[发明专利]应用于新建风电场的短期功率预测方法

说明书

技术领域

本发明涉及风电场功率预测技术领域，特别涉及一种应用于新建风电场的短期功率预测方法。

背景技术

近年来，随着我国风力发电迅速发展，短时间内大量新建风电场并网投产，这些风电场缺乏准确可靠的历史运行数据，无法通过传统的统计建模方法建立高精度短期功率预测模型，极大影响了新建风电场短期功率预测精度。为确保大规模风电安全、可靠、高效的并网运行，开发出满足工程应用的风电功率预测系统非常关键。

发明内容

有鉴于此，本发明的主要目的在于，提供一种应用于新建风电场的短期功率预测方法，包括步骤：

A、利用BP神经网络，建立新建风电场区域中尺度数值天气预报预测因子与风电场前期测风塔实测风速之间的历史数据关系，生成测风塔位置风机轮毂高度的风速统计降尺度模型；

B、依据风电场区域中尺度数值天气预报的预测因子，以及步骤A中所述测风塔位置风机轮毂高度统计降尺度模型，生成测风塔位置风机轮毂高度的短期预测风速；

C、依据风速-功率特性曲线解析数据以及风电场综合厂用电耗损比例，建立新建风电场短期功率预测模型，计算出新建风电场短期预测功率。

由上，通过对中尺度模式数值天气预报进行统计降尺度，得出测风塔位置风机轮毂高度的短期预测风速，进而建立新建风电场短期功 率预测模型，实现对新建风电场整体出力短期预测。有效减少了中尺度分辨率不足带来的不确定性，显著提高了新建风电场短期风速预测精度，有效解决了新建风电场因缺乏风机运行数据无法建立高精度功率预测模型的难题。

可选的，步骤A中，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，还包括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，步骤C中所述风速-功率特性曲线解析数据包括：

采用多阶高斯函数拟合风速-功率特性曲线，得到风速-功率特性曲线的解析函数P(v)，

P(v)＝a1*exp(-((v-b1)/c1)^2)+a2*exp(-((v-b2)/c2)^2)+a3*exp(-((v-b3)/c3)^2)+a4*exp(-((v-b4)/c4)^2)，

式中v表示风速值，ai，bi，ci(i＝1～4)表示多阶高斯拟合曲线的常值系数。

可选的，步骤C中所述风电场综合厂用电耗损比例＝(发电量—上网电量)/发电量＝综合厂用电量/发电量；

综合厂用电量＝风电场内部用电量+主变及场内线路损耗电量+电抗器用电量。

可选的，所述新建风电场短期功率预测模型为N*P(v)*C；

其中N表示风电场风机数量，P(v)表示风速-功率特性曲线的解析数据，C表示风电场综合厂用电耗损比例。

可选的，步骤A中，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风电场前期测风塔实测风速的时间长度不少于6个自然月。

可选的，步骤C后还包括：结合实际功率对新建风电场短期预测功率进行校验，依据校验结果对所述新建风电场短期功率预测模型进行修正的步骤。

附图说明

图1为本发明流程图；

图2为本发明BP神经网络的原理示意图；

图3风机的原厂风速-功率特性曲线示意图。

具体实施方式

为克服现有技术存在的缺陷，本发明提供一种应用于新建风电场的短期功率预测方法，通过对中尺度模式预测输出进行降尺度运算，得出风电场前期测风塔所在位置轮毂高度的短期预测风速，进而依据风速-功率特性曲线解析函数和风电场综合厂用电耗损比例建立新建风电场短期功率预测模型，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，以及新建风电场缺少大量历史运行数据导致无法建立高精度统计模型的缺点，显著提高了新建风电场短期功率预测精度。

如图1所示，一种应用于新建风电场的短期功率预测方法包括：

步骤10：收集风电场建立前测风塔的实测风速数据，以及与之时间匹配的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。