[发明专利]一种基于信息物理系统的风电场有功备用量化方法

权利要求书

1.一种基于信息物理系统的风电场有功备用量化方法，其特征在于：该方法步骤如下：

(1)、采集风电场内部物理系统的所有关键有效实际数据；

(2)、将(1)步骤中采集的数据输入至信息系统的基于深度学习的转速预测模型中，输出机组的超短期预测转速；

(3)、利用(2)步骤中的预测转速通过有功备用方法计算得出机组储存于转子动能的有功备用。

2.根据权利要求1所述的一种基于信息物理系统的风电场有功备用量化方法，其特征在于：

(1)步骤中的有效数据包括天气、风电场超短期风功率预测系统预测功率、实际输出功率、转速、风速和桨距角；之后对上述的数据使用均值填充缺失值。

3.根据权利要求1所述的一种基于信息物理系统的风电场有功备用量化方法，其特征在于：(2)步骤中的转速预测模型为量化模型，是采集物理系统提供的天气、风速、风电场超短期风功率预测系统预测功率、实际输出功率、转速和桨距角大量历史数据，在信息系统利用大量历史数据建立基于深度学习的量化模型。

4.根据权利要求3所述的一种基于信息物理系统的风电场有功备用量化方法，其特征在于：所述在转速预测模型根据风电机组运行方式中满载与降载的不同，分别建立两套量化模型，量化模型的结构一致，不同运行方式下建立的量化模型参数不同，在机组不同的运行方式下分别采用相应的量化模型。

5.根据权利要求4所述的一种基于信息物理系统的风电场有功备用量化方法，其特征在于：

所述转速预测模型：采用的方法是结构式长短期记忆网络，将邻近的机组的风电场内部物理系统的所有关键有效历史数据都发送至该模型中，选择天气、风功率预测、实际输出功率、风速、转速、桨距角为输入、下一时间步长的转速和功率为输出，分别进行对应，利用Structural-LSTM方法进行学习，建立预测转速模型。

6.根据权利要求5所述的一种基于信息物理系统的风电场有功备用量化方法，其特征在于：

LSTM模型细胞结构包括3个门：遗忘门，输入门和输出门；

该细胞结构基于输入和之前的细胞状态进行状态更新，如下式所示：

式中，i_t为输入门矢量，f_t为遗忘门矢量，o_t为输出门矢量，c_t为细胞状态，c_t-1为t-1时刻细胞状态，h_t为隐藏层状态，σ(x)＝1/1+e^-x，f(·)函数为激活函数，x_t为输入矢量，w_xi,w_xf,w_xo,w_xc,w_hi,w_hf,w_ho和w_hc为线性组合权重系数，b_i,b_f,b_o和b_c为相关的偏差值，⊙表示哈达玛积。

7.根据权利要求6所述的一种基于信息物理系统的风电场有功备用量化方法，其特征在于：

LSTM模型细胞结构，其中细胞状态和隐藏层状态更新方法如下：

式中，上标n-1、n、n+1分别表示第n-1、n、n+1台机组，下标t、t-1表示在t、t-1时刻的数据，为预测功率，P_tⁿ为实际功率，为转速，为风速，为桨距角，W_ea,t为天气因素，LSTM(·)为式1状态更新方法，W为S-LSTM的权重系数。

8.根据权利要求7所述的一种基于信息物理系统的风电场有功备用量化方法，其特征在于：(3)步骤中的有功备用方法利用如下公式实现：

式中ΔP为有功备用，Δt为有功备用时间，根据风电场需求进行调节，J为风电机组转动惯量，ω_预测、ω_min分别预测转速和机组可承受最低转速。