一种风电场中风电功率预测方法及系统技术方案

本发明专利技术公开了一种风电场中风电功率预测方法及系统，方法为：通过预先建立的风速模型，根据质量守恒定律计算得出自然风速通过风力发电机叶片的尾流速度；根据尾流速度，基于动量守恒定律计算得出风电场中任一台风力发电机的输入风速；根据输入风速，对输入风速进行尾流修正，得到修正后的输入风速；根据修正后的输入风速，通过风速预测模型，得到预测风速；根据预测风速，通过动态时间序列神经网络预测模型进行风电功率预测，得到预测风电功率。本发明专利技术通过考虑尾流效应下的风速模型，对整个风电场风电机组输入风速进行尾流修正，用修正后的风速作为风速预测模型的输入，提高得到的预测风速精度，进而提高了风电功率预测精度。

A Method and System for Wind Power Prediction in Wind Farm

The invention discloses a wind power prediction method and system in a wind farm. The method includes: calculating the wake velocity of natural wind speed through the blade of a wind turbine through a pre-established wind speed model according to the law of conservation of mass; calculating the input wind speed of any wind turbine in a wind farm based on the law of conservation of momentum according to the wake velocity; and calculating the input wind speed of any wind turbine in a wind farm according to the input wind speed. The input wind speed is revised to get the revised input wind speed; according to the revised input wind speed, the wind speed is predicted by the wind speed prediction model; according to the predicted wind speed, the wind power is predicted by the dynamic time series neural network prediction model, and the predicted wind power is obtained. By considering the wind speed model under the wake effect, the input wind speed of the wind turbine in the whole wind farm is revised by wake, and the revised wind speed is used as the input of the wind speed prediction model to improve the predicted wind speed accuracy, thereby improving the wind power prediction accuracy.

【技术实现步骤摘要】
一种风电场中风电功率预测方法及系统
：本专利技术涉及风电领域，尤其涉及一种风电场中风电功率预测方法及系统。
技术介绍
：随着风电大力发展，风电场建设规模的扩大，在分析风电场接入电力系统时，需要考虑风电场输出功率波动范围大的特点。风能具有间歇性和随机波动性，风速的变化直接导致风电场的有功功率和无功功率的变化，输出功率很不稳定。当风电穿透全运行时会产生严重的影响，同时也会影响电能质量和经济调度以及电力竞价。因此，积极开展风电功率预测研究工作，提高预测的准确性，对电网调度、提高风电的接入能力以及减少系统运行成木等方而具有现实意义。风电功率预测的准确度由多个因素所决定，而风速预测精度是决定功率预测准确度的关键因素。目前，国内外风速-风电功率预测方法主要是在假设等值风速情况下进行功率预测，但在实际情况中风电机组吸收了风中的部分能量，所以风经过机组后，其速度要有所下降。在风电场中前面的风电机组要遮挡后面的风电机组，座落在下风向的风电机组的风速就低于座落在上风向的风电机组的风速。风电机组相距越近，前面风电机组对后电机组风速的影响越大，这种现象称为尾流效应。尾流效应造成的能量损失在2％-30％左右。此外，单叶轮风力发电机只能通过调整叶片形状、倾角、叶轮大小来提升发电效率，但是叶轮直径增大后，为了保障风机的安全性，叶轮转速通常较小，在25转/分钟以内，气流很容易从相邻的叶片之间穿过，造成风能浪费。因此急需一种提高风能利用的双叶轮的风力发电机系统，而配合这种风机的风电功率预测方法也是必要的。
技术实现思路
：本专利技术的目的在于提供一种风电场中风电功率预测方法及系统，通过考虑尾流效应下的风速模型，对整个风电场风电机组输入风速进行尾流修正，用修正后的风速作为风速预测模型的输入，提高得到的预测风速精度，进而提高了风电功率预测精度。此外，通过提供一种改进的双叶轮风力发电机系统来提高风能利用效能，并提供了一种与之匹配的风电功率预测方法。本专利技术由如下技术方案实施：第一方面，提供了一种风电场中风电功率预测方法，包括：步骤S1，通过预先建立的风速模型，根据质量守恒定律计算得出自然风速通过风力发电机叶片的尾流速度；步骤S2，根据所述尾流速度，基于动量守恒定律计算得出风电场中任一台风力发电机的输入风速；步骤S3，根据所述输入风速，对所述输入风速进行尾流修正，得到修正后的输入风速；步骤S4，根据所述修正后的输入风速，通过风速预测模型，得到预测风速；步骤S5，根据所述预测风速，通过动态时间序列神经网络预测模型进行风电功率预测，得到预测风电功率。在另一实施例中，所述步骤S3具体为：根据所述输入风速，求解尾流效应影响因子矩阵，得到风场实际风速模型；根据所述风场实际风速模型，对所述输入风速进行尾流修正，得到修正后的输入风速。在另一实施例中，所述步骤S3，具体为：根据所述输入风速，通过改进的Jensen尾流模型计算所述输入风速的衰减值；根据所述衰减值，对所述输入风速进行尾流修正，得到修正后的输入风速。在另一实施例中，所述步骤S4，具体为：将所述修正后的输入风速输入优化灰色GM(1，1)模型，得到预测风速，其中，所述优化灰色GM(1，1)模型预先根据所述修正后的输入风速和原始灰色GM(1，1)模型得到。在另一实施例中，还包括：对所述预测风电功率进行曲线拟合，具体为：根据所述预测风速，通过动态时间序列神经网络预测模型得到初始功率曲线，其中，所述初始功率曲线通过数据点表示；对所述初始功率曲线进行左/右移动，得到最高和最低功率曲线限制；根据预先设定的迭代条件，对所述初始功率曲线在所述最高和最低功率曲线限制内进行曲线拟合，得到拟合功率曲线和上下边界；剔除所述上下边界以外的数据点，得到最优功率曲线。在另一实施例中，所述风力发电机为双叶轮风力发电机，其包括：一级叶轮、二级叶轮和叶轮转速合并机构；所述叶轮转速合并机构具有第一输入轴、第二输入轴、第一输出轴和第二输出轴，所述一级叶轮与所述第一输入轴驱动连接，所述二级叶轮与所述第二输入轴驱动连接，所述第一输出轴通过第一离合器与第一发电机的输入轴驱动连接，所述第二输出轴通过第二离合器与所述第二发电机的输入轴驱动连接；所述一级叶轮与所述二级叶轮同轴连接，所述一级叶轮的叶片长度大于所述二级叶轮的叶片长度，且工作时的旋转方向相反，所述一级叶轮位于所述二级叶轮的前方；所述叶轮转速合并机构包括同轴设置的太阳轮、齿圈和行星架，所述行星架上设有多个行星轮，所述齿圈设有内齿和外齿，所述行星轮啮合在所述齿圈的内齿和所述太阳轮之间，所述第一输入轴设有驱动齿轮，所述驱动齿轮与所述齿圈的外齿啮合，所述第二输入轴与所述太阳轮的转轴连接，所述行星架的转轴通过中间轴与输出轴驱动连接，所述输出轴的一端形成所述第一输出轴，另一端形成所述第二输出轴；当风速小于第一阈值时，对一级叶轮和二级叶轮的叶片进行变桨，使一级叶轮停止发电状态，二级叶轮处于旋转发电状态，第一离合器处于啮合状态，第二离合器出去分离状态；当风速不小于第一阈值且不大于第二阈值时，对一级叶轮和二级叶轮的叶片进行变桨，使一级叶轮和二级叶轮均处于旋转发电状态，第一离合器处于啮合状态，第二离合器处于分离状态；当风速大于第二阈值时，一级叶轮和二级叶轮均处于旋转发电状态，第一离合器和第二离合器均处于啮合状态。第二方面，提供了一种风电场中风电功率预测系统，包括：尾流速度获取模块，用于通过预先建立的风速模型，根据质量守恒定律计算得出自然风速通过风力发电机叶片的尾流速度；输入风速计算模块，用于根据所述尾流速度，基于动量守恒定律计算得出风电场中任一台风力发电机的输入风速；尾流修正模块，用于根据所述输入风速，对所述输入风速进行尾流修正，得到修正后的输入风速；预测风速生成模块，用于根据所述修正后的输入风速，通过风速预测模型，得到预测风速；风电功率预测模块，用于根据所述预测风速，通过动态时间序列神经网络预测模型进行风电功率预测，得到预测风电功率。在另一实施例中，所述尾流修正模块，具体用于：根据所述输入风速，求解尾流效应影响因子矩阵，得到风场实际风速模型；根据所述风场实际风速模型，对所述输入风速进行尾流修正，得到修正后的输入风速。在另一实施例中，所述尾流修正模块，具体用于：根据所述输入风速，通过改进的Jensen尾流模型计算所述输入风速的衰减值；根据所述衰减值，对所述输入风速进行尾流修正，得到修正后的输入风速。在另一实施例中，所述预测风速生成模块，具体用于：将所述修正后的输入风速输入优化灰色GM(1，1)模型，得到预测风速，其中，所述优化灰色GM(1，1)模型预先根据所述修正后的输入风速和原始灰色GM(1，1)模型得到。本专利技术的优点：通过考虑尾流效应下的风速模型，对整个风电场风电机组输入风速进行尾流修正，用修正后的风速作为风速预测模型的输入，提高得到的预测风速精度，进而提高了风电功率预测精度。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所提供的一种基于尾流效应的风电功率预测方法的流程图本文档来自技高网...

【技术保护点】
1.一种风电场中风电功率预测方法，其特征在于，包括：步骤S1，通过预先建立的风速模型，根据质量守恒定律计算得出自然风速通过风力发电机叶片的尾流速度；步骤S2，根据所述尾流速度，基于动量守恒定律计算得出风电场中任一台风力发电机的输入风速；步骤S3，根据所述输入风速，对所述输入风速进行尾流修正，得到修正后的输入风速；步骤S4，根据所述修正后的输入风速，通过风速预测模型，得到预测风速；步骤S5，根据所述预测风速，通过动态时间序列神经网络预测模型进行风电功率预测，得到预测风电功率。

【技术特征摘要】
1.一种风电场中风电功率预测方法，其特征在于，包括：步骤S1，通过预先建立的风速模型，根据质量守恒定律计算得出自然风速通过风力发电机叶片的尾流速度；步骤S2，根据所述尾流速度，基于动量守恒定律计算得出风电场中任一台风力发电机的输入风速；步骤S3，根据所述输入风速，对所述输入风速进行尾流修正，得到修正后的输入风速；步骤S4，根据所述修正后的输入风速，通过风速预测模型，得到预测风速；步骤S5，根据所述预测风速，通过动态时间序列神经网络预测模型进行风电功率预测，得到预测风电功率。2.根据权利要求1所述的风电场中风电功率预测方法，其特征在于，所述步骤S3具体为：根据所述输入风速，求解尾流效应影响因子矩阵，得到风场实际风速模型；根据所述风场实际风速模型，对所述输入风速进行尾流修正，得到修正后的输入风速。3.根据权利要求1所述的风电场中风电功率预测方法，其特征在于，所述步骤S3，具体为：根据所述输入风速，通过改进的Jensen尾流模型计算所述输入风速的衰减值；根据所述衰减值，对所述输入风速进行尾流修正，得到修正后的输入风速。4.根据权利要求1所述的风电场中风电功率预测方法，其特征在于，所述步骤S4，具体为：将所述修正后的输入风速输入优化灰色GM(1，1)模型，得到预测风速，其中，所述优化灰色GM(1，1)模型预先根据所述修正后的输入风速和原始灰色GM(1，1)模型得到。5.根据权利要求1所述的风电场中风电功率预测方法，其特征在于，还包括：对所述预测风电功率进行曲线拟合，具体为：根据所述预测风速，通过动态时间序列神经网络预测模型得到初始功率曲线，其中，所述初始功率曲线通过数据点表示；对所述初始功率曲线进行左/右移动，得到最高和最低功率曲线限制；根据预先设定的迭代条件，对所述初始功率曲线在所述最高和最低功率曲线限制内进行曲线拟合，得到拟合功率曲线和上下边界；剔除所述上下边界以外的数据点，得到最优功率曲线。6.根据权利要求1所述的风电场中风电功率预测方法，其特征在于：所述风力发电机为双叶轮风力发电机，其包括：一级叶轮、二级叶轮和叶轮转速合并机构；所述叶轮转速合并机构具有第一输入轴、第二输入轴、第一输出轴和第二输出轴，所述一级叶轮与所述第一输入轴驱动连接，所述二级叶轮与所述第二输入轴驱动连接，所述第一输出轴通过第一离合器与第一发电机的输入轴驱动连接，所述第二输出轴通过第二离合器与所述第二发电机的输入轴驱动连接；所述一级叶轮与所述二级叶轮同轴连接，所述一级叶轮的叶片长度大于所述二级叶轮的叶...

【专利技术属性】
技术研发人员：张超，王吉远，龙泉，张耀文，王朝，刘澈，赵树良，弥崧，欧阳磊，李新宇，石一迪，
申请(专利权)人：北京普华亿能风电技术有限公司，
类型：发明
国别省市：北京,11