[發明專利]基于小波分析的風電場風速預測方法及系統有效

申請號：	201010560929.1	申請日：	2010-11-26
公開（公告）號：	CN102478584A	公開（公告）日：	2012-05-30
發明（設計）人：	董朝陽;黃杰波;孟科	申請（專利權）人：	香港理工大學
主分類號：	G01P5/00	分類號：	G01P5/00
代理公司：	深圳市順天達專利商標代理有限公司 44217	代理人：	郭偉剛
地址：	中國香港***	國省代碼：	中國香港;81
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于分析電場風速預測方法系統
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及風電場風速預測方法及系統，更具體地說，涉及一種基于小波分析的風電場風速預測方法及系統。

背景技術

風力發電，作為短期內最具競爭力的發電方式之一，其優點是可再生、無污染、占地少、建設周期短、投資靈活、自動化水平高、管理人員少等。但是，風不是無時無刻存在，其主要取決于空氣流動的變化，所以風能是一種密度小的隨機性能源。其產生的能量大小不穩定，受地理位置限制嚴重，而且轉換效率低。

我國幅員遼闊，海岸線很長，風能資源比較豐富。隨著我國風力發電行業的不斷發展，風電總裝機容量日益增大。大中型風電機組并網發電，已經成為世界風能利用的主要形式。隨著并網機組持續增長，單機容量提高，機組性能優化，故障率降低，生產成本下降，風電已慢慢具備與常規能源競爭的能力。但由于風電出力的隨機性、間歇性等特性，電網運行時必須留有足夠的備用機組和調峰容量，以保證風電出現大幅度波動時系統仍然能夠穩定運行。這是風力發電區別于其他發電方式的最主要的特點，同時也成為制約風力發電大規模應用的最主要的問題。現階段的解決方案是，調度中心通過和風力發電廠并網，隨時讀取數據更新系統參數，從而把由風力發電的引起波動控制在可應對的范圍內。但是，隨著風電場規模的增大，風力發電對電力系統的影響也越來越顯著，給電網運行帶來了較大的壓力。因此，為了提高風能的利用效率，越來越多的風力發電企業需要準確的預測服務，通過預測風力資源從而給出比較準確的發電曲線，以便調控分配電量，實現現代風電與傳統發電聯合優化運行。準確的風力預測還可以幫助投資者確定在何處興建風電場，以及幫助風電場的運營者更好的維護和管理風電機組。

目前，對風速的預測主要依賴于物理預測模型，其計算量大，誤差累積率高，而且需要專業的人士維護，不能滿足風電企業對風能短期預報的需求，更不能對風電場范圍內的風速分布做出精細的預報。近年來，人工神經網絡慢慢在風力預測中得到廣泛的應用，它可以根據輸入和輸出數據直接建模，在解決高度非線性和嚴重不確定性回歸方面具有很大的優勢。神經網絡種類繁多，但是對具體問題究竟是采用何種類型神經網絡，何種網絡權值學習算法，目前均沒有明確的結論。同時，計算量大、收斂速度慢、局部最優等問題也是神經網絡面臨的主要困難。基于以上考慮，本發明利用小波分析技術結合神經網絡模型，建立風電場短期風力預測模型，實現對風速精確估計。

發明內容

本發明要解決的技術問題在于，針對現有技術對風速的預測主要依賴于物理預測模型，其計算量大，誤差累積率高，而且需要專業的人士維護，不能滿足風電企業對風能短期預報的需求，更不能對風電場范圍內的風速分布做出精細的預報等缺陷，提供一種基于小波分析的風電場風速預測方法及系統。

本發明解決其技術問題所采用的技術方案是：構造一種基于小波分析的風電場風速預測方法，其包括以下步驟：

根據一特定的預測時間間隔，確定預測模型的輸入和輸出變量；

讀取歷史風速值，修正所述歷史風速值中的殘缺點，以得到風速預測模型的訓練樣本值序列；

對所述訓練樣本值序列進行快速小波分解，以得到近似細節分量值序列；

根據所述近似細節分量值序列，建立所述風速預測模型，以進行風速預測。

在本發明所述的風電場風速預測方法中，還包括：

對所述風速預測的輸出結果進行小波重構，以加權后得到相應的風速預測值。

在本發明所述的風電場風速預測方法中，還包括：

將采集的實時風速觀測值與所述風速預測值進行比較，當連續一特定次數N的比較中，所述實時風速觀測值和風速預測值之間的平均相對誤差均超過10％，則調整所述風速預測模型的加權值，其中，N為自然數。

在本發明所述的風電場風速預測方法中，