风功率预测方法及其装置及计算机可读存储介质制造方法及图纸

本发明专利技术实施例提供一种风功率预测方法及其装置及计算机可读存储介质。该方法包括：获取风场实际运行过程中的功率数据和对应时刻的风场气象预报数据；对功率数据进行经验模态分解，得到多组特征互异的本征模态函数分量；将多组本征模态函数分量分别和对应时刻的风场气象预报数据相结合构成多组数据集；基于多组数据集来分别建立并训练多组本征模态函数分量与风场气象预报数据之间的多个风功率预测模型以得到多个训练好的风功率预测模型；获取当前风场气象预报数据；将当前风场气象预报数据分别输入到多个训练好的风功率预测模型，以得到多个模型输出值；及基于多个模型输出值来最终获得短期风功率预测值。从而，能够提高风功率预测的精度。风功率预测的精度。风功率预测的精度。

【技术实现步骤摘要】
风功率预测方法及其装置及计算机可读存储介质


[0001]本专利技术实施例涉及风力发电
，尤其涉及一种风功率预测方法及其装置及计算机可读存储介质。

技术介绍

[0002]随着煤炭、石油等能源的逐渐枯竭，人类越来越重视可再生能源的利用。风能作为一种清洁的可再生能源越来越受到世界各国的重视。然而，风力发电具有不确定性、波动性和间歇性等特性，当风电大规模接入电网时，风电输出功率的不稳定性将给电力系统的稳定运行带来巨大挑战。
[0003]风功率预测的精度对于风电系统具有重要意义。影响风功率预测的精度的原因有很多，例如风电功率预测要求的数据量很大，比如风电场历史数据，NWP(Numerical Weather Prediction，数值天气预报)数据和SCADA(Supervisory Control And Data Acquisition，监视控制及数据采集)实时数据等，但在进行风功率预测时，这些数据往往会有异常、不完备的情况，若用统计方法进行预测时，则会因数据量不够影响预测精度和可靠；自动化通讯设备在电力系统中起到“毛细血管”的作用。由于自动化通信故障引发数据采集、传输、转换等一系列环节出错，导致数据失真或缺失，影响数据准确性，给功率预测带来不利影响。
[0004]其它问题还表现在气象预报数据存在误差、风速波动性和不稳定性强、功率数据存在噪声、预测算法模型自身存在缺陷等，而风功率的这些特性伴随着装机容量的增加对于电力系统的安全、稳定的运行造成了困难，如果不能准确地预测功率可能会导致电网波动、成本增加等问题，甚至造成更严重的损失。

技术实现思路

[0005]本专利技术实施例的目的在于提供一种风功率预测方法及其装置及计算机可读存储介质，能够提高风功率预测的精度。
[0006]本专利技术实施例的一个方面提供一种风功率预测方法。所述方法包括：获取风场实际运行过程中的功率数据和对应时刻的风场气象预报数据；对所述功率数据进行经验模态分解，得到多组特征互异的本征模态函数分量；将多组所述本征模态函数分量分别和对应时刻的风场气象预报数据相结合构成多组数据集；基于多组所述数据集来分别建立并训练多组所述本征模态函数分量与所述风场气象预报数据之间的多个风功率预测模型以得到多个训练好的风功率预测模型；获取当前风场气象预报数据；将所述当前风场气象预报数据分别输入到所述多个训练好的风功率预测模型，以得到多个模型输出值；以及基于所述多个模型输出值来最终获得短期风功率预测值。
[0007]本专利技术实施例的另一个方面还提供一种风功率预测装置。所述装置包括一个或多个处理器，用于实现如上所述的风功率预测方法。
[0008]本专利技术实施例的又一个方面还提供一种计算机可读存储介质，其上存储有程序，
所述程序被处理器执行时，实现如上所述的风功率预测方法。
[0009]本专利技术一个或多个实施例的风功率预测方法及其装置及计算机可读存储介质通过经验模态方法将风功率数据分解为多组本征模态函数分量，改善了风功率数据不平稳、波动性强的问题，然后，通过建立并训练多组本征模态函数分量与风场气象预报数据之间的多个风功率预测模型来预测风功率，从而可以提高整个风功率的预测精度。
附图说明
[0010]图1为本专利技术一个实施例的风功率预测方法的流程图；
[0011]图2为本专利技术一个实施例的风功率预测方法的详细步骤图；
[0012]图3为本专利技术一个实施例的风功率预测装置的示意性框图。
具体实施方式
[0013]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本专利技术相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置的例子。
[0014]在本专利技术实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。除非另作定义，本专利技术实施例使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。本专利技术说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“多个”或者“若干”表示两个及两个以上。除非另行指出，“前部”、“后部”、“下部”和/或“上部”等类似词语只是为了便于说明，而并非限于一个位置或者一种空间定向。“包括”或者“包含”等类似词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而且可以包括电性的连接，不管是直接的还是间接的。在本专利技术说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0015]本专利技术实施例提供了一种风功率预测方法。本专利技术实施例的风功率预测方法可以用于单台风机的风功率预测，也可以用于整个风场的风功率预测。图1揭示了本专利技术一个实施例的风功率预测方法的流程图。如图1所示，本专利技术一个实施例的风功率预测方法可以包括步骤S11至步骤S17。
[0016]在步骤S1中，获取风场实际运行过程中的功率数据和对应时刻的风场气象预报数据。
[0017]在一些实施例中，步骤S1中的获取风场实际运行过程中的功率数据可以包括步骤1.1和步骤1.2。
[0018]在步骤1.1中，可以获取风场实际运行过程中的原始功率数据。例如，可以从风场的SCADA系统中获取风场实际运行过程中的原始功率数据。
[0019]在步骤1.2中，可以对步骤1.1中获取到的原始功率数据进行数据清洗，可以按照一定的筛选规则选出故障数据，并剔除异常数据，从而最终得到步骤S1中的功率数据。
[0020]在一些实施例中，步骤S1中获得的风场气象预报数据可以包括多个物理量的数据。多个物理量例如可以包括但不限于辐照度、温度、湿度、压力、风向和风速六个物理量中的至少多个。
[0021]在步骤S2中，对功率数据进行经验模态分解，得到多组特征互异的本征模态函数(IMF，Intrinsic Mode Function)分量。
[0022]在一些实施例中，在步骤S2中，可以采用EMD经验模态分解技术来对功率数据进行EMD经验模态分解，从而得到多组特征互异的IMF分量。当然，本专利技术实施例并不局限于EMD经验模态分解技术。在其他实施例中，也可以采用其他经验模态分解技术，例如CEMD来对功率数据进行经验模态分解。
[0023]以下将以EMD经验模态分解技术为例来详细介绍如何通过采用EMD经验模态分解技术将功率数据分解成多组特征互异的IMF分量。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风功率预测方法，其特征在于：其包括：获取风场实际运行过程中的功率数据和对应时刻的风场气象预报数据；对所述功率数据进行经验模态分解，得到多组特征互异的本征模态函数分量；将多组所述本征模态函数分量分别和对应时刻的风场气象预报数据相结合构成多组数据集；基于多组所述数据集来分别建立并训练多组所述本征模态函数分量与所述风场气象预报数据之间的多个风功率预测模型以得到多个训练好的风功率预测模型；获取当前风场气象预报数据；将所述当前风场气象预报数据分别输入到所述多个训练好的风功率预测模型，以得到多个模型输出值；以及基于所述多个模型输出值来最终获得短期风功率预测值。2.如权利要求1所述的方法，其特征在于：获取风场实际运行过程中的功率数据包括：获取风场实际运行过程中的原始功率数据；对所述原始功率数据进行数据清洗，以得到所述功率数据。3.如权利要求2所述的方法，其特征在于：所述获取风场实际运行过程中的原始功率数据包括：从所述风场的SCADA系统中获取风场实际运行过程中的原始功率数据。4.如权利要求1所述的方法，其特征在于：还包括：对每一组所述数据集进行归一化处理，以得到归一化后的数据集，其中，基于多组所述归一化后的数据集来建立并训练多组所述本征模态函数分量与所述风场气象预报数据之间的所述多个风功率预测模型。5.如权利要求4所述的方法，其特征在于：还包括：对所述多个训练好的风功率预测模型预测出的多个预测值分别进行反归一化处理，以得到所述多个模型输出值。6.如权利要求1所述的方法，其特征在于：所述对所述功率数据进行经验模态分解，得到多组特征互异的本征模态函数分量包括：对所述功率数据进行EMD经验模态分解，来得到多组特征互异的本征模态函数分量。7.如权利要求6所述的方法，其特征在于：所述风功率预测模型包括支持向量回归模型，所述基于多组所述数据集来分别建立并...

【专利技术属性】
技术研发人员：刘銘洋，
申请(专利权)人：上海电气风电集团股份有限公司，
类型：发明
国别省市：