风电技术论坛之风资源评估与风功率预测——北京国际风能大会展中报道

　　张大为：像线性的方法，同差来说都是给你一个软件，你需要往里面去输入你所知道的这些值。是吧?那么，包括CF也需要去输入这些值，然后你才能得出一个东西。你输入的东西的本身也是说体有没有，以及质量如何也是变得很重要的。不一样的是我们的方法是说我已经有了一个比如说作为风板，我已经有了一个很大的数据库。这个数据库已经有了四十年，五十年的一个关于气象的数据了。包括风速和风向。这个数据实际上是覆盖了整个的，不光是一个时间上40年，50年，实际上在空间上也是覆盖了整个的一个地球的。所以说你可能没有给我数据，这个时候我已经有很多很多的数据了。你明白吧。但是我的数据说跟你现在项目地的情况怎么样可以放在一起这是我讲的拟合，我们会把项目地里测风的信息，这些信息放在里边降低了我的大模型的一个公差，这样的话它就带来了很高的一个分辨率。但是传统的方法，你的问题是什么，传统的方法是说你所测的时间，观测的时间，通常来说的话是有限的，一年，两年，但是你拿它推演一个长期的二十年一个发电量来说，肯定有很多，很模糊的地方，你用了我们的方法，可以有很多可以去很确定的趋势。
　　常蕊：就是说您拿到了气象局所有的数据，是吧?
　　张大为：不是气象局，是国际组织的。
　　常蕊：是欧洲一些的。
　　张大为：对。
　　常蕊：好，谢谢。
　　朱蓉：下面请来自丹麦科技大学风能系的Marisciel litong Palima。他在日本东京大学获得信息学博士学位，拥有菲律宾大学的物理学硕士。
　　Jeffrey Lerner：早上好，首先我感谢各位的到来，我是菲律宾人，所以我本人对于关于热带气旋非常感兴趣，之前那位发言人讲到这个热带气旋，我非常感兴趣，这个研究是和丹麦科技大学的人一起做的研究。
　　首先我要感谢中丹教育研究中心对我们的支持，我们和中国科学院也进行了合作。那么，另外还有丹麦的八所大学，我们的研究的团队，主要是做可再生能源的研究。那么，我所展现的这个工作有一部分是我在做博士论文的时候所做的研究。今天的这样一个发言，我会给大家首先简单的介绍一下这个我们想解决的问题，然后来给大家介绍一下我们具体的工作目标，然后再跟大家谈一下错误模型。最后我来谈一下马尔科夫链。
　　所以现在我们要解决的一个最基本的问题，就是说在产生能量的方面，大家知道风能如果太少的话，那么就会缺乏发电量。如果说风能太多的话，也会导致电网的瘫痪。同时，风的变化很大，因为他每秒钟，每个小时，每天的风都会发生变化。那么，在一周之内，或者是说在不同的季节，也会有变化。这会导致很多的不平衡，也有可能会导致电网当中的可靠性受到影响。因此要想来解决这些挑战，那么最好的办法是预测，预测产量。但是这个预测必须要放在一个地点这样一个背景之下，在我们的丹麦的体系中，生产是由一个市场来决定的。因此，在这个运营期间是通常来说在每天的运营当中都会有记录。那么记录的话都会提供相关的资料。但是我们也知道每天中午的十二点到每天夜里24点开始运营的时候，之间有12小时的视察。那么我们在这个工作中主要的目标是说要能够进行这样一个预测。通过这个预测我们就可以真正的了解到它的误差或者是说错误。那么什么时候我们要进行预测，我们知道与预测方法相关的错误在哪?我们就能够更准确的来预测风能的供应。对这个方法来说非常重要的是我怎么样来对这个错误或者是说误差来建模。
　　所以我们就打算使用这个回归及马尔科夫链的模型。那么，我们这里谈的错误或者是说误差实际上是预测与实际之间的误差，我们建模之前我们要看一些数据。数据是由丹麦的机构为我们提供的。他们给我们提供了一些相关的预测。他们有他们自己的内部的预测工具。那么，对于我们来说，我们知道对于风机的管理者来说，他们需要保持平衡。那么，这个工作并不是在这个控制室展开的。而是说可以在未来的规划当中使用到的一些数据。我们希望能够通过公式来反应真正的不平衡的情况，以及真正的风能供应的情况。
　　所以现在我们实际上是要开发一个工具，这个工具被称之为叫做平衡型模拟工具。那么，这个工具今后可能将会是按小时的来做这个运营的建模。这个工作并不仅仅是预测本身，同时也要试图能够得出这个真实的错误速率。那么我们刚才前面也说到了我们是通过市场来激活的。那么市场当中包括了消费者也包括了电网的提供者。那么他们的问题是我们怎么样来去评估这个风的资源。同时怎么样去激活风能资源。那么这些问题都是我们需要帮助他们回答的。