用于风电场中的一个或多个风力涡轮机的电力生产的计算机实现的预测的方法和装置制造方法及图纸

本发明专利技术涉及一种用于风电场中的一个或多个风力涡轮机的电力生产的计算机实现的预测的方法，所述电力生产的预测用于生成提供给所述风力涡轮机中的至少一个的控制命令，其中在所述风电场操作期间执行以下步骤：获得给定第一时间段(WIN_H)的第一天气预报数据(WF1)，所述第一天气预报数据(WF1)是所述风电场区域的历史天气预报数据；获得所述风电场在所述给定第一时间段(WIN_H)内的第一电力生产数据(PP1)，所述第一电力生产数据(PP1)是由所述风电场区域中的实际环境条件产生的所述风电场的历史电力生产数据；获得给定第二时间段(WIN_P)的第二天气预报数据(WF2)，所述第二天气预报数据(WF2)是所述风电场区域的未来天气预报数据；由训练循环神经网络通过处理所述第一天气预报数据(WF1)、所述第一电力生产数据(PP1)和所述第二天气预报数据(WF2)来确定所述风电场在所述第二时间段(WIN_P)内的第二电力生产数据(PP2)，其中所述第一天气预报数据(WF1)、所述第一电力生产数据(PP1)和所述第二天气预报数据(WF2)作为数字输入被馈送到所述训练循环神经网络，并且所述循环神经网络提供所述第二电力生产数据(PP2)作为数字输出，所述第二电力生产数据(PP2)是所述风电场在所述第二时间段(WIN_P)内的电力生产预测。第二时间段(WIN_P)内的电力生产预测。第二时间段(WIN_P)内的电力生产预测。

【技术实现步骤摘要】
【国外来华专利技术】用于风电场中的一个或多个风力涡轮机的电力生产的计算机实现的预测的方法和装置


[0001]本专利技术涉及一种用于风电场中的一个或多个风力涡轮机的电力生产的计算机实现的预测的方法和装置。

技术介绍

[0002]由于风力发电的随机性，风电场的风力涡轮机可能导致电网不稳定。通过预测风电场的风力电力生产，可以降低电网不稳定的风险。为此，诸如多项式回归、自回归移动平均(ARMA)和自回归综合移动平均(ARIMA)的统计方法已经被广泛用于风力电力生产预测。最近，机器学习技术(诸如人工神经网络)开始广泛应用于时间序列预报。这些模型在被训练之后是相对轻量的，并且可以快速用于实时预测应用。然而，到目前为止，这些使用的技术并不可靠，因为这些技术的预测经受显著变化的影响，使得仍然可能导致电网不稳定。
[0003]US 2017/0286838 A1公开了一种用于预测太阳能发电的方法。根据该方法，处理器接收一组天数内在给定位置处的历史功率轮廓数据和历史天气微观预报数据。根据这些天的功率输出特征生成聚类。创建了分类模型，该分类模型根据天气特征为生成的聚类分配一天。对于每个聚类，建立了回归模型，该回归模型将天气特征取作输入，并输出预测的太阳能。本专利技术的目标是提供一种简单方法以便预测风电场中的一个或多个风力涡轮机的电力生产。

技术实现思路

[0004]独立权利要求解决了该目标。在从属权利要求中定义了本专利技术的优选实施例。
[0005]本专利技术提供一种用于风电场中的一个或多个风力涡轮机的电力生产的计算机实现的预测的方法。风电场包括至少一个风力涡轮机。电力生产的预测用于生成提供给风电场的风力涡轮机中的至少一个的控制命令。在多个风力涡轮机的情况下，风力涡轮机的数量可以是任意的。
[0006]根据本专利技术的方法，在风电场操作期间的一个或多个时间点中的每个时间点处执行以下步骤。
[0007]在步骤i)中，获得给定第一时间段的第一天气预报数据。在下文中，术语“第一天气预报数据”是指数字数据。术语“获得第一天气预报数据”意味着由实现本专利技术方法的处理器接收第一天气预报数据。第一天气预报数据是由天气预报提供方在过去生成的风电场区域的历史天气预报数据。
[0008]在步骤ii)中，获得风电场在第一给定时间段内的第一电力生产数据。在下文中，术语“第一电力生产数据”是指数字数据。术语“获得第一电力生产数据”意味着由实现本专利技术的方法的处理器接收第一电力生产数据。第一电力生产数据是由风电场区域中的实际或真实环境条件产生的风电场的历史电力生产数据。
[0009]第一天气预报数据以及第一电力生产数据从一个或多个数据源可获得，诸如天气
预报提供方的数据库和存储风电场的一个或多个风力涡轮机的操作数据的另一数据库。由于第一天气预报数据和第一电力生产数据涉及相同的第一时间段，因此它们彼此相关。
[0010]在步骤iii)中，获得在给定第二时间段内的第二天气预报数据。同样，在下文中，术语“第二天气预报数据”是指数字天气预报数据。术语“获得第二天气预报数据”意味着由实现本专利技术的方法的处理器接收第二天气预报数据。第二天气预报数据是风电场区域的未来天气预报数据。第二天气预报数据已经由天气预报提供方在过去或在执行本专利技术的方法时生成。
[0011]在步骤iv)中，由经训练的数据驱动模型通过处理第一天气预报数据、第一电力生产数据和第二天气预报数据来针对第二时间段确定风电场的第二电力生产数据，该经训练的数据驱动模型是循环神经网络，其中第一天气预报数据、第一电力生产数据和第二天气预报数据作为数字输入被馈送到经训练的数据驱动模型，并且其中经训练的数据驱动模型提供第二电力生产数据作为数字输出。第二电力生产数据是风电场在第二时间段内的电力生产预测。
[0012]本专利技术的方法提供了一种用于基于历史电力生产数据和未来天气预报数据来确定电力生产预测的简单且直接的方法。为此，使用经训练的数据驱动模型。该模型通过训练数据来训练，该训练数据包括在过去的给定第一时间段内的多个历史天气预报数据和历史电力生产数据、在过去的第二时间段内的天气预报数据以及关于在第二时间窗内的第二电力生产数据的信息。应注意，第二时间窗分别相对于第一时间窗和第一时间段在未来。
[0013]在特别优选的实施例中，循环神经网络可以优选地是长短期存储器(LSTM)或门控递归单元(GRU)。然而，其他经训练的数据驱动模型也可以在本专利技术的方法中实现。
[0014]在本专利技术的优选实施例中，第一时间段是过去时间段，紧接在第二时间段之前，该第二时间段是未来时间段。作为结果，可以以由第一天气预报数据和第二天气预报数据组成的阵列的形式提供用作输入数据的天气预报数据。总天气预报数据由第一天气预报数据和第二天气预报数据的时间戳阵列组成。如稍后将描述的，阵列将由第一电力生产数据和虚拟第二电力生产数据扩展，后者设置为零。
[0015]在另一优选实施例中，以相同的时间粒度获得第一天气预报数据、第一电力生产数据和第二天气预报数据。例如，时间粒度可以被选取为1小时、30分钟、15分钟、10分钟或5分钟或几秒。第一天气预报数据、第一电力生产数据和第二天气预报数据是相同时间段内的时间序列数据。
[0016]在另一优选实施例中，第一天气预报数据和第二天气预报数据每个包括至少一个天气信息，该天气信息选自来自不同高度的风速、风向、温度和空气密度，其中所述至少一个天气信息是预定时间段上的平均值。如上文所提到，预定时间段可以被选取为例如1小时、30分钟、15分钟、10分钟、5分钟或几秒等等。优选地，第一天气预报数据和第二天气预报数据包括相同量和同一条的天气信息。
[0017]根据另一优选实施例，第一电力生产数据和第二电力生产数据每个包括至少一个功率输出信息，该功率输出信息选自发电功率和风力涡轮机的操作参数(诸如风力涡轮机偏航定位)，所述至少一个功率输出信息是预定时间段上的平均值。优选地，第一电力生产数据和第二电力生产数据包括相同量和同一条的功率输出信息。预定时间段对应于第一天气预报数据和第二天气预报数据的预定时间段。
[0018]在另一优选实施例中，经由用户接口输出基于第二电力生产数据(即，基于数据驱动模型的数字输出)的信息。例如，可以经由用户接口输出第二电力生产数据本身。可替代地或附加地，在预测功率的值可能在第二时间段期间引起电网不稳定的情况下，可以经由用户接口提供警告。因此，调节电网的人类操作员被告知关于即将到来的电力生产中的重大变化，使得他能够发起适当的行动来平衡电网的发电和需求。优选地，用户接口包括视觉用户接口，但是也可以包括另一类型的用户接口(例如声学用户接口)。
[0019]除了上述方法之外，本专利技术还涉及一种用于风电场中的一个或多个风力涡轮机的电力生产的计算机实现的预测的装置，其中该装置被配置为执行根据本专利技术或根据本专利技术的一个或多个优选实施例的方法。
[0020]附加地，本专利技术涉及一种包括至少一个风力涡轮机的风电场，其中风电场包括根据本专利技术的装置。
[0021]此本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于风电场中的一个或多个风力涡轮机的电力生产的计算机实现的预测的方法，所述电力生产的预测用于生成提供给所述风电场的所述风力涡轮机中的至少一个的控制命令，其中在所述风电场操作期间的一个或多个时间点中的每个时间点处执行以下步骤：i)获得给定第一时间段(WIN_H)的第一天气预报数据(WF1)，所述第一天气预报数据(WF1)是由天气预报提供方在过去生成的所述风电场区域的历史天气预报数据；ii)获得所述风电场在所述给定第一时间段(WIN_H)内的第一电力生产数据(PP1)，所述第一电力生产数据(PP1)是由所述风电场区域中的实际环境条件产生的所述风温暖的历史电力生产数据；iii)获得给定第二时间段(WIN_P)的第二天气预报数据(WF2)，所述第二天气预报数据(WF2)是由所述天气预报提供方在过去生成的所述风电场区域的未来天气预报数据；iv)由经训练的数据驱动模型(MO)通过处理所述第一天气预报数据(WF1)、所述第一电力生产数据(PP1)和所述第二天气预报数据(WF2)来确定所述风电场在所述第二时间段(WIN_P)内的第二电力生产数据(PP2)，所述经训练的数据驱动模型(MO)是循环神经网络，其中所述第一天气预报数据(WF1)、所述第一电力生产数据(PP1)和所述第二天气预报数据(WF2)作为数字输入被馈送到所述经训练的数据驱动模型(MO)，并且所述经训练的数据驱动模型(MO)提供所述第二电力生产数据(PP2)作为数字输出，所述第二电力生产数据(PP2)是所述风电场在所述第二时间段(WIN_P)内的电力生产预测。2.根据权利要求1所述的方法，其中所述经训练的数据驱动模型(MO)是长短期存储器或门控递归单元。3.根据权利要求1或2所述的方法，其中所述第一时间段(WIN_H)是过去时间段，紧接在所述第二时间段(WIN_P)之前，所述第二时间段是未来时间段。4.根据前述权利要求中任一项所述的方法，其中以相同的时间粒度获得所述第一天气预报数据(WF1)、所述第一电力生产数据(PP1)和所述第二天气预测数据(WF2)。5.根据前述权利要求中任一项所述的方法，其中所述第一天气预报数据(WF1)和所述第二天气预报数据(WF2)每个包括至少一个天气信息，所述天气信息选自来自不同高度的风速、风向、温度和空气密度，所述至少一个天气信息是预定时间段上的平均值。6.根据前述权利要求中任一项所述的方法，其中所述第一电力生产数据(PP1)和所述第二电力生产数据(PP2)每个包括...

【专利技术属性】
技术研发人员：F，
申请(专利权)人：西门子歌美飒可再生能源创新与技术有限公司，
类型：发明
国别省市：