic Statistics, (4), 437–442, 1987 [13] J H Stock and M W Watson, “Vector Autoregressions”, Journal of Economic Perspectives, 15, 101–115, 2001 51 [14] M Watson, Vector Autoregressions and Cointegration, Handbook of Econometrics, Vol IV., Elsevier Science Ltd., Amsterdam, 1994 [15] M G De Giorgi, A Ficarella, M G Russo, “Short-term wind forecasting using artificial neural networks (ANNs)”, WIT Trans Ecol Environ., 121, 197–208, 2009 [16] G Li and J Shi, “On comparing three artificial neural networks for wind speed forecasting”, Appl Energy, 87, 2313–2320, 2010 [17] J Hu, J Wang, and G Zeng, “A hybrid forecasting approach applied to wind speed time series”, Renew Energy, 60, 185–194, 2013 [18] Hamid Shaker, Hamidreza Zareipour, and David Wood, “On error measures in wind forecasting evaluations”, 26th IEEE Canadian Conference Of Electrical And Computer Engineering (CCECE), 2013 [19] D D Le, G Gross, and A Berizzi, “Probabilistic Modeling of Multisite Wind Farm Production for Scenario-Based Applications”, IEEE Transactions on Sustainable Energy, vol 6, no 3, 748–758, 2015 [20] F E Grubbs, "Procedures for Detecting Outlying Observations in Samples", Technometrics, Feb 1969 [21] P J Davis, Interpolation and approximation, Dover, New York, 1976 [22] J F Steffensen, Interpolation, Dover, New York, 2012 [23] K Aho, D Derryberry, and T Peterson, "Model selection for ecologists: the worldviews of AIC and BIC", Ecology, 95, 631–636, 2014 [24] Online: https://en.wikipedia.org/wiki/Ordinary_least_squares r1),\t I toc DA NAxc; (')NG DAI tt(lc gAclt r r{r CQNG HOA XA KIIoA DQc l$P ttgl cHU NCUia VIET NAM - Tq - Hanh Phric HO SO HQI DONG DANH GIA LUAN VAX THAC SV Hgc vi6n: Nguy6n Qu6c TuY6n l Ili€n ban llQi d6ng Bang di6m cua hgc vi6n cao hgc Lf llch khoa hoc cua hgc vi6n Bi0n ban ki6m Phi6u NhAn x6t 14 fll t{ d NHA]\ XE'I' \A HQ VA TEN TT I 2" PGS.I S Dinl'r -fS i,LLLr -['hanh fS 'l-S 'Ihach t-6 Khienr 5, PCiSi t S Dotin Anli Tuirl l'S Vd Ngoc IJtitt rthfirr uit TRONG HQI DONG C'lu.i ticlr l'lt ii rt tli0rrr { lloi din,q Thu'ki ltoi ding Ngoc An -) ) \ziet rnAcs NHIEM Di0r-r I.0 Dinli Du'crttg J Phtm bi&t I J Phctrt bi€rt [_-lv yiQn J ,( Ngtrd'i htLo'ng cltTn Dtt l,,ling, ngir.1' T thdn,q ",1? ,,,i,,, :() 'fhtr ky I Ioi c16ng ll' :{ DAI HOC DA NANG TITUONG DAI HOC NACU KI{OA ceNG soa xA HQI CHU NGHIA VIE,T NAM EQc Iflp -'Iq - II.1nh phtic BIEN BAN HQP HQI DONG DANH GIA LUAN VAN THAC SY Ngdy )f th6ne R ndm 20lV; HQi ddng dusc thdnh l6p theo Quy6t dinh s6 195I/DHBK-DT DDl2017 ciaHi6u trudng trudng Dpi hoc B6ch khoa, g6tn c6c thdnh vi6n: I'T rrQ vA TEN PGS.TS, Dinh Thdnh 'fS LuLr Ngoc An a cLIoNG V['TRONG IIQI DONG Clhu tich Il0i cl0ng fhrL k.i, Il0i c10ng -) TS Eodn Anh TuAn [.lv viOn I'}luin tricrr 'fS Thach LE t