风电场风速的预测方法和系统技术方案

本发明专利技术提供了一种风电场风速的预测方法和系统，其中，所述预测方法包括以下步骤：获取风电场的历史数据；对获取的历史数据进行降维处理；对降维处理后的数据进行风速相关性分析；根据风速相关性分析结果建立线性回归模型，并基于建立的线性回归模型来预测风电场中的特定风力发电机组的风速。本发明专利技术可以较为精准的预测某个特定风力发电机组的风速，使其在风速风向仪故障之后仍可保持较高的风电效率，作为应急系统能够有效的降低停机时间，提高风力发电机组可利用率，增加风力发电机组单位产出，经济效益明显。

【技术实现步骤摘要】
风电场风速的预测方法和系统
本专利技术涉及风电
，具体地讲，涉及一种风电场风速的预测方法和系统。
技术介绍
风电技术现在已经成为全球日益增长的清洁电力市场的主要贡献，准确可靠的风力发电预测被广泛认为是增加风力发电渗透率的主要原因。由于风力发电机在户外高空运行，且风速风向仪在机组舱罩外，其运行环境非常复杂：不仅要面对振动、粉尘、暴晒、冰冻、雨淋等各种极端条件，海上、滩涂风场的装机机组还要经受长年累月的盐雾腐蚀，风速风向仪故障的概率相对较高。通常情况下，现有技术对于风力发电机风速风向失效时的应急控制方法是：风场内所有机组以自己为中心，通过风场的数据采集和监视控制(SCADA)系统与其他地理位置最近的三台机组形成小的网络；机组正常运行时，机组将采集到的风速风向信号通过SCADA系统反馈给中央控制器，中央控制器对机组包括风速风向在内的各种信息实时进行显示；当机组风速风向仪故障时，首先向中央处理器报告，中央控制器在显著位置进行异色显示，向监控人员发出警告；同时，系统假定相近的3台风力发电机组风速风向相似，将相近的风力发电机组的风速风向仪的数据传回中央控制器，中央控制器在筛选后确认1-2台本文档来自技高网...

【技术保护点】
1.一种风电场风速的预测方法，其特征在于，所述预测方法包括以下步骤：获取风电场的历史数据；对获取的历史数据进行降维处理；对降维处理后的数据进行风速相关性分析；根据风速相关性分析结果建立线性回归模型，并基于建立的线性回归模型来预测风电场中的特定风力发电机组的风速。

【技术特征摘要】
1.一种风电场风速的预测方法，其特征在于，所述预测方法包括以下步骤：获取风电场的历史数据；对获取的历史数据进行降维处理；对降维处理后的数据进行风速相关性分析；根据风速相关性分析结果建立线性回归模型，并基于建立的线性回归模型来预测风电场中的特定风力发电机组的风速。2.如权利要求1所述的预测方法，其特征在于，所述历史数据包括历史风速数据和历史工况数据。3.如权利要求1所述的预测方法，其特征在于，所述对获取的历史数据进行降维处理的步骤包括：将获取的历史数据进行中心化处理并根据中心化处理结果求取目标函数；将目标函数与约束条件共同构成最大化求解问题，并构造拉格朗日函数，对最大化求解问题进行求解得到最大特征值；根据最大特征值相对应的最大特征向量得到降维处理的结果。4.如权利要求1所述的预测方法，其特征在于，所述对降维处理后的数据进行风速相关性分析的步骤包括：对降维处理后的数据进行预处理；将预处理后的数据分为训练样本和测试元组，分别计算测试元组与训练元组的欧拉距离；取欧拉距离最小的K个训练元组，并将所述K个训练元组中出现最多次的标签设为测试元组的类别，根据测试元组的类别将训练样本划分为至少一个区域；计算误差率，并选择最小误差率所对应的K值，其中，所述最小误差率所对应的K值表示为该风电场中K个风力发电机组的风速具有线性相关性。5.如权利要求4所述的预测方法，其特征在于，所述根据风速相关性分析结果建立线性回归模型，并基于建立的线性回归模型来预测风电场中的特定风力发电机组的风速的步骤包括：分别对不同区域内的风速数据进行线性回归分析，并根据线性回归分析结果建立线性回归模型；根据线性回归模型与历史数据构建损失函数，求解损失函数最小值时相对应的参数，并基于求解的参数和建立的线性回归模型来预测风电场中的特定风力发电机组的风速。6.如权利要求5所述的预测方法，其特征在于，所述损失函数最小值通过最小二乘法和\或梯度下降法求取。7.如权利要求1所述的预测方法，其特征在于，还包括：根据所述特定风力发电机组的风功率曲线来确定预测的风速是否出现偏差。8.如权利要求1所述的预测方法，其特征在于，还包括：对建立的线性回归模型进行强化学习。9.一种风电场风速的预测系统，其特征在于，所述预测系统包括：数据处理程序模块，用于获取风电场的历史数据并对获取的历史数据进行降维处理；相关性分析程序模块，用于对降维处理后的数据进行风速相关性分析；风速预测程序模块，用于根据风速...

【专利技术属性】
技术研发人员：袁旭，杨博宇，程庆阳，
申请(专利权)人：北京金风科创风电设备有限公司，
类型：发明
国别省市：北京,11