[发明专利]一种混合风力发电的预测方法及系统

说明书

技术领域

本发明涉及风电功率预测的技术领域，特别涉及一种混合风力发电的预测方法及系统。

背景技术

风电厂在进行风力发电时，风电输出功率不仅受到风速的影响，风向也是不可忽视的因素，但由于大气压强的作用，风速和风向都会随时发生变化，因而风力发电机的输出功率也具有波动性和随机性等特点，这种功率输出的波动性不利于区域电网整体运行的平稳性和安全性。因此，需要对风电输出功率做出合理的预测，以方便电力运营部门进行有效的调度。

目前，在短期风力发电预测方面，主要采用物理模型预测和统计模型预测两种方式。其中：

1)物理模型预测，主要是根据数值天气预报系统的预测结果得到风速、风向、气压、气温等天气数据，然后根据风电场周围等高线、粗糙度、障碍物、温度分层等信息计算得到风电机组轮毂高度的风速、风向等信息，最后根据风电场的功率曲线计算得到风电场的输出功率。这里，对风电场所在地要进行物理建模,包括风场的地形、地表植被及粗糙度、周围障碍物等，同时还要对风机本身的轮毅高度、功率曲线、机械传动和控制策略等进行建模。另外该方法输入的参数为数字气象预报(NWP)模型。

但是，由于物理模型预测的物理模型等式缺少弹性的约束以及气象预报更新频率低等原因，使其不能适应短期的风力预测。另外，物理模型预测方法虽然不需要历史数据，风电场投产就可以进行，但需要准确的NWP数据和风电场所在地的详细信息，输入参数较多，而且NWP数据的采集和处理也较为繁琐。

2)统计模型预测，这种方法不考虑风速变化的物理过程,根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测。这种方法的实质是在系统的输入(NWP历史统计数据、实测数据)和风电功率之间建一立个映射关系，通常为线性关系。这个关系可以用函数的形式表示出来，例如回归分析法、指数平滑法、时间序列法、卡尔曼滤波法、灰色预测法等，都是基于线性模型的。这些模型通过捕捉数据中与时间和空间相关的信息来进行预测。

然而对于统计模型预测，所用数据单一，对短期或超短期的风电功率预测结果可以满足精度要求。但对于更长时间的预测，预测结果精度往往是不够的，而且需要长时间的测量数据和大量的数据处理工作及额外的训练。另外，它对于突变信息处理不好，在训练阶段很少出现罕见天气状况，而且也很难准确预测。

发明内容

有鉴于此，本发明实施例的目的在于提出一种混合风力发电的预测方法及系统，能够实现对不同的风向、风速有针对性地进行模型预测，并且能够提高风力发电功率的预测精度。

进一步来讲，该混合风力发电的预测方法包括：获取风电场的风向、风速及对应的风电输出功率的历史数据，并对所述历史数据进行抽样得到样本数据；对所述样本数据的统计特性进行判断分析，获取风频集中且风电输出功率差异达到差异阈值的风向，并根据所获取的风向及其与风速、风电输出功率的对应关系采用模糊层次聚类法，将所述样本数据划分为三类；采用神经网络算法对每类样本进行训练，对应形成三类特定的风力发电预测模型，将这三类特定的风力发电预测模型进行合并处理，建立用于对风力发电产能进行预测的混合风力发电预测模型。

可选地，在一些实施例中，上述的混合风力发电的预测方法还包括：获取测试用的样本数据，对所建立的混合风力发电预测模型进行调试；根据混合风力发电预测模型输出的测试结果，对所述混合风力发电预测模型进行修正；其中，所述测试用的样本数据从所述风电场的风向、风速及对应的风电输出功率的历史数据中抽样得到。

可选地，在一些实施例中，上述混合风力发电的预测方法还包括：利用所述混合风力发电预测模型，对风力发电厂的输出产能进行测试；在进行预测时，判断输入数据的风向，根据所确定的风向，调用对应的风力发电预测模型计算所述风电场的风电输出功率的预测值，输出对应的测试结果。

可选地，在一些实施例中，所述混合风力发电预测模型的形成方式还包括：分别为所述三类特定的风力发电预测模型配置对应的样本权重参数；根据每个预测模型的样本权重参数，将根据风向建立的预测模型进行合并，建立混合风力发电预测模型。

可选地，在一些实施例中，上述的混合风力发电的预测方法还包括：对所述混合风力发电预测模型进行反复迭代，使所述混合风力发电预测模型逐渐收敛，直到输出结果趋于稳定。

为实现上述方法，本发明实施例还提出一种混合风力发电的预测系统，该系统包括：

抽样模块，用于对所获取的风电场的风向、风速及对应的风电输出功率的历史数据进行抽样得到样本数据；