基于集合局地多点不同气候特征的风功率预测方法及装置制造方法及图纸

本发明专利技术提供了一种基于集合局地多点不同气候特征的风功率预测方法及装置，方法包括建立电场模型，获得电场周围气象数值预报结果，并通过数据插值方法获得单点预报风速在三维空间的数值；将单点预报风速合成两点或三点风速，获得合成风速；利用神经网络方法将合成风速转化成风功率。本发明专利技术在原有单点预报的基础上，整合了单点的结果，形成多点集合预报，减少风速波动，提高风功率预测的精度；本发明专利技术集合的气象数据所选用水平和垂直三维高分辨率格点，综合了不同水平点和不同高度的气候状态，提高风功率预测的精度；本发明专利技术通过整合多点的气候特征，降低风场波动性，不受电场扩容限电等因素的影响，调整预报风速，提高风功率预测的精度。

Method and device for predicting wind power based on local climate characteristics of multiple points in a set

The present invention provides a method and device for predicting wind power set local climate characteristics based on many different methods, including the establishment of electric field model, the electric field around the numerical weather forecast, and through the numerical data interpolation method to obtain single point prediction of wind speed in three-dimensional space; single point wind speed forecast synthesis of two or three wind speed. Synthesis of wind speed; wind speed wind power conversion will be synthesized using neural network method. The invention is based on the original single point prediction on the integration of the single point results form multi-point ensemble prediction, reduce the fluctuation of wind speed, wind power to improve the prediction accuracy of meteorological data; the invention sets the horizontal and vertical 3D high resolution lattice, the comprehensive different level and different height of the climate of the state. To improve the prediction accuracy of wind power; the climate feature integration point, reduce the fluctuation of wind field, electric field is not affected by the expansion of rationing and other factors, adjust the forecast wind speed, improve the prediction accuracy of wind power.

【技术实现步骤摘要】
基于集合局地多点不同气候特征的风功率预测方法及装置
本专利技术属于风电场功率预测预报
，尤其是涉及一种基于集合局地多点不同气候特征的风功率预测方法及装置。
技术介绍
风电是一种清洁可再生能源，到2015年年底，全球风电累计装机容量达到432419MW，其中，中国占据总容量的48.4％。由于风力发电受风速和风向变化的影响，这使得风力发电具有明显的波动性、间歇性和随机性，对电力系统的安全及稳定的运行造成了极大的影响，而通过准确的风功率预测，对风电场的出力进行短期预报，可以有力的调控电场运维，减少电量的损失，因此准确的风功率预测会带给风电这一能源形式带来更高的价值。风功率预测依赖于对各类气象要素的精确预报，其中主要包括风速、风向、湿度等，目前国内外预报的方式主要分为两种，一种是基于历史数据，通过统计学的方法对未来进行预测；另一种是通过不同尺度下的数值天气预报，得到各类气象要素预测值，通过神经网络、卡尔曼滤波等技术最终得到未来的日前风功率预测。目前数值天气预报正值飞速发展，现已可提供未来1-3天高时空分辨率高精度的气象预报。国内短期15分钟分辨率的风功率预报，由于其严格的精度考核要求，因此第二种方法更加适应现有的需求，与此同时，还需要通过不同的方法来提高风功率预测精度。目前的数值天气预报，主要使用全球高分辨集合结果，但多数将全球尺度集合预报结果，通过中小尺度数值天气模式进行物理降尺度到几公里，人为的选出风电场的地理坐标，通过插值方法将格点的数据计算到电场的单点坐标上，获得风电场的预报风速，最终通过统计模型，将预报的风速转换成风功率。大气的混沌特性决定了即使采用全球最好的数值模式也很难预报单点的气象结果，模式自身的系统误差与错误预报会间接导致风速的预报误差。由于现在功率建模技术是基于全场风机平均风速，表现的是整场总体气候状态，根据电场风机排布仅进行粗略的人为选择单点很难描述全场平均的风速状态，亦不能准确的抓住电场的气候状态，因此，预报风速并不适于风电场。电场空间跨度较大，不同电场所处海拔高度亦不同，边界层内风速随高度变化十分明显，会导致不同电场气候特点有很大差异，仅使用数值模式中单层的或者轮毂高度的结果，将会十分不准确。综上所述，根据的风机排布，人为选取一个地理坐标，最终将数值天气预报的格点数据插值到该点，如此无法准确的反应整个风电场的整体气候特点，最终导致风功率预测精度的不理想。
技术实现思路
有鉴于此，本专利技术旨在提出一种基于集合局地多点不同气候特征的风功率预测方法，通过选择风电场最优的若干点，进行多点合成，可以很好的反映整场的风速状况，来增强气象预报的稳定性，显著提高风功率预测的精度。为达到上述目的，本专利技术的技术方案是这样实现的：一种基于集合局地多点不同气候特征的风功率预测方法，包括如下步骤：(1)建立电场模型，获得电场周围气象数值预报结果，并通过数据插值方法获得单点预报风速在三维空间的数值；(2)将单点预报风速合成两点和三点风速，获得合成风速；(3)利用神经网络方法将合成风速转化成风功率。进一步的，所述步骤(1)中具体包括如下步骤：(a1)用GoogleEarth进行3维电场建模，根据电场风机的排布，选择30公里x30公里的矩形试验区域机型；(a2)利用数值天气模式通过并行计算得到试验区域天气预报结果；(a3)使用NCO(netCDFOperators)提取模式垂直方向1-4层的模式计算结果，并输出模式的地面高度数据、位势高度等，将4层的σ坐标系转换成得到高度坐标系；(a4)将垂直方向的模式计算结果进行插值计算，获得三维空间1000-3000个单点风速预报结果。进一步的，所述步骤(a4)中插值计算方法包括线性插值、三次样条插值。进一步的，所述步骤(2)具体包括如下步骤：(b1)计算单点预报风速在三维空间的数值的风速预报与电场风机的平均风速之间的相关性系数r，剔除相关性系数后50％的单点结果；(b2)对保留的50％的单点，分别给出所有两点、三点的组合方案；(b3)对所有组合方案分别取两点和三点均值，得到合成风速结果；(b4)计算所有的合成风速结果与电场风机平均风速之间的相关性系数r、平均绝对误差MAE；(b5)删选出相关性系数最优的前200组组合方案，从200组方案中选出平均绝对误差最小的50组组合方案；(b6)根据单电场历史实测的风速给出高低风速段的阈值；(b7)对高低风速段进行权重的订正。进一步的，所述步骤(3)具体包括如下步骤：(c1)通过风电场历史风速和功率，经过神经网络模型拟合风速-功率曲线；(c2)将合成风速放入到神经网络模型中得到预测的风功率；(c3)通过计算50组预测的风功率的扣电量和精度；(c4)比较扣电量和精度选出最优的方案。相对于现有技术，本专利技术所述的一种基于集合局地多点不同气候特征的风功率预测方法具有以下优势：(1)本专利技术在原有单点预报的基础上，整合了单点的结果，形成多点集合预报，减少风速波动，提高风功率预测的精度；(2)本专利技术集合的气象数据所选用水平和垂直三维高分辨率格点，综合了不同水平点和不同高度的气候状态，提高风功率预测的精度；本专利技术通过整合多点的气候特征，降低风场波动性，不受电场扩容限电等因素的影响，调整预报风速，提高风功率预测的精度。本专利技术的另一目的在于提出一种基于集合局地多点不同气候特征的风功率预测装置，以增强气象预报的稳定性，显著提高风功率预测的精度。为达到上述目的，本专利技术的技术方案是这样实现的：一种基于集合局地多点不同气候特征的风功率预测系统，包括用于建立电场模型，获得电场周围气象数值预报结果，并通过数据插值方法获得单点预报风速在三维空间的数值的电场模型建立装置；用于将单点预报风速合成两点和三点风速，获得合成风速的风速合成装置；用于利用神经网络方法将合成风速转化成风功率的风功率转化装置。进一步的，电场模型建立装置包括用GoogleEarth进行三维电场建模，根据电场风机的排布，选择30公里x30公里的矩形试验区域机型的三维电场建模装置；用于利用数值天气模式通过并行计算得到试验区域天气预报结果的天气预报结果计算装置；用于使用NCO(netCDFOperators)提取模式垂直方向1-4层的模式计算结果，并输出模式的地面高度数据、位势高度等，将4层的σ坐标系转换成得到高度坐标系的模式计算结果提取装置；用于将垂直方向的模式计算结果进行插值计算，获得三维空间1000-3000个单点风速预报结果的插值计算装置。进一步的，所述插值计算装置包括线性插值计算装置、三次样条插值计算装置。进一步的，风速合成装置包括用于计算单点预报风速在三维空间的数值的风速预报与电场风机的平均风速之间的相关性系数r，剔除相关性系数后50％的单点结果的单点结果提取装置；用于对保留的50％的单点，分别给出所有两点、三点的组合方案的组合方案获得装置；用于对所有组合方案分别取两点和三点均值，得到合成风速结果的合成风速获得装置；用于计算所有的合成风速结果与电场风机平均风速之间的相关性系数r、平均绝对误差MAE的相关性系数获得装置以及平均绝对误差获得装置；用于删选出相关性系数最优的前200组组合方案，从200组方案中选出平均绝对误差最小的50组组合方案最优方案获得装置；用于根据单电场历史实测的风速给出高低本文档来自技高网...

【技术保护点】
一种基于集合局地多点不同气候特征的风功率预测方法，其特征在于：包括如下步骤：(1)建立电场模型，获得电场周围气象数值预报结果，并通过数据插值方法获得单点预报风速在三维空间的数值；(2)将单点预报风速合成两点和三点风速，获得合成风速；(3)利用神经网络方法将合成风速转化成风功率。

【技术特征摘要】
1.一种基于集合局地多点不同气候特征的风功率预测方法，其特征在于：包括如下步骤：(1)建立电场模型，获得电场周围气象数值预报结果，并通过数据插值方法获得单点预报风速在三维空间的数值；(2)将单点预报风速合成两点和三点风速，获得合成风速；(3)利用神经网络方法将合成风速转化成风功率。2.根据权利要求1所述的一种基于集合局地多点不同气候特征的风功率预测方法，其特征在于：所述步骤(1)中具体包括如下步骤：(a1)用GoogleEarth进行三维电场建模，根据电场风机的排布，选择30公里x30公里的矩形试验区域机型；(a2)利用数值天气模式通过并行计算得到试验区域天气预报结果；(a3)使用NCO(netCDFOperators)提取模式垂直方向1-4层的模式计算结果，并输出模式的地面高度数据、位势高度等，将4层的σ坐标系转换成得到高度坐标系；(a4)将垂直方向的模式计算结果进行插值计算，获得三维空间1000-3000个单点风速预报结果。3.根据权利要求2所述的一种基于集合局地多点不同气候特征的风功率预测方法，其特征在于：所述步骤(a4)中插值计算方法包括线性插值、三次样条插值。4.根据权利要求1所述的一种基于集合局地多点不同气候特征的风功率预测方法，其特征在于：所述步骤(2)具体包括如下步骤：(b1)计算单点预报风速在三维空间的数值的风速预报与电场风机的平均风速之间的相关性系数r，剔除相关性系数后50％的单点结果；(b2)对保留的50％的单点，分别给出所有两点、三点的组合方案；(b3)对所有组合方案分别取两点和三点均值，得到合成风速结果；(b4)计算所有的合成风速结果与电场风机平均风速之间的相关性系数r、平均绝对误差MAE；(b5)删选出相关性系数最优的前200组组合方案，从200组方案中选出平均绝对误差最小的50组组合方案；(b6)根据单电场历史实测的风速给出高低风速段的阈值；(b7)对高低风速段进行权重的订正。5.根据权利要求1所述的一种基于集合局地多点不同气候特征的风功率预测方法，其特征在于：所述步骤(3)具体包括如下步骤：(c1)通过风电场历史风速和功率，经过神经网络模型拟合风速-功率曲线；(c2)将合成风速放入到神经网络模型中得到预测的风功率；(c3)通过计算50组预测的风功率的扣电量和精度；(c4)比较扣电量和精度选出最优的方案。6.一种基于集合局地多点不同气候特征的风功率预测系统，其特征在于：包括用于建立电场模型，获得电场周围气象...

【专利技术属性】
技术研发人员：向婕，雍正，董仕，
申请(专利权)人：北京国能日新系统控制技术有限公司，
类型：发明
国别省市：北京,11