[发明专利]一种基于大风气象分类的风功率爬坡预测模型切换方法

说明书

技术领域

本发明属于风功率爬坡预测领域，涉及一种基于大风气象分类的风功率爬坡预测模型切换方法。

背景技术

发明一种适用于风功率爬坡预测的可为不同风功率爬坡统计预测模型进行优化选择的切换机制是对现有风电有效、安全并网研究所需要的重要组成部分。风力发电作为一种新兴的、大规模应用的绿色能源，其自身固有的波动特性给发电和负荷平衡带了挑战。为了使风力发电和其他常规能源发电一样具有便利的可调度性，准确可靠的风电功率预测系统是提高电力系统对风电的接纳能力的必备选择。

风功率爬坡是指在较短时间内，风功率上升或下降幅度较大，对区域电能质量产生影响且影响到电力调度计划的风功率波动过程。随着风力发电的快速发展，风电并网装机容量的不断上升，受到自然气候不规律作用的风电功率波动对电力系统所产生的影响亟需有效的分析研究。其中，风功率爬坡预测是极为紧迫的环节。

风功率爬坡预测的核心问题是爬坡事件的预测，而爬坡事件的预测离不开对大风（以及无风）天气的预报，这就取决于数值天气预报的预报准确度及分析方法的运用。

目前国内外在风功率爬坡预测的研究中，并未有效地将各类引起爬坡的大风天气进行内在的动力学和热力学分析，使得爬坡天气未被有效地提取跟踪出来，这就造成了部分可以造成风功率大幅度波动的气象信息的缺失。然而进一步要提出的针对不同时空尺度下的大风天气信息所对应的各类统计预报方法，以期待得出更为精准的风功率爬坡预报分析结果所需的切换机制方案，而其中所面临的问题是在预报过程中的核心问题。

发明内容

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于大风气象分类的风功率爬坡预测模型切换方法，其特征在于，包括以下步骤：

步骤1，建立指定区域内基于数值天气预报数据的大风天气判别分析模型，收集表征大风爬坡天气的特征指标量，所述表征大风爬坡天气的特征指标量由参数类型决定，所述参数类型包括：稳定度指标、热力指标、动力学指标以及热力/动力综合指标;模型的建立针对指定区域的采样，采样后建立如下判别分析模型：

Y=c₁x₁+c₂x₂+c₃x₃+…+c_nx_n

其中：c_i为加权系数，x_i为特征指标量，Y是判别函数值，采样时间为每15分钟一次，且按数值天气预报每六个小时跟踪修正一次，计算出的判别函数值Y根据判别方法中的判别准则进行分类，并通过假设检验进行验证分析；

步骤2，根据步骤1所建立的大风天气的预报分析模型，运用数值判别方法在指定区域范围内用特征指标量判别锋面过境的天气条件和强对流天气中是否为大风天气，所述判别方法是基于Fisher判别法进行判别分析，计算出判别准则的分类标准；

步骤3，根据步骤2所运用到的数值判别方法在判定出大风天气后根据历史数据计算特征方程的系数，以确定判别函数值Y的分类，并通过统计检验方法验证函数值Y的结果；

步骤4，根据步骤3中通过数值化的判定结果基本判别出大风天气后，进一步要确定大风天气所属的类型及相关信息，得出不同类型的大风天气风能变化特点，尤其是时间尺度和空间尺度的特点，再结合历史数据中统计出的相似的场景进行综合预报分析，给出更为准确的风速爬坡预报统计模型切换方法。

在上述的一种基于大风气象分类的风功率爬坡预测模型切换方法，所述的步骤1中，所述稳定度指标、热力指标、动力学指标以及热力/动力综合指标中，各个指标包括的对流参数如下：

所述稳定度指标包括最佳对流有效位能参数；所述热力指标包括沙氏指数和K指数；所述动力学指标包括密度加权平均垂直风切变和涡生参数；所述热力/动力综合指标包括风暴强度指数和理查德逊数；通过各种气象特征指标，建立大风天气判别分析模型，模型的采样时间为每15分钟一次，且按数值天气预报每六个小时跟踪修正一次，判别函数值按照判别准则进行分类，并结合历史统计值进行统计检验。

在上述的一种基于大风气象分类的风功率爬坡预测模型切换方法，所述步骤2中，Fisher判决的目标就是:寻找一个或一组投影轴，能够在最小化类内散布的同时最大化类间分布；

Fisher判别法基于以下定义：