基于多层NWP信息融合的风电集群风速预报方法及装置制造方法及图纸

本发明专利技术提出一种基于多层NWP信息融合的风电集群风速预报方法及装置，属于数值天气预报数据修正领域。其中，所述方法包括：获取待预测时刻风电集群内各风电场在设定的不同高度层的NWP数据并输入预设的该风电场的NWP自订正模型，NWP自订正模型输出该风电场在待预测时刻的风速预测结果作为NWP自订正结果；将各风电场NWP自订正结果输入预设的风电集群NWP互校验模型，得到各风电场在待预测时刻的NWP风速修正结果，以实现对所述风电集群的风速预报。本发明专利技术在保证计算时效性的前提下，能减小数值天气预报过程中的历史规律性误差与未来随机性误差，有效提高数值天气预报整体精度，有助于获取更为准确的风电功率预测结果。有助于获取更为准确的风电功率预测结果。有助于获取更为准确的风电功率预测结果。

【技术实现步骤摘要】
基于多层NWP信息融合的风电集群风速预报方法及装置


[0001]本专利技术属于数值天气预报数据修正领域，具体涉及一种基于多层NWP信息融合的风电集群风速预报方法及装置。

技术介绍

[0002]风能具有波动性大不确定性高等特点。随着风电深度融入电力系统，由于风能的特性，给电网的平稳运行带来了很大的挑战。通过功率预测能有效降低风电对电网的不确定性，提高电网运行的可靠性、经济性和安全性。所以提高功率预测的精度十分重要。目前常用的功率预测的方法基于所用数据来源不同，可以分为基于历史数据的功率预测和基于数值天气预报(NumericalWeatherPrediction,NWP)数据的功率预测。
[0003]其中，数值天气预报是近些年来发展起来的定量预报方法，其理论体系已经得到一定发展，描述天气变化与大气运动的数学方程更加完备，因此成为风电功率预测的关键技术。数值天气预报作为风电功率预测中主要的输入，其误差是功率预测误差的最主要来源，提高数值天气预报精度是提高功率预测精度的关键环节。
[0004]然而目前主流NWP产品时空分辨率难以满足高精本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多层NWP信息融合的风电集群风速预报方法，其特征在于，包括：获取待预测时刻风电集群内各风电场在设定的不同高度层的NWP数据，所述NWP数据包括风速数据和风向数据；将所述待预测时刻各风电场在所有高度层的所述NWP数据输入预设的该风电场的NWP自订正模型，所述NWP自订正模型输出该风电场在所述待预测时刻的风速预测结果作为NWP自订正结果；将各风电场在所述待预测时刻的NWP自订正结果共同输入预设的风电集群NWP互校验模型，所述NWP互校验模型输出各风电场在所述待预测时刻的NWP风速修正结果，以实现对所述风电集群的风速预报。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取选定历史时段内所述风电集群内各风电场在所述不同高度层的NWP数据和对应时刻的实际风速数据组成原始数据集；从所述原始数据集中选取各风电场在同一设定时段的NWP数据和对应时刻的实际风速数据分别组成该风电场的NWP自订正模型训练集，其中，任一风电场的NWP自订正模型训练集中单个训练样本的输入为该风电场任一时刻的所有高度层的NWP数据，该训练样本的输出为该风电场对应时刻的实际风速数据；构建各风电场的NWP自订正模型；利用各风电场的NWP自订正模型训练集训练该风电场的NWP自订正模型，得到训练完毕的各风电场的NWP自订正模型。3.根据权利要求2所述的方法，其特征在于，所述NWP自订正模型采用深度置信网络。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：1)根据所述训练完毕的各风电场的NWP自订正模型，构建风电集群NWP互校验模型的训练集，具体包括：1
‑
1)将原始数据集中每个风电场未用于构建NWP自订正模型训练集的数据中各风电场任一时刻的所有高度层的NWP数据输入训练完毕的该风电场的NWP自订正模型，得到该风电场在对应时刻的风速预测结果作为该时刻的NWP自订正结果；1
‑
2)基于步骤1
‑
1)的结...

【专利技术属性】
技术研发人员：王一妹，周利，祝金涛，任鑫，林昇，魏昂昂，韩爽，葛畅，
申请(专利权)人：华能澜沧江水电股份有限公司华北电力大学，
类型：发明
国别省市：