【技术实现步骤摘要】
本专利技术涉及新能源发电，具体讲涉及基于高层气象数据的风电短期功率预测方法、装置及介质。
技术介绍
1、风电场所处环境和当地气候变化是风电场输出功率的主要影响因素，风速和风向的随机多变性导致风电出力具有波动性特征。在出力未知的情况下将风电大规模并入电网，会给电网的安全稳定运行带来一定影响，而功率预测是应对该问题的有效解决方法。
2、为提高预测精度，越来越多的建模方法应运而生。主要包括两个方面：提高nwp的预报精度、降低风-功转化误差。
3、nwp预报精度的提高方法包括提升数值预报性能和数值预报后处理。在数值预报技术方面，除了资料同化技术的引入以及人工智能分析技术的引入外，精细化预报方面也得到了快速的发展，比如提出了网络架构拓扑结构的区域网格预测技术、引入wrf模式以及通过卫星数据反演技术得到实测气象，弥补气象观测数据的不足等。
4、在数值预报后处理方面通常是利用历史实测及预报地表气象数据对未来的数值预报进行订正。对于风速-功率转化模型方面通常通过拟合风速与功率的散点图，得到一条拟合曲线作为风速-功率的转化曲线。
5、现有技术通过历史实测及预报地表气象数据对未来的数据预报进行订正，并通过拟合风速与功率的散点图得到拟合曲线作为风速-功率的转化曲线，用该方法预测功率过于粗糙，预报精度较低。
技术实现思路
1、为解决现有技术利用历史实测及预报地表气象数据对未来的数值预报进行订正，并通过拟合风速与功率的散点图，得到一条拟合曲线作为风速-功率的转
2、获取风电场待预测时刻的高层气象预报数据；
3、利用预先构建的风电场功率短期预测模型对所述待预测时刻的高层气象预报数据进行预测处理，得到所述待预测时刻的风电短期功率预测值；
4、其中，所述预先构建的风电场功率短期预测模型是对风电场的历史高层气象预报数据进行分析确定的最优高层气象模式预报因子组合和最佳的权重组合构建的。
5、优选的，所述风电场功率短期预测模型的构建包括：
6、获取风电场的历史高层气象预报数据；
7、对历史高层气象预报数据进行特征分析，确定高层气象模式预报因子；
8、采用相似算法从所述高层气象模式预报因子的历史气象预报数据中确定目标历史气象预报数据；
9、采用遍历法对所述目标历史气象预报数据进行分析确定最优高层气象模式预报因子组合和最佳的权重组合；
10、根据所述最优高层气象模式预报因子组合和最佳的权重组合构建风电功率短期预测模型。
11、优选的，所述采用相似算法从所述高层气象模式预报因子的历史气象预报数据中确定目标历史气象预报数据，包括：
12、选择某一时刻各高层气象模式预报因子的历史气象预报数据作为现在数据；
13、根据所述现在数据所对应的高层气象模式预报因子，从历史气象预报数据中，选择与所述现在数据距离最近的历史气象预报数据作为目标历史气象预报数据。
14、优选的，所述采用遍历法对所述目标历史气象预报数据进行分析确定最优高层气象模式预报因子组合和最佳的权重组合，包括：
15、将目标历史气象预报数据对应的风电短期功率实际值作为所述现在数据对应的风电短期功率预测值；
16、由各高层气象模式预报因子的现在数据和所述现在数据对应的风电短期功率预测值，以及所述现在数据对应的风电短期功率实际值构建样本集；
17、将所述样本集划分为训练集和测试集；
18、通过对所述训练集中高层气象模式预报因子采用遍历法进行组合，并为每种组合中各高层气象模式预报因子分配权重，选择最优高层气象模式预报因子组合和最佳的权重组合；
19、通过所述测试集对所述最优高层气象模式预报因子组合和最佳的权重组合得到的组合方案预测值进行验证，由通过验证的最优高层气象模式预报因子组合和最佳的权重组合构建风电功率短期预测模型。
20、优选的，所述通过对所述训练集中高层气象模式预报因子采用遍历法进行组合，并为每种组合中各高层气象模式预报因子分配权重，选择最优高层气象模式预报因子组合和最佳的权重组合，包括：
21、将训练集中的最优高层气象模式预报因子采用遍历法构建组合方案，并对每种组合方案中各实际观测值采用遍历法分配权重；
22、由每种组合方案中实际观测值乘以各自的权重求和得到每种组合方案测值；
23、将与所述训练集中风电短期功率实际值最接近的组合方案预测值对应的组合方案以及权重组合分别作为最优高层气象模式预报因子的组合和最佳的权重组合。
24、优选的，所述通过所述测试集对所述最优高层气象模式预报因子组合和最佳的权重组合得到的组合方案预测值进行验证，包括：
25、从所述测试集中选择最优高层气象模式预报因子组合对应的各实际观测值；
26、按照最佳的权重组合为选择的各实际观测值分配权重，由选择的各实际观测值乘以分配的权重求和得到每组方案的组合方案预测值；
27、由所述组合方案预测值减去所述测试集中的风电短期功率实际值得到误差值；
28、判断所述误差值是否小于误差阈值，若小于，则将所述最佳的权重组合和所述最优高层气象模式预报因子组合通过验证，由所述最优高层气象模式预报因子组合和最佳的权重组合构建风电功率短期预测模型，否则，未通过验证。
29、优选的，所述利用预先构建的风电场功率短期预测模型对所述待预测时刻的高层气象预报数据进行预测处理，得到所述待预测时刻的风电短期功率预测值，包括：
30、将所述高层气象预报数据输入到风电场功率短期预测模型，由所述风电场功率短期预测模型按照最优高层气象模式预报因子组合中的各高层气象模式预报因子提取相似时刻的历史气象预报数据；
31、计算所述相似时刻的历史气象预报数据与所述待预测时刻各高层气象模式预报因子的预报数据的距离，选择与所述待预测时刻各高层气象模式预报因子的预报数据距离最小的历史气象预报数据的时刻对应的风电短期功率实际值作为所述各高层气象模式预报因子对应的值；
32、由所述各高层气象模式预报因子对应的值乘以所述各高层气象模式预报因子在最佳的权重组合中的权重，得到各高层气象模式预报因子的风电短期功率预报值；
33、将最优高层气象模式预报因子组合中各高层气象模式预报因子的风电短期功率预报值求和，作为所述风电场在待预测时刻的风电短期功率预测值。
34、再一方面本专利技术还提供了基于高层气象数据的风电短期功率预测装置，包括获取模块，用于获取风电场待预测时刻的高层气象预报数据；
35、预测模块，用于利用预先构建的风电场功率短期预测模型对所述待预测时刻的高层气象预报数据进行预测处理，得到所述待预测时刻的风电短期功率预测值；
36、其中，所本文档来自技高网...
【技术保护点】
1.基于高层气象数据的风电短期功率预测方法，其特征在于，包括
2.如权利要求1所述的方法，其特征在于，所述风电场功率短期预测模型的构建包括：
3.如权利要求2所述的方法，其特征在于，所述采用相似算法从所述高层气象模式预报因子的历史气象预报数据中确定目标历史气象预报数据，包括：
4.如权利要求3所述的方法，其特征在于，所述采用遍历法对所述目标历史气象预报数据进行分析确定最优高层气象模式预报因子组合和最佳的权重组合，包括：
5.如权利要求4所述的方法，其特征在于，所述通过对所述训练集中高层气象模式预报因子采用遍历法进行组合，并为每种组合中各高层气象模式预报因子分配权重，选择最优高层气象模式预报因子组合和最佳的权重组合，包括：
6.如权利要求4所述的方法，其特征在于，所述通过所述测试集对所述最优高层气象模式预报因子组合和最佳的权重组合得到的组合方案预测值进行验证，包括：
7.如权利要求4所述的方法，其特征在于，所述利用预先构建的风电场功率短期预测模型对所述待预测时刻的高层气象预报数据进行预测处理，得到所述待预测时刻
8.基于高层气象数据的风电短期功率预测装置，其特征在于，包括
9.一种计算机设备，其特征在于，包括：一个或多个处理器；
10.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至7中任一项所述的基于高层气象数据的风电短期功率预测方法。
...【技术特征摘要】
1.基于高层气象数据的风电短期功率预测方法，其特征在于，包括
2.如权利要求1所述的方法，其特征在于，所述风电场功率短期预测模型的构建包括：
3.如权利要求2所述的方法，其特征在于，所述采用相似算法从所述高层气象模式预报因子的历史气象预报数据中确定目标历史气象预报数据，包括：
4.如权利要求3所述的方法，其特征在于，所述采用遍历法对所述目标历史气象预报数据进行分析确定最优高层气象模式预报因子组合和最佳的权重组合，包括：
5.如权利要求4所述的方法，其特征在于，所述通过对所述训练集中高层气象模式预报因子采用遍历法进行组合，并为每种组合中各高层气象模式预报因子分配权重，选择最优高层气象模式预报因子组合和最佳的权重组合，...
【专利技术属性】
技术研发人员：马文文，程序，吴骥，李登宣，陈卫东，祝建军，常潇，
申请(专利权)人：中国电力科学研究院有限公司，
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。