[發明專利]風力發電系統實時功率預測的修正方法

有效

• 申請號: 201310405278.2
• 申請日: 2013-09-06
• 公開（公告）號: CN103485977A
• 公開（公告）日: 2014-01-01
• 發明（設計）人: 潘文霞;朱建紅;張程程;全銳
• 申請（專利權）人: 河海大學
• 主分類號: F03D7/00
• 分類號: F03D7/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 許方

技術領域

本發明公開了風力發電系統實時功率預測的修正方法，屬于風力發電系統控制的技術領域。

背景技術

當今世界隨著環境污染加重和傳統能源枯竭，風電以其使用清潔，成本較低，取用不盡的優點已經成為最具商業潛力、最具活力的可再生能源之一。《中國風電發展報告2012》指出，到2030年，累計裝機可能超過400GW，屆時，風電將占全國發電量的8.4％左右，在電源結構中約占15％。風力發電已成為我國電力和能源可持續發展戰略的最佳選擇，但風電是一種隨機性和間歇性的能源，由此導致了風電輸出功率具有較大波動，如何保證風電順利并網和電力系統的安全運行，這已經成為制約風電持續健康發展的瓶頸。

近幾年，在國家“建設大基地、融入大電網”的風電發展戰略指導下，風電發展朝著規模化蓬勃發展，風電場的數目越來越多，裝機容量也越來越大，提高風電場與電力系統協調運行的能力已經成為必須解決的問題，而這其中最關鍵的就是風電場功率的預測與預報技術，但目前國內對風電預測還處在剛剛起步的階段，風電功率預測系統還主要處在理論研究階段，應用比較成熟的風電功率預測系統還不多。這已經嚴重制約了我國風電的健康發展。

放眼國外，風電功率預測的方法主要有兩類：一是基于時間序列的持續預測方法；另一類是以數值天氣預報為基礎，采用諸如人工神經網絡法（Artificial?Neural?Network,ANN）、模糊邏輯方法（Fuzzy?Logic）等統計模型或是考慮障礙物、粗糙度、地形地貌等因素物理方法來預測風力發電功率。無論采用何種方法，由于算法的局限性，無論怎樣改進算法，預測精度的提高總不是特別明顯。而隨著電力電子技術和電化學的發展，電池儲能以其靈活的充放電特性和相對成熟的技術成為本文中提高風電功率預報精度的方法，利用較小的儲能電池容量，通過快速地電能存取，實現較大的功率調節，快速地吸收預報誤差中的“剩余能量”或是補充“功率缺額”。當然增加電池儲能系統需要增加相應的投資和維護成本，同時廢舊的電池對環境也會造成污染，因此如何選擇合理的儲能電池容量至關重要，使其既能滿足風電輸出平滑化的需求，按預制修正值發電，又能使電池容量比較小，所需的電池容量盡可能得到充分利用。

發明內容

本發明所要解決的技術問題是針對上述背景技術的不足，提供了風力發電系統實時功率預測的修正方法。

本發明為實現上述發明目的采用如下技術方案：

風力發電系統實時功率預測的修正方法，包括如下步驟：

步驟1，以數值天氣預報歷史數據以及風電場輸出風電功率歷史統計數據訓練BP神經網絡，建立天氣預報數據和風電功率之間的非線性關系；

步驟2，在采樣時間序列上，根據數值天氣預報數據預測風電功率，更新BP神經網絡訓練樣本集并預測各采樣時刻風電功率；

步驟3，根據各采樣時刻預測的風電功率P_p’(t)以及實際風電功率得到預測功率誤差P_e’(t-1)，由各采樣時刻預測功率誤差得到自適應修正因子β，再由表達式P_p”(t)=P_p’(t)-β×P_e’(t-1)得到t采樣時刻風電功率第一次修正值P_p”(t)；

步驟4，在各采樣時刻內，由實際風電功率、風電功率第一次修正值得到輸出功率實際誤差，將輸出功率實際誤差絕對值與誤差設定值相比較，

在當前采樣時刻輸出功率實際誤差絕對值小于誤差設定值時，輸出當前采樣時刻的風電功率第一次修正值；

在當前采樣時刻輸出功率實際誤差絕對值大于誤差設定值時，根據所述實際誤差啟動儲能系統電池充充放電，將儲能系統電池充放電功率計入當前采樣時刻風電功率得到當前采樣時刻的風電功率第二次修正值。

所述風力發電系統實時功率預測的修正方法中，步驟2具體包括如下步驟：

步驟2-1，采集n個樣本點在t采樣時刻的天氣數據作為BP神經網絡輸入量，預測n個樣本點在t+1采樣時刻的風電場輸出功率，其中，t、n均為自然數；

步驟2-2，將n個樣本點在t采樣時刻的天氣數據以及預測的n個樣本點在t+1采樣時刻的風電功率作為新樣本加入BP神經網絡訓練樣本集，剔除當前采樣時間序列上的第一樣本點；

步驟2-3，t取值加1，進入下一采樣時刻，重復步驟2-1至步驟2-2。

所述風力發電系統實時功率預測的修正方法，在步驟2和步驟3之間還有步驟A，選擇儲能系統電池容量，具體方法如下：