一种区域电网风力发电功率预测优化方法技术

本申请涉及风电发电技术领域，为一种一种区域电网风力发电功率预测优化方法；通过对多个历史功率数据以及多个历史风速数据进行误差纠偏，并基于误差纠偏后的数据构建风速

【技术实现步骤摘要】
一种区域电网风力发电功率预测优化方法


[0001]本申请涉及风电发电
，为一种区域电网风力发电功率预测优化方法。

技术介绍

[0002]能源是社会发展的重要物质基础，如今世界各国均已制定不同的能源战略。能源已经成为各个世界大国之间的核心竞争之一。能源安全是国家安全中必不可缺少的一部分。我国的能源结构以使用化石燃料为主，如煤、石油、天然气以及核能等多种能源。这些能源尤其是消耗最多的煤和石油的储量是十分有限的。根据权威数据，世界上石油还可以开发52.9年，煤为109年，天然气为55.7年。可以预见，在不久的未来，人类必将面能源危机。化石能源消耗量的逐年增加给生态环境带来了非常严重的破坏，酸雨、雾霾以及全球气候的剧烈变化都与人类大规模开发与消耗化石能源相关。环境是人类赖以生存的根本，经济的发展不能以牺牲环境为代价。
[0003]随着科技的发展，全球能源的消耗逐年增加，无论在发展中国家还是发达国家人均能源消耗都在不断增长。传统的能源产业不能满足经济的发展，新能源产业的发展势在必行。随着能源消耗的增加，人类发展可再生能源的现实压力越来越大，太阳能、水能、生物质能等可再生能源迅速发展。
[0004]风能被认为是最具开发潜力的可再生能源之一。从2005开始，全球风电增长势头迅猛，2015年新增装机容量已达到63,013MW，累计装机容量达到432,419MW，实现了22％的年增长率。风能分为陆上风能与海上风能，我国风能理论可开发量非常大，陆上6到10亿KW、海上20亿KW。在复杂的国际能源格局以及严峻的生态环境压力下，大规模开发利用风能是一种非常科学的选择。如今，我国的风电装机总量已经处于世界第一位。
[0005]风本身是不确定的、不可控的。虽然风电企业的选址建厂都在能风能聚集的地区，但风力大小还是随时间不断变化的。风速随时间不断变化导致了风力发电机的输出功率也随时间不断变化。风电产业发展的早期风电输出功率占比很小，对电网的扰动也非常小，电力系统自身通过一次调节、二次调节，电压以及频率等一些参数在科学范围内进行反馈调整，完全可以自动调整以抵消风电波动的影响。随着风电产业的不断发展，风电上网总量不断增加，对电网安全造成了越来越严重的威胁。电能作为可以远距离传输的能源以及自身的便利性，灵活性在能源市场被重视。但电力远距离传输过程中，必须保持供需平衡，这是电力系统研究的一项重要课题。但随着风电规模的增加，这一难题变得更加难以解决。风电自身的波动性已经成为制约风电产业发展的一大阻碍。风电企业必须向电网提供较为可靠的能源，因此，风电功率必须进行预测。

技术实现思路

[0006]为了解决以上的技术问题，本申请提供一种区域电网风力发电功率预测优化方法，通过多个模型实现对于区域电网中的实时发电功率的结果的预测。
[0007]为了达到上述目的，本申请实施例采用的技术方案如下：
[0008]第一方面，提供一种区域电网风力发电功率预测优化方法，所述区域电网包括多个风力发电子线以及汇聚母线，多个所述风力发电子线连接有风力发电机；所述方法包括：获取相同时间下的多个所述发电子线输入端的输入功率即对应所述风力发电机的输出功率，以及发电子线输出端即所述汇聚母线输入端的输入功率，获取多个时间段的输出功率以及输入功率，并获取功率损耗参数；基于功率预测模型对多个所述风力电机的实时输出功率进行逐一预测得到第一预测功率；基于所述功率损耗参数以及所述第一预测功率获取目标预测功率；基于多个所述目标预测功率获得所述区域电网风力发电功率。
[0009]在第一方面的第一种实现方式中，还包括在获取所述功率损耗参数之前进行数据预处理，包括：获取多个所述风电电机功率数据对应的还是风速数据，并按照风速数据按照从小到大进行排列得到第一数据对；基于第一规则对所述第一数据对进行分割得到多个第一数据子对；对多个所述第一数据子对按照第二规则将多个所述第一数据子对中的横向分散性异常数据进行剔除，得到多个第二数据子对；将多个所述第二数据子对按照功率从小到大进行排列，得到第三数据对，并将所述第三数据按照第三规则进行划分得到多个第三数据子对；对多个所述第三数据子对按照第四规则将多个所述第三数据子对中的纵向分散性异常数据进行剔除，得到多个第四数据子对。
[0010]结合第一方面的第一种可实现方式，第一方面的第二种可实现方式中，还包括将多个所述第四数据子对进行拟合得到风速
‑
功率模型。
[0011]结合第一方面的第一种可实现方式，第一方面的第三种可实现方式中，所述第一规则为基于功率分割基准数对所述第一数据对中的功率分布范围进行分割，得到多个功率分布范围对应的多个第一数据子对。
[0012]结合第一方面的第一种可实现方式，第一方面的第四种可实现方式中，所述第二规则为：对多个所述自第一数据子对按照风速大小进行排列得到分布序列，并获取分布序列的第一四分位数、第二四分位数和第三四分位数，并确定内限区间，剔除每一所述第一数据子对中的分散性异常数据，并按照第一数据子对的数量进行重复操作。
[0013]结合第一方面的第一种可实现方式，第一方面的第五种可实现方式中，所述第三规则为：将多个第二数据子对以固定风速大小以及预设风速区间等间距划分多份，得到多个第三数据子对。
[0014]结合第一方面的第一种可实现方式，第一方面的第六种可实现方式中，对多个所述第三数据子对按照功率大小进行排序得到对应的序列，并获取所述序列中的第一四分位数、第二四分位数和第三四分位数，并确定内限区间，剔除每一所述第三数据子对中的分散性异常数据，并按照第三数据子对的数量进行重复操作。
[0015]在第一方面的第七种可实现方式，所述功率预测模型包括输入层、隐含层和输出层，所述输入层的神经元节点数为23个，所述输出层的神经元节点数为1个，所述隐藏层的神经元节点数为10个，所述隐藏层和所述输出层的激活函数分别为tansig函数和purelin函数。
[0016]结合第一方面的第七种可实现方式，第一方面的第八种可实现方式中，所述功率预测模型的构建方法包括：获取风力电机的历史实际数据和气象预报数据；所述历史实际数据包括全场风机的实际运行数据；所述气象预报数据包括风速、温度、湿度、风向余弦值、气压数据；将所述气象预报数据作为所述功率预测模型的输入进行训练，当训练结果满足
预设的学习率以及预设误差完成训练收敛得到所述功率预测模型。
[0017]结合第一方面的第八种可实现方式，第一方面的第九种可实现方式中，其特征在于，所述学习率为0.05，所述预设误差为0.001。
[0018]第二方面，提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求上述任一项所述的方法。
[0019]第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求上述任一项所述的方法。
[0020]本申请实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种区域电网风力发电功率预测优化方法，其特征在于，所述区域电网包括多个风力发电子线以及汇聚母线，多个所述风力发电子线连接有风力发电机；所述方法包括：获取相同时间下的多个所述发电子线输入端的输入功率即对应所述风力发电机的输出功率，以及发电子线输出端即所述汇聚母线输入端的输入功率，获取多个时间段的输出功率以及输入功率，并获取功率损耗参数；基于功率预测模型对多个所述风力电机的实时输出功率进行逐一预测得到第一预测功率；基于所述功率损耗参数以及所述第一预测功率获取目标预测功率；基于多个所述目标预测功率获得所述区域电网风力发电功率。2.根据权利要求1所述的区域电网风力发电功率预测优化方法，其特征在于，还包括在获取所述功率损耗参数之前进行数据预处理，包括：获取多个所述风电电机功率数据对应的还是风速数据，并按照风速数据按照从小到大进行排列得到第一数据对；基于第一规则对所述第一数据对进行分割得到多个第一数据子对；对多个所述第一数据子对按照第二规则将多个所述第一数据子对中的横向分散性异常数据进行剔除，得到多个第二数据子对；将多个所述第二数据子对按照功率从小到大进行排列，得到第三数据对，并将所述第三数据按照第三规则进行划分得到多个第三数据子对；对多个所述第三数据子对按照第四规则将多个所述第三数据子对中的纵向分散性异常数据进行剔除，得到多个第四数据子对。3.根据权利要求2所述的区域电网风力发电功率预测优化方法，其特征在于，还包括将多个所述第四数据子对进行拟合得到风速
‑
功率模型。4.根据权利要求2所述的区域电网风力发电功率预测优化方法，其特征在于，所述第一规则为基于功率分割基准数对所述第一数据对中的功率分布范围进行分割，得到多个功率分布范围对应的多个第一数据子对。5.根据权利要求2所述的区域电网风力发电...

【专利技术属性】
技术研发人员：祁乐，唐健，江平，李润，
申请(专利权)人：北京东润环能科技股份有限公司，
类型：发明
国别省市：