一种集中式风电超短期功率预测方法、系统和云端平台技术方案

本发明专利技术公开了一种集中式风电超短期功率预测方法、系统和云端平台，包括：获取待测场站的实测风向，计算得到待测场站的主导风向，并根据主导风向，计算得到上游参考场站；获取模型输入数据并输入预先设置好的若干个超短期预测模型进行预测，得到所述待测场站的若干个风电超短期预测功率；对若干个风电超短期预测功率进行最优预测功率寻优，得到最优超短期预测功率，并将最优超短期预测功率通过双链路下发至待测场站。本发明专利技术通过将所有风电场数据集中至云端，解决现有超短期预测方法缺乏历史数据集、以及场站间数据不共享的问题，在超短期建模时可以根据风速的空间相关性加入其他场站的气象实测数据，有效提升了预测的准确率。有效提升了预测的准确率。有效提升了预测的准确率。

【技术实现步骤摘要】
一种集中式风电超短期功率预测方法、系统和云端平台


[0001]本专利技术涉及风电超短期功率预测
，特别是涉及一种集中式风电超短期功率预测方法、系统和云端平台。

技术介绍

[0002]风力发电具有显著的随机性、波动性及不确定性，极大的影响电网运行的稳定与可靠。为了尽可能降低这种随机波动的影响，需要能够精准地预测未来风电功率的动态变化，功率预测是解决该问题的一种重要技术手段。2015年，西北能监局发布的“两个细则”明确将新能源功率预测作为一个细项考核；随着新能源大规模并网，在2021年发布的国标《风电场接入电力系统技术规定》(GB/T19963.1
‑
2021)中，对功率预测性能提出了更高的要求，仅以风电超短期预测而言，功率预测结果第4h预测准确率已由之前的85％提升至87％，极大的提升了预测的难度。
[0003]目前，电网普遍要求风电场每隔15min上报一次超短期预测功率，包含从当前时刻起未来4h时间长度的预测功率，并且以最后一个点即第4个小时的预测功率进行考核。主流超短期功率预测普遍采用一站一策，本地部署的模式，针对单个场站进行建模，然后将单个模型部署在场站本地进行预测，按15min间隔生成预测数据上报电网。
[0004]虽然超短期功率预测模式有利于风电场运行数据与气象监测数据等实时数据的稳定获取，但是在提升准确率方面往往受限于以下几点：第一，由于场站资源的限制，通常只能部署单个超短期预测模型，并且历史数据的存储时限不会太长；第二是模型更新周期，由于各场站地理位置分散，往往不能及时对每个场站的模型进行优化迭代；第三是数据来源，单场站的模式无法共享其他风电场的相关数据，不能进行考虑时空相关性的预测建模。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供了一种集中式风电超短期功率预测方法、系统和云端平台，将所有风电场数据汇聚到云端平台，采用多种建模方式进行预测后，对预测结果进行择优上报，能够有效提高风电超短期功率预测的准确性。
[0006]第一方面，本专利技术提供了一种集中式风电超短期功率预测方法，所述方法包括：
[0007]通过双链路传输从各个场站获取各自的风电机组运行数据和气象实测数据；
[0008]从所述气象实测数据中获取待测场站的实测风向，根据所述实测风向计算得到所述待测场站的主导风向，并根据所述主导风向，计算得到所述待测场站对应的上游参考场站；
[0009]获取模型输入数据并输入预先设置好的若干个超短期预测模型进行预测，得到所述待测场站的若干个风电超短期预测功率，所述模型输入数据包括所述待测场站的所述风电机组运行数据、所述气象实测数据和气象预测数据、以及所述上游参考场站的所述气象实测数据；
[0010]根据超短期预测准确率，对若干个所述风电超短期预测功率进行最优预测功率寻
优，得到最优超短期预测功率，并将所述最优超短期预测功率通过所述双链路下发至所述待测场站。
[0011]进一步地，所述根据所述实测风向计算得到所述待测场站的主导风向，并根据所述主导风向，计算得到所述待测场站对应的上游参考场站的步骤包括：
[0012]按照方向扇区对所述待测场站在第一历史时段内的实测风向进行统计，得到风向频率，将所述风向频率最高的实测风向作为所述待测场站的主导风向；
[0013]根据所述主导风向，从各个场站中选取出处于所述待测场站上游风向范围内的若干个上游场站；
[0014]计算所述待测场站的实测风速和所述上游场站的实测风速之间的皮尔逊相关系数，根据所述皮尔逊相关系数，从所述上游场站中选取出所述待测场站对应的上游参考场站。
[0015]进一步地，所述计算所述待测场站的实测风速和所述上游场站的实测风速之间的皮尔逊相关系数，根据所述皮尔逊相关系数，从所述上游场站中选取出所述待测场站对应的上游参考场站的步骤包括：
[0016]获取所述待测场站在第二历史时段内的第一实测风速序列、所述上游场站在第三历史时段内的第二实测风速序列，所述第三历史时段为将所述第二历史时段向前移动第一预设时长所对应的时段；
[0017]根据不同的所述第一预设时长，分别计算所述第一实测风速序列与所述第二实测风速序列之间的皮尔逊相关系数，将若干个所述皮尔逊相关系数中的最大值作为所述上游场站的相关系数，并将所述相关系数对应的所述第一预设时长作为所述待测场站和所述上游场站之间风速的延迟时长；
[0018]分别计算第二预设时长减去各个所述上游场站对应的延迟时长的差值，将所述差值在预设范围内且所述相关系数最大的上游场站作为所述待测场站对应的上游参考场站；
[0019]其中，采用如下公式计算所述皮尔逊相关系数：
[0020][0021]式中，X
i
为第一实测风速序列中的第i个元素，为第一实测风速序列的元素平均值，Y
i
为第二实测风速序列中的第i个元素，为第二实测风速序列的元素平均值，n为第一实测风速序列和第二实测风速序列中的元素个数。
[0022]进一步地，所述根据超短期预测准确率，对若干个所述风电超短期预测功率进行最优预测功率寻优，得到最优超短期预测功率的步骤包括：
[0023]根据待测日期设置时间周期，获取所述待测场站在所述时间周期内的历史风电实际功率和各个所述超短期预测模型预测得到的历史风电超短期预测功率，所述时间周期包括同比周期和环比周期；
[0024]根据所述历史风电实际功率和所述历史风电超短期预测功率，计算得到每日超短期预测准确率，并根据所述每日超短期预测准确率和所述时间周期的天数计算得到平均准确率损失值；
[0025]将所述同比周期对应的所述平均准确率损失值与所述环比周期对应的所述平均
准确率损失值的加权之和作为目标函数，分别计算各个所述超短期预测模型的目标函数值，将所述目标函数值最大的所述超短期预测模型作为最优预测模型，并将所述最优预测模型预测得到的所述风电超短期预测功率作为最优超短期预测功率。
[0026]进一步地，采用如下公式计算所述每日超短期预测准确率：
[0027][0028]式中，Q
m,d
为模型M
m
在第d天的超短期预测准确率，p
′
m,i
为模型M
m
在第d天的第i时刻的历史风电超短期预测功率，p
i
为第i时刻的历史风电实际功率，Cap为场站的总装机容量，n为一天内的总时刻数；
[0029]采用如下公式计算所述平均准确率损失值：
[0030][0031]L
avg
＝L/t
[0032]式中，L为准确率损失值，Q
ref
为超短期预测准确率达标值，t为时间周期的天数，L
avg
为平均准确率损失值；
[0033]采用如下公式计算所述目标函数：
[0034]y＝min(aL
1,avg
+bL
2,avg本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集中式风电超短期功率预测方法，其特征在于，包括：通过双链路传输从各个场站获取各自的风电机组运行数据和气象实测数据；从所述气象实测数据中获取待测场站的实测风向，根据所述实测风向计算得到所述待测场站的主导风向，并根据所述主导风向，计算得到所述待测场站对应的上游参考场站；获取模型输入数据并输入预先设置好的若干个超短期预测模型进行预测，得到所述待测场站的若干个风电超短期预测功率，所述模型输入数据包括所述待测场站的所述风电机组运行数据、所述气象实测数据和气象预测数据、以及所述上游参考场站的所述气象实测数据；根据超短期预测准确率，对若干个所述风电超短期预测功率进行最优预测功率寻优，得到最优超短期预测功率，并将所述最优超短期预测功率通过所述双链路下发至所述待测场站。2.根据权利要求1所述的集中式风电超短期功率预测方法，其特征在于，所述根据所述实测风向计算得到所述待测场站的主导风向，并根据所述主导风向，计算得到所述待测场站对应的上游参考场站的步骤包括：按照方向扇区对所述待测场站在第一历史时段内的实测风向进行统计，得到风向频率，将所述风向频率最高的实测风向作为所述待测场站的主导风向；根据所述主导风向，从各个场站中选取出处于所述待测场站上游风向范围内的若干个上游场站；计算所述待测场站的实测风速和所述上游场站的实测风速之间的皮尔逊相关系数，根据所述皮尔逊相关系数，从所述上游场站中选取出所述待测场站对应的上游参考场站。3.根据权利要求2所述的集中式风电超短期功率预测方法，其特征在于，所述计算所述待测场站的实测风速和所述上游场站的实测风速之间的皮尔逊相关系数，根据所述皮尔逊相关系数，从所述上游场站中选取出所述待测场站对应的上游参考场站的步骤包括：获取所述待测场站在第二历史时段内的第一实测风速序列、以及所述上游场站在第三历史时段内的第二实测风速序列，所述第三历史时段为将所述第二历史时段向前移动第一预设时长所对应的时段；根据不同的所述第一预设时长，分别计算所述第一实测风速序列与所述第二实测风速序列之间的皮尔逊相关系数，将若干个所述皮尔逊相关系数中的最大值作为所述上游场站的相关系数，并将所述相关系数对应的所述第一预设时长作为所述待测场站和所述上游场站之间风速的延迟时长；分别计算第二预设时长减去各个所述上游场站对应的延迟时长的差值，将所述差值在预设范围内且所述相关系数最大的上游场站作为所述待测场站对应的上游参考场站；其中，采用如下公式计算所述皮尔逊相关系数：式中，X
i
为第一实测风速序列中的第i个元素，为第一实测风速序列的元素平均值，Y
i
为第二实测风速序列中的第i个元素，为第二实测风速序列的元素平均值，n为第一实测
风速序列和第二实测风速序列中的元素个数。4.根据权利要求1所述的集中式风电超短期功率预测方法，其特征在于，所述根据超短期预测准确率，对若干个所述风电超短期预测功率进行最优预测功率寻优，得到最优超短期预测功率的步骤包括：根据待测日期设置时间周期，获取所述待测场站在所述时间周期内的历史风电实际功率和各个所述超短期预测模型预测得到的历史风电超短期预测功率，所述时间周期包括同比周期和环比周期；根据所述历史风电实际功率和所述历史风电超短期预测功率，计算得到每日超短期预测准确率，并根据所述每日超短期预测准确率和所述时间周期的天数计算得到平均准确率损失值；将所述同比周期对应的所述平均准确率损失值与所述环比周期对应的所述平均准确率损失值的加权之和作为目标函数，分别计算各个所述超短期预测模型的目标函数值，将所述目标函数值最大的所述超短期预测模型作为最优预测模型，并将所述...

【专利技术属性】
技术研发人员：张雨薇，曾垂宽，彭喆，杨东升，梁卉林，
申请(专利权)人：华润电力技术研究院有限公司，
类型：发明
国别省市：