[發明專利]一種風電功率預測系統及方法

有效

• 申請號: 201810118520.0
• 申請日: 2018-02-06
• 公開（公告）號: CN108388962B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 李偉;韓亞雄;王俊峰;王海挺
• 申請（專利權）人: 北京天潤新能投資有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種風電功率預測系統，包括：(1)數據采集服務器，用于運行數據采集軟件，與風電場側風電綜合通信管理終端通信并采集數據；(2)數據庫服務器：數據的處理、統計分析和存儲；(3)應用工作站；(4)風電功率預測服務器：運行風電功率預測模塊，基于采集或提供SCADA系統提供的數值天氣預報，使用基于加權最小二乘支持向量機和量子粒子群預測的神經網絡綜合算法，并結合風電場風機的實時運行工況對單臺風機及整個風電場的出力情況進行短期和超短期預測；(5)數據接口服務器：用于獲得數值天氣預報；(6)反向物理隔離設備，用于保證網絡安全。還公開了一種風電功率預測方法，保證現場使用的預測數據能夠體現近期的發電功率特征。

技術領域

本發明屬于電力系統，特別是涉及一種風電功率預測系統及方法。

背景技術

準確的風電功率預測可以幫助電網調度部門做好各類電源的調度計劃，提高電網運行的穩定性，提高電網消納風電的能力，進而減少由于限電給風電開發商帶來的經濟損失，從而增加風電場投資回報率，為風電場的管理工作提供輔助手段。

風電功率預測可以有多種分類方式，按照預測的物理量分為先預測風速然后根據風電機組或風電功率曲線預測輸出功率，以及直接預測輸出功率；按數字模型分類為持續預測方法，ARAM模型，即差分自回歸移動平均模型，多用在隨機時間序列法，卡爾曼濾波以及智能方法，如人工神經網絡；按照輸入數據分為不采用數據天氣預報數據的基于時間序列的以及采用數據天氣預報的物理、統計和綜合方法；按時間尺度分為超短期預測和短期預測。

通過一定技術手段對風電預測系統進行考核，特別重要，風電預測考核的核心問題是考核風電場上報的發電計劃與生產當天實際風電出力的比對。風電場上報的發電計劃是基于風電功率考核系統的，這個系統預測得到的是一個可能的風電功率曲線，生產當天實際風電出力是由電廠內樣板機策的地數據來表示的。目前受地形復雜、近地風速數值預報難度大、數值天氣預報精度偏低、預測技術研究起步晚，預測方法對數據質量要求高等因素的制約，目前風電功率預測水平普遍偏低，根據國家能源局關于風電場功率預測預報管理暫行辦法的要求，全天預測結果的均方根誤差應小于20％。因此需要開發更為精確的風電功率預測系統，并置入更精確的風電功率預測方法。

發明內容

本發明所要解決的技術問題是：克服現有技術的不足，提供一種預測結果的精度更高的風電功率預測系統及預測方法，降低電網公司對風電場功率預測精度的考核引起的風電投資方損失。

為此，本發明的目的在于提供一種風電功率預測系統，包括：

(1)數據采集服務器，包括數據采集器，用于運行數據采集軟件，與風電場側風電綜合通信管理終端通信并采集風機、測風塔、風電場功率、數值天氣預報、風電場本地風電功率預測結果數據；

(2)數據庫服務器：用于數據的處理、統計分析和存儲，為保證數據可靠存儲，所述數據庫服務器配置磁盤陣列；

(3)應用工作站：包括PC工作站設備，完成系統的建模、圖形生成顯示、報表制作打印功能；

(4)風電功率預測服務器：使用實體服務器運行風電功率預測模塊，基于采集或提供SCADA系統提供的數值天氣預報，使用基于加權最小二乘支持向量機和量子粒子群預測的神經網絡綜合算法，并結合目前風電場風機的實時運行工況對單臺風機及整個風電場的出力情況進行短期預測和超短期預測；

(5)數據接口服務器：使用實體服務器獲得數值天氣預報；

(6)反向物理隔離設備，包括網絡交換機及網絡通訊附件，物理隔離裝置，機柜與附件，用于保證網絡安全，設置在網絡邊界處，同時向數據采集與監視控制系統(SCADA)和能量管理系統(EMS)傳送風電功率預測的結果。

優選的，還包括測風塔，用于測量實施氣象數據，從而進行超短期功率預測。