[發明專利]基于有效湍流強度瞬時模型的風速波動不確定性估計方法

有效

• 申請號: 201310749932.1
• 申請日: 2013-12-31
• 公開（公告）號: CN103678940A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 于達仁;萬杰;任國瑞;喬成成;劉金福;郭鈺峰;胡清華;雷呈瑞;魏松林
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

技術領域

本發明涉及基于有效湍流強度瞬時模型的風速波動不確定性估計方法，涉及風速預測及不確定性估計領域。

背景技術

當前，很多重要領域都涉及風速預測及不確定性估計的研究及應用，如電力系統和鐵路建設領域等。以電力系統領域為例，風力發電是目前電力系統中新能源電力行業的研究熱點之一。由于風電波動具有較強的不確定性，大規模風電場接入電網后，將對電網的安全經濟運行控制等帶來重大影響；而準確的風電場功率預測是解決該問題的一個重要基礎，可以幫助電網制定合理的調度計劃，確定旋轉備用，安全經濟地保證電網的運行。然而，風是風電機組出力的動力源，因此，風速是風電功率最主要的影響因素，對風速進行準確預測，是風功率預測的重要前提。目前，針對風速和風功率的預測可以分為確定性預測和不確定性預測。確定性預測的預報結果一般僅需給出風速在某一時刻點的具體值，時間分辨率為15分鐘；不確定性預測是更進一步對一定時期內確定性預測結果的誤差帶進行分析，以給出一段時期內某一置信度下的預測誤差帶，即風速的波動范圍；以用于確定電網因風電誤差引起的運行備用，對電網的安全高效運行具有重要的意義。當前的統計學習理論為模型的泛化誤差提供了理論基礎，但統計學習理論基礎是廣義的概率分布，給出的置信區間往往十分寬松，在風速小的區域和風速大的區域均給出相同寬的誤差帶，存在過大的預報誤差，不具有實用價值。而過大的預報誤差估計則將導致更保守的安全設置，出現更多的冗余旋轉熱備用。

發明內容

本發明為解決以現有理論模型為基礎的風速波動的不確定性估計方法，在風速小的區域和風速大的區域均給出相同寬的誤差帶，存在過大的預報誤差，既不符合實際情況也不能用于幫助電網制定合理的調度計劃的問題；解決由于預報誤差估計過大所導致過于保守的安全設置，以及出現過多的冗余旋轉熱備用的問題。而提供基于有效湍流強度瞬時模型的風速波動不確定性估計方法，其具體步驟如下：

步驟一、根據低層大氣運動功率譜的譜隙確定分解尺度；

步驟二、以Mallat小波分解和重構算法為工具對實測風速數據進行風速時間序列的分解和重構，得到平均風速和相對應的湍動殘差；

步驟三、利用Mallat小波分解算法對平方后的湍動殘差進行分解后再進行重構得到濾波平滑后的方差，濾波平滑后的方差的算數平方根即為湍動殘差的瞬時標準差；

步驟四、求與平均風速相對應的有效湍流強度I，公式如下：

I=σV‾]]>

其中，σ為湍動殘差的瞬時標準差，為小時級平均風速；

步驟五、根據二次多項式擬合方法，利用3σ原理剔除野點，對有效湍流強度模型進行擬合；

步驟六、根據有效湍流強度模型擬合結果與風速預測結果進行不確定性估計。

本發明優點：

本發明將有效湍流強度模型引入到風速波動不確定性估計之中，通過建立了有效湍流強度瞬時模型，利用小時平均風速與同期風速標準偏差的內在關系，實現對未來一段時間風速序列不確定性估計，從而可以給出預報風速的不確定性波動范圍。并且，本發明不僅在IEC標準中的幾種有效湍流強度數學模型的基礎上，又給出了一種新的擬合關系式；而且，根據有效湍流強度瞬時模型進行不確定性估計，在風速大和風速小的區域所給出的風速不確定波動范圍是不同的，不確定度與風速自身大小相關，使本發明在風速預測不定性估計應用中更具實用性；此外，本發明可以針對地域、地貌、季節以及風機高度和尾流效應等差異性，進行有效湍流強度的瞬時統計建模，本發明在風速預測不定性估計應用中的精確性提高了約10%，因此能夠幫助電網制定合理的調度計劃；避免由于預報誤差估計過大所導致過于保守的安全設置，以及避免出現過多的冗余旋轉熱備用。

附圖說明

圖1為本發明的方法的流程示意圖；

圖2為低層大氣運動的功率譜（大氣運動的連續譜）；其中，amplitude為振幅；

圖3為某風電場一個月的實測風速序列；

圖4為實測風速數據的小時級平均風速分量；

圖5為實測風速數據的去掉小時級平均風速后剩余的湍動殘差；

圖6為Mallat小波8層分解算法示意圖；

圖7為Mallat小波8層重構算法示意圖；