[發(fā)明專利]一種混合風力發(fā)電的預測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201610300971.7
• 申請日: 2016-05-09
• 公開（公告）號: CN105930900B
• 公開（公告）日: 2018-02-27
• 發(fā)明（設計）人: 宋曉華;張宇霖;龍蕓;張栩蓓;李樂明
• 申請（專利權）人: 華北電力大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06Q10/04;G06Q50/06
• 代理公司: 北京名華博信知識產權代理有限公司11453
• 代理人: 李冬梅,苗源

技術領域

本發(fā)明涉及風電功率預測的技術領域，特別涉及一種混合風力發(fā)電的預測方法及系統(tǒng)。

背景技術

風電廠在進行風力發(fā)電時，風電輸出功率不僅受到風速的影響，風向也是不可忽視的因素，但由于大氣壓強的作用，風速和風向都會隨時發(fā)生變化，因而風力發(fā)電機的輸出功率也具有波動性和隨機性等特點，這種功率輸出的波動性不利于區(qū)域電網(wǎng)整體運行的平穩(wěn)性和安全性。因此，需要對風電輸出功率做出合理的預測，以方便電力運營部門進行有效的調度。

目前，在短期風力發(fā)電預測方面，主要采用物理模型預測和統(tǒng)計模型預測兩種方式。其中：

1)物理模型預測，主要是根據(jù)數(shù)值天氣預報系統(tǒng)的預測結果得到風速、風向、氣壓、氣溫等天氣數(shù)據(jù)，然后根據(jù)風電場周圍等高線、粗糙度、障礙物、溫度分層等信息計算得到風電機組輪轂高度的風速、風向等信息，最后根據(jù)風電場的功率曲線計算得到風電場的輸出功率。這里，對風電場所在地要進行物理建模,包括風場的地形、地表植被及粗糙度、周圍障礙物等，同時還要對風機本身的輪毅高度、功率曲線、機械傳動和控制策略等進行建模。另外該方法輸入的參數(shù)為數(shù)字氣象預報(NWP)模型。

但是，由于物理模型預測的物理模型等式缺少彈性的約束以及氣象預報更新頻率低等原因，使其不能適應短期的風力預測。另外，物理模型預測方法雖然不需要歷史數(shù)據(jù)，風電場投產就可以進行，但需要準確的NWP數(shù)據(jù)和風電場所在地的詳細信息，輸入?yún)?shù)較多，而且NWP數(shù)據(jù)的采集和處理也較為繁瑣。

2)統(tǒng)計模型預測，這種方法不考慮風速變化的物理過程,根據(jù)歷史統(tǒng)計數(shù)據(jù)找出天氣狀況與風電場出力的關系，然后根據(jù)實測數(shù)據(jù)和數(shù)值天氣預報數(shù)據(jù)對風電場輸出功率進行預測。這種方法的實質是在系統(tǒng)的輸入(NWP歷史統(tǒng)計數(shù)據(jù)、實測數(shù)據(jù))和風電功率之間建一立個映射關系，通常為線性關系。這個關系可以用函數(shù)的形式表示出來，例如回歸分析法、指數(shù)平滑法、時間序列法、卡爾曼濾波法、灰色預測法等，都是基于線性模型的。這些模型通過捕捉數(shù)據(jù)中與時間和空間相關的信息來進行預測。

然而對于統(tǒng)計模型預測，所用數(shù)據(jù)單一，對短期或超短期的風電功率預測結果可以滿足精度要求。但對于更長時間的預測，預測結果精度往往是不夠的，而且需要長時間的測量數(shù)據(jù)和大量的數(shù)據(jù)處理工作及額外的訓練。另外，它對于突變信息處理不好，在訓練階段很少出現(xiàn)罕見天氣狀況，而且也很難準確預測。

發(fā)明內容

有鑒于此，本發(fā)明實施例的目的在于提出一種混合風力發(fā)電的預測方法及系統(tǒng)，能夠實現(xiàn)對不同的風向、風速有針對性地進行模型預測，并且能夠提高風力發(fā)電功率的預測精度。

進一步來講，該混合風力發(fā)電的預測方法包括：獲取風電場的風向、風速及對應的風電輸出功率的歷史數(shù)據(jù)，并對所述歷史數(shù)據(jù)進行抽樣得到樣本數(shù)據(jù)；對所述樣本數(shù)據(jù)的統(tǒng)計特性進行判斷分析，獲取風頻集中且風電輸出功率差異達到差異閾值的風向，并根據(jù)所獲取的風向及其與風速、風電輸出功率的對應關系采用模糊層次聚類法，將所述樣本數(shù)據(jù)劃分為三類；采用神經(jīng)網(wǎng)絡算法對每類樣本進行訓練，對應形成三類特定的風力發(fā)電預測模型，將這三類特定的風力發(fā)電預測模型進行合并處理，建立用于對風力發(fā)電產能進行預測的混合風力發(fā)電預測模型。

可選地，在一些實施例中，上述的混合風力發(fā)電的預測方法還包括：獲取測試用的樣本數(shù)據(jù)，對所建立的混合風力發(fā)電預測模型進行調試；根據(jù)混合風力發(fā)電預測模型輸出的測試結果，對所述混合風力發(fā)電預測模型進行修正；其中，所述測試用的樣本數(shù)據(jù)從所述風電場的風向、風速及對應的風電輸出功率的歷史數(shù)據(jù)中抽樣得到。

可選地，在一些實施例中，上述混合風力發(fā)電的預測方法還包括：利用所述混合風力發(fā)電預測模型，對風力發(fā)電廠的輸出產能進行測試；在進行預測時，判斷輸入數(shù)據(jù)的風向，根據(jù)所確定的風向，調用對應的風力發(fā)電預測模型計算所述風電場的風電輸出功率的預測值，輸出對應的測試結果。

可選地，在一些實施例中，所述混合風力發(fā)電預測模型的形成方式還包括：分別為所述三類特定的風力發(fā)電預測模型配置對應的樣本權重參數(shù)；根據(jù)每個預測模型的樣本權重參數(shù)，將根據(jù)風向建立的預測模型進行合并，建立混合風力發(fā)電預測模型。

可選地，在一些實施例中，上述的混合風力發(fā)電的預測方法還包括：對所述混合風力發(fā)電預測模型進行反復迭代，使所述混合風力發(fā)電預測模型逐漸收斂，直到輸出結果趨于穩(wěn)定。

為實現(xiàn)上述方法，本發(fā)明實施例還提出一種混合風力發(fā)電的預測系統(tǒng)，該系統(tǒng)包括：

抽樣模塊，用于對所獲取的風電場的風向、風速及對應的風電輸出功率的歷史數(shù)據(jù)進行抽樣得到樣本數(shù)據(jù)；