[發明專利]基于動力降尺度數據融合和統計模型的風電功率預測方法

在審

• 申請號: 202011435153.0
• 申請日: 2020-12-10
• 公開（公告）號: CN112561149A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 張錄軍;楊冬東
• 申請（專利權）人: 江蘇冰象智氣信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06F30/28;G06F113/06;G06F113/08;G06F119/06;G06F119/14
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 劉宇波

1.基于動力降尺度數據融合和統計模型的風電功率預測方法，其特征在于，具體包括如下步驟：

步驟1、通過區域氣候模式RegCM對NWP的歷史回報風速進行動力降尺度，得到尺度精細風速；

步驟2、與歷史觀測資料的對比，確定動力降尺度前后歷史風速數據的可信度權重因子，建立數據融合函數模型；

步驟3、根據步驟2建立的數據融合函數模型得到歷史風速，并結合歷史風力發電功率數據，建立類S型曲線模型；

步驟4、根據步驟2建立的數據融合函數模型得到預測風速，并結合步驟3建立的類S型曲線模型，對未來發電功率進行預測。

2.根據權利要求1所述的基于動力降尺度數據融合和統計模型的風電功率預測方法，其特征在于，所述步驟1中，具體包括如下步驟：

步驟11、收集數值預報NWP輸出的歷史回報風速場、氣溫場、氣壓場及相對濕度場；

步驟12、將NWP輸出場作為區域氣候模式RegCM的輸入場，利用超級計算機對模式進行運行，輸出分辨率更高的風速場；

步驟13、確定風電機位置，利用雙線性插值將動力降尺度前后的風速場進行插值，給出風電機處動力降尺度前后的風速值。

3.根據權利要求1所述的基于動力降尺度數據融合和統計模型的風電功率預測方法，其特征在于，所述步驟2中，具體包括如下步驟：

步驟21、記單個發電風機處未降尺度的歷史回報風速為V_h1，其對應的可信度權重因子為w1，降尺度后的歷史回報風速為V_h2，其對應的可信度權重因子為w2，則，w1+w2＝1 (1)；

步驟22、記單個發電風機處的歷史觀測風速為V_h，并根據V_h1和V_h2和V_h的相似程度來確定可信度權重因子，則，相似程度為，

步驟23、根據步驟22得到的兩個歷史回報風速與歷史觀測風速的相似程度，則，權重因子w1為，

聯立式(1)和式(4)求解可信度權重因子；

步驟24、設兩個歷史回報風速融合后的風速為V，則，

V＝w1×V_h1+w2×V_h2 (5)，

根據式(5)建立數據融合函數模型，并用于降尺度前后未來預報風速的數據融合。

4.根據權利要求1所述的基于動力降尺度數據融合和統計模型的風電功率預測方法，其特征在于，所述步驟3中，具體包括如下步驟：

步驟31、根據風電機組的性質，任意時刻的輸出功率與對應時刻風速的計算關系為，

步驟32、根據步驟2建立的數據融合函數模型得到歷史風速，并結合歷史風力發電功率數據，訓練類S型曲線，且所述類S型曲線設為，

步驟33、利用MATLAB軟件對類S型曲線進行擬合，求出待定系數，即可得到類S型曲線的函數表達式，代入到步驟31所得式中，既得P-V統計預測模型，

5.根據權利要求1所述的基于動力降尺度數據融合和統計模型的風電功率預測方法，其特征在于，所述步驟4中，具體包括如下步驟：

步驟41、利用區域氣候模式RegCM對NWP預測的風速進行動力降尺度，對動力降尺度前后的數據融合得到風電機處未來的預測風速v；

步驟42、將預測風速v帶入到P-V統計預測模型中，得到未來時刻風電機的發電功率P。

6.根據權利要求3所述的基于動力降尺度數據融合和統計模型的風電功率預測方法，其特征在于：所述步驟22中，R1和R2分別為兩個歷史回報風速與歷史觀測風速的相似程度；

分別代表兩個歷史回報風速，且代表觀測風速平均值。