风电场短期功率预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103489046103489046A(43)申请公布日2014.01.01(21)申请号201310456316.7(22)申请日2013.09.29(71)申请人中能电力科技开发有限公司地址100034北京市西城区阜成门北大街6号-9(国际投资大厦C座16层)(72)发明人岳捷申烛孟凯峰陈欣孙翰墨(74)专利代理机构北京华夏正合知识产权代理事务所(普通合伙)11017代理人韩登营张焕亮(51)Int.Cl.G06Q10/04(2012.01)G06Q50/06(2012.01)权权利要求书1页利要求书1页说明书6页说明书6页附图2页附图2页(54)发明名称风电场短期功率预测方法(57)摘要本发明提供了一种风电场短期功率预测方法，包括步骤：A、建立单台风机的风速统计降尺度模型；B、依据风电场区域未来48小时中尺度数值天气预报的预测因子，以及步骤A中单台风机统计降尺度模型，生成单台风机所在位置轮毂高度的预测风速；C、建立每台风机的风速、风向-功率的模型，依据中尺度数值天气预报所预测的风向以及步骤B所预测的风速，得出每台风机的功率预测。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，显著提高了风电场短期功率预测精度。CN103489046ACN1034896ACN103489046A权利要求书1/1页1.一种风电场短期功率预测方法，其特征在于，包括步骤：A、建立单台风机的风速统计降尺度模型；B、依据风电场区域未来48小时中尺度数值天气预报的预测因子，以及步骤A中单台风机统计降尺度模型，生成单台风机所在位置轮毂高度的预测风速；C、建立每台风机的风速、风向-功率的模型，依据中尺度数值天气预报所预测的风向以及步骤B所预测的风速，得出每台风机的功率预测。2.根据权利要求1所述的功率预测方法，其特征在于，所述步骤A中，利用BP神经网络，通过中尺度数值天气预报的预测因子与单台风机轮毂高度实测风速之间的历史数据，对所述BP神经网络进行训练。3.根据权利要求2所述的预测方法，其特征在于，所述BP神经网络的输入层为中尺度数值天气预报的预测因子，输出层为单台风机轮毂高度实测风速。4.根据权利要求3所述的功率预测方法，其特征在于，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。5.根据权利要求1所述的功率预测方法，其特征在于，所述步骤C包括：C1、建立风向、各风机所测风速以及，在上述风向及风速下风机的有功功率值的历史数据库；C2、针对不同风向，设定风速采集区间，并对各风速采集区间下所采集的有功功率数据进行预处理；C3、建立风向、风速与功率的对应模型；C4、依据中尺度数值天气预报所预测的风向以及步骤B所预测的风速，结合步骤C3中的风向、风速-功率模型得出每台风机的功率预测。6.根据权利要求5所述的功率预测方法，其特征在于，所述步骤C2包括：C21、将各风速区间内的有功功率值从小到大排序；C22、确定各风速区间内有功功率的功率上限和功率下限；C23、将各风速区间内有功功率值低于功率下限和高于功率上限的数据以及对应实测风速数据剔除。7.根据权利要求6所述的功率预测方法，其特征在于，所述风向以22.5°为一个区间，共等分为16个区间。8.根据权利要求1所述的功率预测方法，其特征在于，所述数值天气预报预测因子、与数值天气预报预测因子时间匹配的单台风机轮毂高度实测风速、有功功率数据和测风塔的风速、风向数据的时间长度不少于6个自然月。2CN103489046A说明书1/6页风电场短期功率预测方法技术领域[0001]本发明涉及一种风电场短期功率预测方法。背景技术[0002]近年来，随着我国能源政策调整，并网风电装机容量快速增长，大规模风电集中并网对电网安全运行带来冲击。提高风电场出力的可预测性，能够有效减少风电对电网造成的冲击，减轻电网调度调峰压力，这对于充分利用风能资源，进一步提高并网风电装机比例有积极意义。按照国内已颁布实施的风电场功率预测技术规范，风电场必须每日按照规定时间向电力调度机构上传未来24h出力预测曲线并接受预测精度考核。为了准确反映次日大气运动状态，必须使用中尺度数值天气预报（数值天气预报）模式输出作为风电场短期功率预测系统的输入数据，因此中尺度数值天气预报模式预测输出精度很大程度上决定了风电场短期功率预测的精度。然而，中尺度模式大气物理过程参数化方案不能有效模拟次网格尺度（小于1km）大气物理过程，其描述的天气过程与真实情况存在误差，这种误差会随着模式积分运算时间的增长而增加。因此，网格分辨率不足和与分辨率有关的大气物理过程参数化方案描述不准确会使中尺度模式预测结