风电场短期功率预测方法技术

本发明专利技术提供了一种风电场短期功率预测方法，包括步骤：A、利用BP神经网络，建立中尺度数值天气预报的预测因子与单台风机轮毂高度实测风速之间的历史数据统计关系，生成单台风机的风速统计降尺度模型；B、依据风电场区域未来48小时中尺度数值天气预报的预测因子，以及步骤A中单台风机统计降尺度模型，生成单台风机所在位置轮毂高度的预测风速；C、依据单台风机的实测风速和实测功率的历史数据，拟合单台风机的风速-功率特性曲线，结合步骤B中单台风机所在位置轮毂高度的预测风速得到该风机短期预测功率。由上，上述预测方法有效减少了中尺度分辨率不足带来的不确定性，显著提高了风电场短期功率预测精度。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种，包括步骤：A、利用BP神经网络，建立中尺度数值天气预报的预测因子与单台风机轮毂高度实测风速之间的历史数据统计关系，生成单台风机的风速统计降尺度模型；B、依据风电场区域未来48小时中尺度数值天气预报的预测因子，以及步骤A中单台风机统计降尺度模型，生成单台风机所在位置轮毂高度的预测风速；C、依据单台风机的实测风速和实测功率的历史数据，拟合单台风机的风速-功率特性曲线，结合步骤B中单台风机所在位置轮毂高度的预测风速得到该风机短期预测功率。由上，上述预测方法有效减少了中尺度分辨率不足带来的不确定性，显著提高了风电场短期功率预测精度。【专利说明】
本专利技术涉及一种。
技术介绍
近年来，随着我国能源政策调整，并网风电装机容量快速增长，大规模风电集中并网对电网安全运行带来冲击。提高风电场出力的可预测性，能够有效减少风电对电网造成的冲击，减轻电网调度调峰压力，这对于充分利用风能资源，进一步提高并网风电装机比例有积极意义。按照国内已颁布实施的风电场功率预测技术规范，风电场必须每日按照规定时间向电力调度机构上传次日O?24h出力预测曲线并接受预测精度考核。为了准确反映次日大气运动状态，必须使用中尺度数值天气预报(NWP)模式输出作为风电场短期功率预测系统的输入数据，因此中尺度数值天气预报模式预测输出精度很大程度上决定了风电场短期功率预测的精度。然而，中尺度模式大气物理过程参数化方案不能有效模拟次网格尺度(小于Ikm)大气物理过程，其描述的天气过程与真实情况存在误差，这种误差会随着模式积分运算时间的增长而增加。因此，网格分辨率不足和与分辨率有关的大气物理过程参数化方案描述不准确会使中尺度模式预测结果存在不确定性。直接应用于功率预测会带来较大不确定性，必须对其进行降尺度预处理。目前对中尺度数值天气预报输出进行降尺度研究主要采用两种方法:1、使用物理模型求解风电场局地效应对气流的影响。这种方法计算代价较小，但物理模型构造和实现过程较为复杂，精度提高有限。2、采用动力降尺度方法，例如计算流体力学(CFD)模拟风电场内部流场演变过程，这种方法可以获得较为准确风速分布，但在建立预测风速查询数据库或直接预测风速时需要使用CFD方法求解Navier-Stokes方程，工程实现复杂并且计算代价巨大，对硬件要求极闻。
技术实现思路
有鉴于此，本专利技术的主要目的在于，提供一种，依据统计降尺度解决了中尺度数值天气预报风速误差较大的问题，有效减少了中尺度分辨率不足带来的不确定性，极大地提高了中尺度数值天气预报降尺度计算效率，显著提高了风电场短期功率预测精度。所述包括步骤:A、利用BP神经网络，建立中尺度数值天气预报的预测因子与单台风机轮毂高度实测风速之间的历史数据统计关系，生成单台风机的风速统计降尺度模型；B、依据风电场区域未来48小时中尺度数值天气预报的预测因子，以及步骤A中单台风机统计降尺度模型，生成单台风机所在位置轮毂高度的预测风速；C、依据单台风机的实测风速和实测功率的历史数据，拟合单台风机的风速-功率特性曲线，结合步骤B中单台风机所在位置轮毂高度的预测风速得到该风机短期预测功率。由上，通过历史数据建立统计降尺度模型，对中尺度模式数值天气预报风速进行统计降尺度，得出风电场每台风机所在位置轮毂高度预测风速，结合风速-功率特性曲线对每台风机出力进行预测，实现对风电场整体出力短期预测。上述预测方法有效减少了中尺度分辨率不足带来的不确定性，显著提高了风电场短期功率预测精度。可选的，所述中尺度数值天气预报的预测因子至少包括:500hPa位势高度、850hPa位势高度、风机轮毂高度的风速、风向、压强和相对湿度。由上，由于上述预报因子可以被较为准确的预测，且不同预测因子间是弱相关或无关的，因此将上述预报因子作为BP神经网络的输入量，可以较为精确的对BP神经网络进行训练。可选的，步骤A中，对中尺度数值天气预报的预测因子进行归一化处理。可选的，所述步骤C包括:Cl、收集各风机实测风速数据，以及与之时间匹配的风机有功功率数据；C2、设定风速步长，依据风速步长划分风速区间，对各风速区间中的有功功率值进行剔除坏点处理；C3、记录各风速区间内出现概率最高的有功功率值为该区间的功率特征值；C4、采集所有风速区间的功率特征值，利用多阶高斯函数对其进行曲线拟合，获取拟合风速-功率特性曲线的解析函数。由上，依据历史数据建立单台风机的风速-功率特性曲线解析函数，并结合单台风机位置轮毂高度的统计降尺度风速获得风机的短期预测功率，显著提高了风电场功率预测预测精度。进一步的，所述步骤C2包括:C21、将各风速区间内的有功功率值从小到大排序；C22、确定各风速区间内有功功率的功率上限和功率下限；C23、将各风速区间内有功功率值低于功率下限和高于功率上限的数据以及对应实测风速数据剔除。由上，通过设置功率上限和功率下限来对历史数据中的异常数据进行剔除，从而使风速-功率特性曲线更加真实反映实际机组性能。进一步的，还包括步骤D:风电机组控制端依据步骤C中所预测的各单台风机的输出功率，对每台风机的上网功率进行调节。由上，实现当风电机组遇到限出力状态时，风电机组控制端控制输出功率较高的几台风机停止功率上网输出，转而将功率转换为电能进行存储，由此最大限度利用自然资源。可选的，所述数值天气预报预测因子的历史预测数据、与中尺度数值天气预报预测因子时间匹配的单台风机轮毂高度实测风速和有功功率数据的时间长度不少于6个自然月。由上，仅通过半年的历史数据便可建立风电场短期预测模型，在提高中尺度NWP和短期功率预测精度同时，极大地减少了运算量，有效降低了硬件成本。可选的，所述步骤C之后还包括:计算全厂短期预测功率=所有风机的预测功率求和-风电场综合厂用电折损量。由上，由于风电机组运行过程中产生用电折损，为实现更为精确的功率预测，需将上述综合厂用电折损量计算在内。【专利附图】【附图说明】图1为本专利技术的流程图；图2为本专利技术BP神经网络的原理示意图；图3为单台风机的原厂风速-功率特性曲线示意图；图4为本专利技术单台风机的原厂风速-功率特性曲线及拟合风速-功率特性曲线示意图。【具体实施方式】本专利技术所提供的，通过对中尺度模式预测输出进行降尺度运算，得出单台风机所在位置轮毂高度的短期预测风速，进而实现对每台风机的短期功率进行预测，进一步实现对风电场整体出力的短期预测。上述预测方法有效减少了中尺度分辨率不足带来的不确定性，显著提高了风电场功率预测预测精度。如图1所示，基于统计降尺度的风电场功率预测方法包括:步骤10:收集各风机实测风速数据，与之时间匹配的风机有功功率数据，以及风电场区域中尺度数值天气预报预测因子的历史预测数据。中尺度数值天气预报预测因子的选择是应用统计降尺度方法过程中重要的环节，预测因子的选择很大程度上决定了风电场局地气象条件的预报特征。选取对风速有显著影响的预测因子，减少其数量，可以有效降低统计降尺度模型的复杂程度，减少模型计算量，避免引入额外的干扰信息。选取预测因子遵循以下方法:1、预测因子必须能够被中尺度数值天气预报模式较准确地预测，并且预测因子与风电场内部站点气象要素之间具有显著的非线性统计关系，并且这种统计关系是稳定而有效的；2、预测因子必须能够反映重要本文档来自技高网...

【技术保护点】
一种风电场短期功率预测方法，其特征在于，包括步骤：A、利用BP神经网络，建立中尺度数值天气预报的预测因子与单台风机轮毂高度实测风速之间的历史数据统计关系，生成单台风机的风速统计降尺度模型；B、依据风电场区域未来48小时中尺度数值天气预报的预测因子，以及步骤A中单台风机统计降尺度模型，生成单台风机所在位置轮毂高度的预测风速；C、依据单台风机的实测风速和实测功率的历史数据，拟合单台风机的风速?功率特性曲线，结合步骤B中单台风机所在位置轮毂高度的预测风速得到该风机短期预测功率。

【技术特征摘要】

【专利技术属性】
技术研发人员：岳捷，申烛，孟凯峰，陈欣，孙翰墨，
申请(专利权)人：中能电力科技开发有限公司，
类型：发明
国别省市：