【技术实现步骤摘要】
本申请涉及风力发电，尤其涉及一种风力发电场输出电量的预测方法及系统。
技术介绍
1、目前，环保意识的加强和能源需求的加剧，风力发电作为一种绿色无污染的新能源发电技术，其普及率逐渐提高。由于风力发电所输出的风电功率具有较强的波动性和不确定性，对风电功率进行预测对维持风力发电场站正常、稳定的运行具有以下重要意义：第一，可以根据风电场预测的出力曲线优化常规机组的出力，达到降低运行成本的目的。第二，可以根据风电出力变化规律增强系统的安全性、可靠性和可控性。第三，风电功率确定后即可确定风力发电对外输出电量，在风电参与电力市场的系统中，优化电力市场中电力的价值，参与电力市场竞价有重要作用。
2、相关技术中，在进行风力发电场输出电量的预测时，基本仅仅是依靠数值天气预报的数据，用物理方法计算风电场的输出功率余天气预报数值之间关系。然而，在实际应用中，上述相关技术中预测方案预测结果不准确，经常会出现预测的电量与实际结果存在偏差较大的情况，已严重影响了风电场的正常运行。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本申请的第一个目的在于提出一种风力发电场输出电量的预测方法，该方法提供了一种新型的风力发电场输出电量的预测方法，可以提高电量的预测精度，减少因功率预测不准导致的电量损失，有利于制定合理的风力发电场智能营销策略。
3、本申请的第二个目的在于提出一种风力发电场输出电量的预测系统。
4、本申请的第三个目的在于
5、为达上述目的，本申请的第一方面在于提出一种风力发电场输出电量的预测方法，该方法包括以下步骤：
6、采集多个风力发电场提供的风电功率预测数据，并将所述风电功率预测数据传输至远程集控中心的大数据平台；
7、在所述大数据平台上对所述风电功率预测数据进行分析评估，并将分析评估结果输入预设的预测模型，在所述预测模型中对多种预测来源数据进行盈亏平衡分析运算，预测各个风力发电场在未来不同时段内的风电功率曲线；
8、基于各个所述风电功率曲线预测在未来不同时段内各个风力发电场的对外输出电量，以及全网发电数据。
9、可选地，在本申请的一个实施例中，该方法还包括：采集所述多个风力发电场提供的风资源测量数据，并将所述风资源测量数据传输至所述远程集控中心的大数据平台；在所述大数据平台上基于所述风资源测量数据进行风资源评估，将风资源评估结果作为一种预测来源数据。
10、可选地，在本申请的一个实施例中，所述在所述预测模型中对多种预测来源数据进行盈亏平衡分析运算，包括：通过所述预测模型根据各个风力发电场的生产经营数据进行正向预测和反向预测；其中，所述正向预测为根据收入数据和成本数据预测利润，所述反向预测，包括：根据收入数据和利润数据预测成本；根据电价、利润数据和成本数据预测电量；根据电量、利润数据和成本数据预测电价。
11、可选地，在本申请的一个实施例中，所述预测模型是神经网络模型与多种预测算法模型的结合，在所述预测在未来不同时段内各个风力发电场的对外输出电量，以及全网可发电量曲线之后，还包括：将本轮预测结果与风力发电量的实际状况进行对比，以分析预测误差，并根据预测误差分析结果调整所述预测模型；确定所述预测模型中的各个子模型对应的预测误差，根据预测误差值最小的目标子模型的输出结果制定风力发电场的生产运营决策。
12、可选地，在本申请的一个实施例中，所述不同时段包括：短期时段、中期时段和长期时段，预测在未来不同时段内的所述全网发电数据，包括：分别预测在所述短期时段、所述中期时段和所述长期时段内的系统负荷曲线、全网可发电量曲线、最大发电量曲线和最小发电量曲线；结合所述短期时段内的负荷曲线、风力发电场运行状况和历史电价数据，预测在所述短期时段内的边际电价。
13、可选地，在本申请的一个实施例中，所述多种预测来源数据，还包括：风力发电场的多个子系统的历史运行数据，其中，每个所述子系统的历史运行数据对应一个预测对象。
14、为达上述目的，本申请的第二方面还提出了一种风力发电场输出电量的预测系统，包括以下模块：
15、采集模块，用于采集多个风力发电场提供的风电功率预测数据，并将所述风电功率预测数据传输至远程集控中心的大数据平台；
16、分析模块，用于在所述大数据平台上对所述风电功率预测数据进行分析评估，并将分析评估结果输入预设的预测模型，在所述预测模型中对多种预测来源数据进行盈亏平衡分析运算，预测各个风力发电场在未来不同时段内的风电功率曲线；
17、预测模块，用于基于各个所述风电功率曲线预测在未来不同时段内各个风力发电场的对外输出电量，以及全网发电数据。
18、可选地，在本申请的一个实施例中，采集模块，还用于：采集所述多个风力发电场提供的风资源测量数据，并将所述风资源测量数据传输至所述远程集控中心的大数据平台；所述分析模块，还用于：在所述大数据平台上基于所述风资源测量数据进行风资源评估，将风资源评估结果作为一种预测来源数据。
19、可选地，在本申请的一个实施例中，分析模块，具体用于：通过所述预测模型根据各个风力发电场的生产经营数据进行正向预测和反向预测；其中，所述正向预测为根据收入数据和成本数据预测利润，所述反向预测，包括：根据收入数据和利润数据预测成本；根据电价、利润数据和成本数据预测电量；根据电量、利润数据和成本数据预测电价。
20、为了实现上述实施例，本申请第三方面实施例还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中的风力发电场输出电量的预测方法。
21、本申请的实施例提供的技术方案至少带来以下有益效果：本申请通过采集多个风力发电场提供的风电功率预测数据和风资源测量数据，并在集控中心的大数据平台上对采集的数据进行预测分析评估，通过风资源分析、风功率预测精确性分析和可发电量分析等多种分析方式，结合预设的预测模型进行正反向预测，可以对未来时段内的风电功率的趋势进行预测，生成预测曲线。从而，本申请提高了风电功率和风力发电场输出电量的预测精度，降低了预测结果与实际情况之间的偏差，减少因功率预测不准导致的电量损失，避免了资源浪费。进而可以以预测结果为目标，指导风力发电场生产运营，优化风电机组的运行状态，有利于制定合理的风力发电场智能营销策略，维持风力发电场站正常、稳定的运行。
22、本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种风力发电场输出电量的预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的预测方法，其特征在于，还包括：
3.根据权利要求1所述的预测方法，其特征在于，所述在所述预测模型中对多种预测来源数据进行盈亏平衡分析运算，包括：
4.根据权利要求1所述的预测方法，其特征在于，所述预测模型是神经网络模型与多种预测算法模型的结合，在所述预测在未来不同时段内各个风力发电场的对外输出电量，以及全网可发电量曲线之后，还包括：
5.根据权利要求1所述的预测方法，其特征在于，所述不同时段包括：短期时段、中期时段和长期时段，预测在未来不同时段内的所述全网发电数据，包括：
6.根据权利要求2所述的预测方法，其特征在于，所述多种预测来源数据，还包括：
7.一种风力发电场输出电量的预测系统，其特征在于，包括以下模块：
8.根据权利要求7所述的预测系统，其特征在于，所述采集模块，还用于：
9.根据权利要求8所述的计算系统，其特征在于，所述分析模块，具体用于：
10.一种非临时性计算机可读存储
...【技术特征摘要】
1.一种风力发电场输出电量的预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的预测方法，其特征在于，还包括：
3.根据权利要求1所述的预测方法，其特征在于，所述在所述预测模型中对多种预测来源数据进行盈亏平衡分析运算，包括：
4.根据权利要求1所述的预测方法，其特征在于，所述预测模型是神经网络模型与多种预测算法模型的结合，在所述预测在未来不同时段内各个风力发电场的对外输出电量，以及全网可发电量曲线之后，还包括：
5.根据权利要求1所述的预测方法，其特征在于，所述不同时段包括：短期时段、中期时段和长期...
【专利技术属性】
技术研发人员：王德祥，杨奎，石称金，陈天亮，高元晶，杨芳珍，靳润娟，陶凌玥，
申请(专利权)人：华能酒泉风电有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。