[发明专利]用于风电场的风向预测方法及装置

说明书

本公开提供了一种用于风电场的风向预测方法及装置，所述风向预测方法包括以下步骤：获取风电场的历史风向数据；对获取的历史风向数据进行风向相关性分析；根据风向相关性分析结果来确定非线性回归模型，并基于确定的非线性回归模型来预测风电场中的风电机组的风向。本发明可以更加精准地预测针对不同机位点的风电机组的风向，并且在风电机组的风向仪出现故障时，使用预测的风向进行风向补偿以使风电机组保持较高的风电效率。

技术领域

本发明涉及风电技术领域，具体地讲，涉及一种用于风电场的风向预测方法以及风向预测装置。

背景技术

由于风电机组在户外高空运行，并且风电机组的风向仪置于风电机组的舱罩外，风电机组的风向仪运行环境非常复杂：振动、粉尘、暴晒、冰冻、雨淋等各种极端条件；海上、滩涂风场的装机机组还要经受长年累月的盐雾腐蚀，因此风向仪出现故障的概率相对较高。

通常情况下，现有技术对于风电机组的风向仪失效时所采取的应急控制方法为：将风场内所有风电机组以各自为中心，将其他地理位置最近的三台风电机组通过SCADA系统形成小的网络；在风电机组正常运行时，风电机组将采集到的风向信号通过SCADA系统反馈给中央控制器，中央控制器实时显示风电机组的包括风向在内的各种数据；当风电机组的风向仪出现故障时，中央控制器将出现故障的风向仪在显著位置进行异色显示，并向监控人员发出警告；同时，假定相邻的3台风电机组的风向相似，将相近的风电机组的风向仪的数据传回中央控制器，中央控制器在筛选后确认1-2台风电机组的信息有效之后，SCADA系统依据优先级进行选择并将选择的数据发送到出现故障的风电机组从而使风电机组可以在风向仪故障之后获得风向数据持续运行。

然而，由于现有技术仅是假定相邻风电机组的风向相同，并未考虑在一定距离之后的风向变化，对于风向的预测偏差很大，很难满足风电机组的安全运行，因此，需要一种更为精准地预测某一风电机组的风向并对风向仪出现故障的风电机组进行风向补偿的方法及设备。

发明内容

为了解决上述问题和/或缺点，并至少提供下面描述的优点，本公开提供了一种用于风电场的风向预测方法及风向预测装置。

本发明的一方面在于提供一种用于风电场的风向预测方法，所述风向预测方法包括以下步骤：获取风电场的历史风向数据；对获取的历史风向数据进行风向相关性分析；根据风向相关性分析结果来确定非线性回归模型，并基于确定的非线性回归模型来预测风电场中的风电机组的风向。

对获取的历史风向数据进行风向相关性分析的步骤可以包括：对所述历史风向数据进行预处理；将预处理后的数据分为训练元组和测试元组，分别计算测试元组与各个训练元组之间的距离；选取所述距离最小的K个训练元组，并将所述K个训练元组中出现次数最多的标签设置为测试元组的类别，根据测试元组的类别将训练元组划分为至少一个区域。

对获取的历史风向数据进行风向相关性分析的步骤还可以包括：计算误差率，并选择与最小误差率相应的K值，其中，与最小误差率相应的K值表示为风电场中K个风电机组的风向具有非线性相关性。

根据风向相关性分析结果来确定非线性回归模型的步骤可以包括：分别对不同区域内的历史风向数据进行非线性回归分析，并根据非线性回归分析的结果来建立非线性回归模型；根据非线性回归模型与历史风向数据来构建代价函数；通过对构建的代价函数引入松弛变量来建立优化函数；通过计算优化函数的最小值来确定非线性回归模型。

通过计算优化函数的最小值来确定非线性回归模型的步骤可以包括：通过对建立的优化函数引入拉格朗日算子来构造对偶问题函数；通过对对偶问题函数进行计算来获得对偶问题函数中的各个变量的等式；将获得的针对各个变量的等式代入建立的优化函数来获得新的优化函数；通过计算新的优化函数的最小值来确定非线性回归模型。

所述风向预测方法还可以包括：对确定的非线性回归模型进行强化学习。