一种风电场短期风功率预测系统及方法技术方案

本发明专利技术公开了一种风电场短期风功率预测系统及方法，该方法包括如下步骤：获取风电场历史预测功率及对应的历史实际输出功率，并进行预处理，同时通过计算得出两者间的偏差功率；将预处理后的历史预测功率与所得偏差功率接入BP神经网络的输入端,并把处理后的历史实际输出功率作为该BP神经网络的输出端对该BP神经网络进行训练；根据同一风功率预测系统预测当前风功率，得到预测功率，并进行预处理；将计算获得的偏差功率与预处理后的预测功率接入经训练后的BP神经网络的输入端，通过该BP神经网络的输出端输出最终期望得到的预测功率，通过本发明专利技术，可实现对风电场短期出力的准确预测。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，该方法包括如下步骤：获取风电场历史预测功率及对应的历史实际输出功率，并进行预处理，同时通过计算得出两者间的偏差功率；将预处理后的历史预测功率与所得偏差功率接入BP神经网络的输入端,并把处理后的历史实际输出功率作为该BP神经网络的输出端对该BP神经网络进行训练；根据同一风功率预测系统预测当前风功率，得到预测功率，并进行预处理；将计算获得的偏差功率与预处理后的预测功率接入经训练后的BP神经网络的输入端，通过该BP神经网络的输出端输出最终期望得到的预测功率，通过本专利技术，可实现对风电场短期出力的准确预测。【专利说明】 —种风电场短期风功率预测系统及方法
本专利技术涉及风电场的功率预测与控制
，特别是涉及。
技术介绍
风能是一种清洁无污染的可再生能源，利用风能带动风机旋转产生电能是一种有效的发电方式，尤其在当前环境问题受到日益严峻的挑战下，世界各国对新能源的开发越来越重视。近年来，随着科技的进步，风力发电在我国得到了持续快速的发展，截止目前，我国风电装机容量已超过7000万KW，风电并网容量突破5000万KW。随着电网和风力发电技术的发展，将有更多的风电并入电网。然而，风具有随机变化的特性，风电机组的输出功率与风速的三次方成正比，因此，风力发电机组输出具有较大的波动性和间歇性，大规模的风电并入电网将会对电网的电能质量和电网稳定性产生影响，尤其对电网运行调度的影响极其明显，风力发电的在电网中的极限穿透功率也因此受到了挑战。然而,针对风力发电的波动性和间歇性给电网调度带来的问题,一套准确的风功率预测系统可以促进电力系统的可调度性以及电网功率平衡。一方面，通过对风电场输出功率的准确预测，电网调度部门可以根据风电场的出力以及负荷情况提前制定调度计划，有效分配火电，水电，等常规发电机组的功率输出，减少系统旋转备用容量，降低电力系统运行成本；另一方面，准确的风功率预测解决了电网对风电的担忧，从而可以提高风力发电在电力系统中的极限穿透功率。因此，对于风电场短期风功率预测的研究具有十分重要的意义。国外对于风电场短期风功率预测早有研究，并且也做出实际的短期风功率预测系统，在部分风电场也得到了运用，效果也很明显。国内对于风电场短期功率预测系统也有一定的研究，但是大部分系统的预测准确度都还不高，而且系统相对复杂，可操作性差；将国外的风电预测系统用于国内风电场，又由于风电场条件的差异性，使得预测准确度降低，无法取得应有的效果。
技术实现思路
为克服上述现有技术存在的不足，本专利技术之目的在于提供，实现对风电场短期出力的准确预测。为达上述及其它目的，本专利技术提出一种风电场短期风功率预测系统，至少包括:预处理模组，获取风电场历史预测功率及对应的历史实际输出功率，并进行预处理，同时通过计算得出两者间的偏差功率；BP神经网络训练模组，包含BP神经网络，其将预处理后的历史预测功率与所得偏差功率接入该BP神经网络的输入端，并把预处理后的历史实际输出功率作为该BP神经网络的输出端对该BP神经网络进行训练；预测模组，根据同一风功率预测系统预测当前风功率，得到预测功率，并进行预处理；最终预测功率获得模组，将该预处理模组计算获得的偏差功率与该预测模组预处理后的预测功率接入该BP神经网络训练模组训练后的BP神经网络的输入端，通过该BP神经网络的输出端输出最终期望得到的预测功率。进一步地，该风电场历史预测功率是指由该风电场的原有风功率预测系统在过去长时间内的所有预测功率，风电场历史实际输出功率是指在过去长时间内从该风电场的SCADA监控系统中获得的风电场实际输出功率，且该实际输出功率与历史预测功率相对应。进一步地，该预处理指的是剔除错误数据，该些错误数据是由于风机测风仪器故障、风机正常或非正常停机数据以及通信故障所引起的。进一步地，该风电场具有自己独立的风功率预测系统，并且具有足够的稳定性，在该预测系统下有大量的历史数据。进一步地，该同一风功率预测系统是指该风电场一直沿用的，与获取历史预测功率相同的风功率预测系统。为达到上述目的，本专利技术还提供一种风电场短期风功率预测方法，包括如下步骤:步骤一，获取风电场历史预测功率及对应的历史实际输出功率，并进行预处理，同时通过计算得出两者间的偏差功率；步骤二，将预处理后的历史预测功率与所得偏差功率接入BP神经网络的输入端，并把处理后的历史实际输出功率作为该BP神经网络的输出端对该BP神经网络进行训练；步骤三，根据同一风功率预测系统预测当前风功率，得到预测功率，并进行预处理；步骤四，将步骤一计算获得的偏差功率与步骤三预处理后的预测功率接入经步骤二训练后的BP神经网络的输入端，通过该BP神经网络的输出端输出最终期望得到的预测功率。进一步地，该风电场历史预测功率是指由该风电场的原有风功率预测系统在过去长时间内的所有预测功率，风电场历史实际输出功率是指在过去长时间内从该风电场的SCADA监控系统中获得的风电场实际输出功率，且该实际输出功率与历史预测功率相对应。进一步地，该预处理指的是剔除错误数据，该些错误数据是由于风机测风仪器故障、风机正常或非正常停机数据以及通信故障所引起的。进一步地，该风电场具有自己独立的风功率预测系统，并且具有足够的稳定性，在该预测系统下有大量的历史数据。进一步地，该同一风功率预测系统是指该风电场一直沿用的，与获取历史预测功率相同的风功率预测系统。与现有技术相比，本专利技术通过BP神经网络的训练找到风电场历史预测数据与历史实际数据之间的关系规律，然后根据同一风功率预测系统预测当前风功率，得到预测功率，找到预测数据与实际数据之间的关系，从而实现准确预测，本专利技术所需数据易得，方法简单实用，可操作性强，尤其不需要改变原有风电场风功率预测系统，从而为风电场节约了成本，经济性好【专利附图】【附图说明】图1为本专利技术一种风电场短期风功率预测系统的系统架构图；图2为本专利技术一种风电场短期风功率预测方法的步骤流程图；图3为本专利技术一种风电场短期风功率预测方法之较佳实施例的BP神经网络训练流程图；图4为本专利技术一种风电场短期风功率预测方法之较佳实施例的短期风功率预测流程图。【具体实施方式】以下通过特定的具体实例并结合【专利附图】【附图说明】本专利技术的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本专利技术的其它优点与功效。本专利技术亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本专利技术的精神下进行各种修饰与变更。图1为本专利技术一种风电场短期风功率预测系统的系统架构图。如图1所示，本专利技术一种风电场短期风功率预测系统，至少包括:预处理模组101、BP神经网络训练模组102、预测模组103、最终预测功率获得模组104。其中，预处理模组101用于获取风电场历史预测功率及对应的历史实际输出功率，并进行预处理，同时通过计算得出两者间的偏差功率，在本专利技术较佳实施例中，风电场历史预测功率是指由该风电场的原有风功率预测系统在过去长时间内的所有预测功率，风电场历史实际输出功率是指在过去长时间内从该风电场的SCADA监控系统中获得的风电场实际输出功率，且该实际输出功率与历史预测功率相对应，需说明的是，历史数据应尽可能多，这样有助于BP (Back Propagatio本文档来自技高网...

【技术保护点】
一种风电场短期风功率预测系统，至少包括：预处理模组，获取风电场历史预测功率及对应的历史实际输出功率，并进行预处理，同时通过计算得出两者间的偏差功率；BP神经网络训练模组，包含BP神经网络，其将预处理后的历史预测功率与所得偏差功率接入该BP神经网络的输入端，并把预处理后的历史实际输出功率作为该BP神经网络的输出端对该BP神经网络进行训练；预测模组，根据同一风功率预测系统预测当前风功率，得到预测功率，并进行预处理；最终预测功率获得模组，将该预处理模组计算获得的偏差功率与该预测模组预处理后的预测功率接入该BP神经网络训练模组训练后的BP神经网络的输入端，通过该BP神经网络的输出端输出最终期望得到的预测功率。

【技术特征摘要】

【专利技术属性】
技术研发人员：李林，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：