一种基于时空相关的风电场预测模型构建方法和系统技术方案

本发明专利技术实施例公开了一种基于时空相关的风电场预测模型构建方法和系统，利用风电场位置信息和实测风速数据，探索风场多风机空间点阵风速预测的时/空相依性方法；结合典型风场风机群风速跟踪测量以及风电场多风机空间点阵风速预测的相依性模型，建立以时/空典型特征参量与当前风机运行状态监测相结合的风场多风机风速概率性预测模型；在此基础上，研究不同时间尺度上风电场多风机风速概率性预测方法。为解决复杂地形、气候多变环境下多风机风速场预测提供有效分析工具，促进风机运行效率提升。

【技术实现步骤摘要】

本专利技术涉及风电场风速预测
，更具体地说，涉及一种基于时空相关的风电场预测模型构建方法和系统。
技术介绍
风能是一种可再生的清洁能源，在当前全球能源危机和环境危机的情况下，风力发电受到普遍重视和推广。由于风速波动在时间和空间范围内存在延续性，风电场各风机处的风速存在复杂的时/空相依性。这使得风机的风速预测变得较为困难，严重影响到了风力发电的利用水平。
技术实现思路
有鉴于此，本专利技术提供一种基于时空相关的风电场预测模型构建方法和系统，以实现应对复杂多变的风电场短期风速变化情况，提高预测准确性。一种基于时空相关的风电场预测模型构建方法，包括：获取风电场多风机风速系统时/空相依性的结构模型；建立包含时/空特征参量与当前风机运行状态监测相结合的多风机风速回归预测模型；根据该时空相依性结构模型及该回归预测模型，生成风电场多风机风速概率性预测模型。优选地，所述基于时空相关的风电场预测模型构建方法还包括：针对不同风电场多风机风速的数据，采用聚类方法，对不同风电场风速时间尺度分别进行划分；根据划分的结果，利用上述已建立的具有时/空相依结构的风电场多风机风速概率性预测模型，获得不同时间尺度上的风电场多风机风速概率性预测方法；利用多个风电场的数据对不同时间尺度上的风电场多风机风速概率性预测方法进行验证。优选地，获取风电场多风机风速系统时/空相依性的结构模型包括：获取风电场各风机风速的实测数据，以计算多风机空间点阵风速相依性结果；计算多风机历史风速数据拟合及残差；将建立好的边缘分布转换到均匀分布域中，以获取降噪后的风速时/空相依结构的分布数据；利用Vine-Copula方法建立多风机风速空间点阵时/空相依生结构，并计算模型中的待定参数。优选地，计算多风机历史风速数据拟合及残差，包括：对原始风速样本进行标幺化正态处理；利用自回归条件异方差模型(GARCH)和自回归滑动平均模型(ARMA)模拟风场各风机处的风速。优选地，所述基于时空相关的风电场预测模型构建系统方法还包括：借助在线采集离线处理机制实现时空相依性结构模型及其参数的更新。一种基于时空相关的风电场预测模型构建系统，包括：获取模块，配置为获取风电场多风机风速系统时/空相依性的结构模型；回归预测模型建立模块，配置为建立包含时/空特征参量与当前风机运行状态监测相结合的多风机风速回归预测模型；风速概率性预测模型构建模块，配置为根据该时空相依性结构模型及该回归预测模型，生成风电场多风机风速概率性预测模型。优选地，该系统还包括：时间尺度验证模块，其配置为：针对不同风电场多风机风速的数据，采用聚类方法，对不同风电场风速时间尺度分别进行划分；根据划分的结果，利用上述已建立的具有时/空相依结构的风电场多风机风速概率性预测模型，获得不同时间尺度上的风电场多风机风速概率性预测方法；利用多个风电场的数据对不同时间尺度上的风电场多风机风速概率性预测方法进行验证。优选地，所述获取模块执行：获取风电场各风机风速的实测数据，以计算多风机空间点阵风速相依性结果；计算多风机历史风速数据拟合及残差；将建立好的边缘分布转换到均匀分布域中，以获取降噪后的风速时/空相依结构的分布数据；利用Vine-Copula方法建立多风机风速空间点阵时/空相依性结构，并计算模型中的待定参数。优选地，计算多风机历史风速数据拟合及残差具体实现为：对原始风速样本进行标幺化正态处理；利用自回归条件异方差模型(GARCH)和自回归滑动平均模型(ARMA)模拟风场各风机处的风速。优选地，该系统还包括：更新模块，执行：借助在线采集离线处理机制实现时空相依性结构模型及其参数的更新。从上述的技术方案可以看出，本专利技术实施例利用风电场位置信息和实测风速数据，探索风场多风机空间点阵风速预测的时/空相依性方法；结合典型风场风机群风速跟踪测量以及风电场多风机空间点阵风速预测的相依性模型，建立以时/空典型特征参量与当前风机运行状态监测相结合的风场多风机风速概率性预测模型；在此基础上，研究不同时间尺度上风电场多风机风速概率性预测方法。为解决复杂地形、气候多变环境下多风机风速场预测提供有效分析工具，促进风机运行效率提升。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例公开的一种基于时空相关的风电场预测模型构建方法流程图；图2为本专利技术实施例公开的一种基于时空相关的风电场预测模型构建方法中时空相依性的获取方法流程图；图3为本专利技术实施例公开的一种计算多风机历史风速数据拟合及残差方法流程图：图4为本专利技术实施例公开的一种时间尺度验证方法流程图；图5为本专利技术实施例公开的一种基于时空相关的风电场预测模型构建方法系统结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种基于时空相关的风电场预测模型构建方法和系统，以实现应对复杂多变的风电场短期风速变化情况，提高预测准确性。图1示出了一种基于时空相关的风电场预测模型构建方法，包括：S11：获取风电场多风机风速系统时/空相依性的结构模型；需要说明的是：在进行时/空相依性研究时，根据需要建立风电场风速数据的在线采集和离线处理平台。获取风电场各风机风速的实测数据，是解决风电场多风机空间点阵风速相依性问题的必要条件。为此，需要建立风电场风速数据的在线采集和离线处理平台，获取风机的运行数据，并对数据进行分析和处理，以减少风速测量及信号采集、传输等过程中产生的不确定性和随机噪声。参见图2，时空相依性的获取可以优选为如下步骤：S21：获取风电场各风机风速的实测数据，以计算多风机空间点阵风速相依性结果；获取风电场各风机风速的实测数据，是解决风电场多风机空间点阵风速相依性问题的必要条件。为此，需要建立风电场风速数据的在线采集和离线处理平台，获取风机的运行数据，并对数据进行分析和处理，以减少风速测量及信号采集、传输等过程中产生的不确定性和随机噪声。S32：计算各风机历史风速数据的拟合残差，用以建立多风机风速空间点阵的时/空相依性。风速波动在时间和空间范围内存在延续性，使得风电场各风机处的风速存在复杂的时/空相依性，而各风机风速之间的时/空相依性则体现在风速的拟合误差上。参见图3，该计算多风机历史风速数据拟合及残差，包括：S31：对原始风速样本进行标幺化正态处理：S32：利用自回归条件异方差模型(GARCH)和自回归滑动平均模型(ARMA)模拟风场各风机处的风速；广义自回归条件异方差模型和自回归滑动平均可以提高风速的拟合精度。S22：将建立好的边缘分布转换到均匀分布域中，以获取降噪后的风速时/空相依结构的分布数据；S23：利用Vine-Copula方法建立多风机风速空间点阵时/空相依性结构，并计算模型中的待定参数。本文档来自技高网...

【技术保护点】
一种基于时空相关的风电场预测模型构建方法，其特征在于，包括：获取风电场多风机风速系统时/空相依性的结构模型；建立包含时/空特征参量与当前风机运行状态监测相结合的多风机风速回归预测模型；根据该时空相依性结构模型及该回归预测模型，生成风电场多风机风速概率性预测模型。

【技术特征摘要】
1.一种基于时空相关的风电场预测模型构建方法，其特征在于，包括：获取风电场多风机风速系统时/空相依性的结构模型；建立包含时/空特征参量与当前风机运行状态监测相结合的多风机风速回归预测模型；根据该时空相依性结构模型及该回归预测模型，生成风电场多风机风速概率性预测模型。2.如权利要求1所述基于时空相关的风电场预测模型构建方法，其特征在于，还包括：针对不同风电场多风机风速的数据，采用聚类方法，对不同风电场风速时间尺度分别进行划分；根据划分的结果，利用上述已建立的具有时/空相依结构的风电场多风机风速概率性预测模型，获得不同时间尺度上的风电场多风机风速概率性预测方法；利用多个风电场的数据对不同时间尺度上的风电场多风机风速概率性预测方法进行验证。3.如权利要求1所述基于时空相关的风电场预测模型构建方法，其特征在于，获取风电场多风机风速系统时/空相依性的结构模型包括：获取风电场各风机风速的实测数据，以计算多风机空间点阵风速相依性结果；计算多风机历史风速数据拟合及残差；将建立好的边缘分布转换到均匀分布域中，以获取降噪后的风速时/空相依结构的分布数据；利用Vine-Copula方法建立多风机风速空间点阵时/空相依性结构，并计算模型中的待定参数。4.如权利要求1所述基于时空相关的风电场预测模型构建方法，其特征在于，计算多风机历史风速数据拟合及残差，包括：对原始风速样本进行标幺化正态处理；利用自回归条件异方差模型(GARCH)和自回归滑动平均模型(ARMA)模拟风场各风机处的风速。5.如权利要求2所述基于时空相关的风电场预测模型构建系统方法，其特征在于，还包括：借助在线采集离线处理机制实现时空相依性结构模型及其参数的更新。6.一种基于时空相关的风电场预测模型构建系统...

【专利技术属性】
技术研发人员：黄宇，王佳荣，李雅雯，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北;13