本發(fā)明屬于風電場功率預(yù)測預(yù)報技術(shù)領(lǐng)域，尤其是涉及一種基于集合局地多點不同氣候特征的風功率預(yù)測方法及裝置。
背景技術(shù)：
風電是一種清潔可再生能源，到2015年年底，全球風電累計裝機容量達到432419MW，其中，中國占據(jù)總?cè)萘康?8.4％。由于風力發(fā)電受風速和風向變化的影響，這使得風力發(fā)電具有明顯的波動性、間歇性和隨機性，對電力系統(tǒng)的安全及穩(wěn)定的運行造成了極大的影響，而通過準確的風功率預(yù)測，對風電場的出力進行短期預(yù)報，可以有力的調(diào)控電場運維，減少電量的損失，因此準確的風功率預(yù)測會帶給風電這一能源形式帶來更高的價值。
風功率預(yù)測依賴于對各類氣象要素的精確預(yù)報，其中主要包括風速、風向、濕度等，目前國內(nèi)外預(yù)報的方式主要分為兩種，一種是基于歷史數(shù)據(jù)，通過統(tǒng)計學的方法對未來進行預(yù)測；另一種是通過不同尺度下的數(shù)值天氣預(yù)報，得到各類氣象要素預(yù)測值，通過神經(jīng)網(wǎng)絡(luò)、卡爾曼濾波等技術(shù)最終得到未來的日前風功率預(yù)測。目前數(shù)值天氣預(yù)報正值飛速發(fā)展，現(xiàn)已可提供未來1-3天高時空分辨率高精度的氣象預(yù)報。國內(nèi)短期15分鐘分辨率的風功率預(yù)報，由于其嚴格的精度考核要求，因此第二種方法更加適應(yīng)現(xiàn)有的需求，與此同時，還需要通過不同的方法來提高風功率預(yù)測精度。
目前的數(shù)值天氣預(yù)報，主要使用全球高分辨集合結(jié)果，但多數(shù)將全球尺度集合預(yù)報結(jié)果，通過中小尺度數(shù)值天氣模式進行物理降尺度到幾公里，人為的選出風電場的地理坐標，通過插值方法將格點的數(shù)據(jù)計算到電場的單點坐標上，獲得風電場的預(yù)報風速，最終通過統(tǒng)計模型，將預(yù)報的風速轉(zhuǎn)換成風功率。
大氣的混沌特性決定了即使采用全球最好的數(shù)值模式也很難預(yù)報單點的氣象結(jié)果，模式自身的系統(tǒng)誤差與錯誤預(yù)報會間接導致風速的預(yù)報誤差。
由于現(xiàn)在功率建模技術(shù)是基于全場風機平均風速，表現(xiàn)的是整場總體氣候狀態(tài)，根據(jù)電場風機排布僅進行粗略的人為選擇單點很難描述全場平均的風速狀態(tài)，亦不能準確的抓住電場的氣候狀態(tài)，因此，預(yù)報風速并不適于風電場。
電場空間跨度較大，不同電場所處海拔高度亦不同，邊界層內(nèi)風速隨高度變化十分明顯，會導致不同電場氣候特點有很大差異，僅使用數(shù)值模式中單層的或者輪轂高度的結(jié)果，將會十分不準確。
綜上所述，根據(jù)的風機排布，人為選取一個地理坐標，最終將數(shù)值天氣預(yù)報的格點數(shù)據(jù)插值到該點，如此無法準確的反應(yīng)整個風電場的整體氣候特點，最終導致風功率預(yù)測精度的不理想。
技術(shù)實現(xiàn)要素：
有鑒于此，本發(fā)明旨在提出一種基于集合局地多點不同氣候特征的風功率預(yù)測方法，通過選擇風電場最優(yōu)的若干點，進行多點合成，可以很好的反映整場的風速狀況，來增強氣象預(yù)報的穩(wěn)定性，顯著提高風功率預(yù)測的精度。
為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：
一種基于集合局地多點不同氣候特征的風功率預(yù)測方法，包括如下步驟：
(1)建立電場模型，獲得電場周圍氣象數(shù)值預(yù)報結(jié)果，并通過數(shù)據(jù)插值方法獲得單點預(yù)報風速在三維空間的數(shù)值；
(2)將單點預(yù)報風速合成兩點和三點風速，獲得合成風速；
(3)利用神經(jīng)網(wǎng)絡(luò)方法將合成風速轉(zhuǎn)化成風功率。
進一步的，所述步驟(1)中具體包括如下步驟：
(a1)用Google Earth進行3維電場建模，根據(jù)電場風機的排布，選擇30公里x 30公里的矩形試驗區(qū)域機型；
(a2)利用數(shù)值天氣模式通過并行計算得到試驗區(qū)域天氣預(yù)報結(jié)果；
(a3)使用NCO(netCDF Operators)提取模式垂直方向1-4層的模式計算結(jié)果，并輸出模式的地面高度數(shù)據(jù)、位勢高度等，將4層的σ坐標系轉(zhuǎn)換成得到高度坐標系；
(a4)將垂直方向的模式計算結(jié)果進行插值計算，獲得三維空間1000-3000個單點風速預(yù)報結(jié)果。
進一步的，所述步驟(a4)中插值計算方法包括線性插值、三次樣條插值。
進一步的，所述步驟(2)具體包括如下步驟：
(b1)計算單點預(yù)報風速在三維空間的數(shù)值的風速預(yù)報與電場風機的平均風速之間的相關(guān)性系數(shù)r，剔除相關(guān)性系數(shù)后50％的單點結(jié)果；
(b2)對保留的50％的單點，分別給出所有兩點、三點的組合方案；
(b3)對所有組合方案分別取兩點和三點均值，得到合成風速結(jié)果；
(b4)計算所有的合成風速結(jié)果與電場風機平均風速之間的相關(guān)性系數(shù)r、平均絕對誤差MAE；
(b5)刪選出相關(guān)性系數(shù)最優(yōu)的前200組組合方案，從200組方案中選出平均絕對誤差最小的50組組合方案；
(b6)根據(jù)單電場歷史實測的風速給出高低風速段的閾值；
(b7)對高低風速段進行權(quán)重的訂正。
進一步的，所述步驟(3)具體包括如下步驟：
(c1)通過風電場歷史風速和功率，經(jīng)過神經(jīng)網(wǎng)絡(luò)模型擬合風速-功率曲線；
(c2)將合成風速放入到神經(jīng)網(wǎng)絡(luò)模型中得到預(yù)測的風功率；
(c3)通過計算50組預(yù)測的風功率的扣電量和精度；
(c4)比較扣電量和精度選出最優(yōu)的方案。
相對于現(xiàn)有技術(shù)，本發(fā)明所述的一種基于集合局地多點不同氣候特征的風功率預(yù)測方法具有以下優(yōu)勢：
(1)本發(fā)明在原有單點預(yù)報的基礎(chǔ)上，整合了單點的結(jié)果，形成多點集合預(yù)報，減少風速波動，提高風功率預(yù)測的精度；
(2)本發(fā)明集合的氣象數(shù)據(jù)所選用水平和垂直三維高分辨率格點，綜合了不同水平點和不同高度的氣候狀態(tài)，提高風功率預(yù)測的精度；
本發(fā)明通過整合多點的氣候特征，降低風場波動性，不受電場擴容限電等因素的影響，調(diào)整預(yù)報風速，提高風功率預(yù)測的精度。
本發(fā)明的另一目的在于提出一種基于集合局地多點不同氣候特征的風功率預(yù)測裝置，以增強氣象預(yù)報的穩(wěn)定性，顯著提高風功率預(yù)測的精度。
為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：
一種基于集合局地多點不同氣候特征的風功率預(yù)測系統(tǒng)，包括
用于建立電場模型，獲得電場周圍氣象數(shù)值預(yù)報結(jié)果，并通過數(shù)據(jù)插值方法獲得單點預(yù)報風速在三維空間的數(shù)值的電場模型建立裝置；
用于將單點預(yù)報風速合成兩點和三點風速，獲得合成風速的風速合成裝置；
用于利用神經(jīng)網(wǎng)絡(luò)方法將合成風速轉(zhuǎn)化成風功率的風功率轉(zhuǎn)化裝置。
進一步的，電場模型建立裝置包括
用Google Earth進行三維電場建模，根據(jù)電場風機的排布，選擇30公里x 30公里的矩形試驗區(qū)域機型的三維電場建模裝置；
用于利用數(shù)值天氣模式通過并行計算得到試驗區(qū)域天氣預(yù)報結(jié)果的天氣預(yù)報結(jié)果計算裝置；
用于使用NCO(netCDF Operators)提取模式垂直方向1-4層的模式計算結(jié)果，并輸出模式的地面高度數(shù)據(jù)、位勢高度等，將4層的σ坐標系轉(zhuǎn)換成得到高度坐標系的模式計算結(jié)果提取裝置；
用于將垂直方向的模式計算結(jié)果進行插值計算，獲得三維空間1000-3000個單點風速預(yù)報結(jié)果的插值計算裝置。
進一步的，所述插值計算裝置包括線性插值計算裝置、三次樣條插值計算裝置。
進一步的，風速合成裝置包括
用于計算單點預(yù)報風速在三維空間的數(shù)值的風速預(yù)報與電場風機的平均風速之間的相關(guān)性系數(shù)r，剔除相關(guān)性系數(shù)后50％的單點結(jié)果的單點結(jié)果提取裝置；
用于對保留的50％的單點，分別給出所有兩點、三點的組合方案的組合方案獲得裝置；
用于對所有組合方案分別取兩點和三點均值，得到合成風速結(jié)果的合成風速獲得裝置；
用于計算所有的合成風速結(jié)果與電場風機平均風速之間的相關(guān)性系數(shù)r、平均絕對誤差MAE的相關(guān)性系數(shù)獲得裝置以及平均絕對誤差獲得裝置；
用于刪選出相關(guān)性系數(shù)最優(yōu)的前200組組合方案，從200組方案中選出平均絕對誤差最小的50組組合方案最優(yōu)方案獲得裝置；
用于根據(jù)單電場歷史實測的風速給出高低風速段閾值的閾值獲取裝置；
用于對高低風速段進行權(quán)重訂正的訂正裝置。
進一步的，風功率轉(zhuǎn)化裝置包括
用于通過風電場歷史風速和功率，經(jīng)過神經(jīng)網(wǎng)絡(luò)模型擬合風速-功率曲線的曲線擬合裝置；
用于將成風速放入到神經(jīng)網(wǎng)絡(luò)模型中得到預(yù)測的風功率的風功率預(yù)測裝置；
用于通過計算50組預(yù)測的風功率的扣電量和精度的扣電量和精度獲??；
用于比較扣電量和精度選出最優(yōu)的方案的最優(yōu)方案獲取裝置。
所述基于集合局地多點不同氣候特征的風功率預(yù)測裝置與上述基于集合局地多點不同氣候特征的風功率預(yù)測方法相對于現(xiàn)有技術(shù)所具有的優(yōu)勢相同，在此不再贅述。
附圖說明
構(gòu)成本發(fā)明的一部分的附圖用來提供對本發(fā)明的進一步理解，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。在附圖中：
圖1為本發(fā)明實施例所述的一種基于集合局地多點不同氣候特征的風功率預(yù)測方法示意圖。
具體實施方式
需要說明的是，在不沖突的情況下，本發(fā)明中的實施例及實施例中的特征可以相互組合。
下面將參考附圖并結(jié)合實施例來詳細說明本發(fā)明。
本發(fā)明加入了集合多點優(yōu)化的理念，重點考慮風電場所處區(qū)域大范圍的天氣狀況，水平與垂直三維多點數(shù)值預(yù)報結(jié)果與實測風速、風向的比較，及通過多種方法進行多點合成，最終通過模型轉(zhuǎn)化成風功率結(jié)果，再次檢驗風功率預(yù)測的準確性。具體步驟如圖1所示，本發(fā)明是采用下述的技術(shù)方案實現(xiàn)的：
a.電場周圍局地多點氣象結(jié)果的計算；
a.1用Google Earth進行3維電場建模，根據(jù)電場風機的排布，選擇30公里x 30公里的矩形試驗區(qū)域，30公里的范圍可以涵蓋所有風電場的風機，同時可以考慮到電場上游的風場狀況，有利于不同季節(jié)情況下對電場風速的調(diào)優(yōu)；
a.2利用數(shù)值天氣模式通過并行計算得到試驗區(qū)域天氣預(yù)報結(jié)果，數(shù)據(jù)水平分辨率為3公里、垂直分辨率約50米；
a.3使用NCO(netCDF Operators)提取模式垂直方向1-4層(最高層約200m)的模式計算結(jié)果，并輸出模式的地面高度數(shù)據(jù)、位勢高度等，將4層的σ坐標系轉(zhuǎn)換成得到高度坐標系；
a.4由于所預(yù)報的風速要代表整場的氣候特征，同一風電場不同的風機的海拔有很大差距，不同風電場所處的地形和海拔也不盡相同，僅僅將得到的風速插值到輪轂高度是很難滿足整場風速的要求。因此需要細化垂直分層，通過邊界層風速變化規(guī)律見公式1，將垂直插值為20層，最終獲得三維空間2000個單點風速預(yù)報結(jié)果，如此高的分辨率可以精細的考慮風電場所處區(qū)域內(nèi)氣候的空間特征，經(jīng)過試驗可得，2000個單點風速預(yù)報結(jié)果的效果最佳，公式1如下：
其中，Zb，Z:標準參考高度和任一高度
標準參考高度處的平均風速和任一高度處的平均風速
α：地面粗糙指數(shù)。
b.合成風速結(jié)果，與實測風速對比，篩選合成方案；
b.1為優(yōu)化計算速度，首先將2000個單點的風速預(yù)報分別于電場風機的平均風速進行比較；
b.2考慮到國家電網(wǎng)對風功率預(yù)測的考核要求，比較標準為：二者相關(guān)性系數(shù)r、平均絕對誤差MAE、均方根誤差RMS等，剔除相關(guān)性系數(shù)后50％的單點結(jié)果；相關(guān)性系數(shù)計算公式如公式2所示：
其中，r為相關(guān)性系數(shù)，xi、yi分別表示實發(fā)風速和預(yù)測風速的第i個值，分別是實發(fā)風速和預(yù)測風速的算術(shù)平均值，n為樣本總量。
b.3b.2中保留的1000個單點，分別給出所有兩點、三點的組合方案，如此綜合兩個或三個單點的風速狀態(tài)，相比單點，多點組合的預(yù)報氣象結(jié)果日內(nèi)或逐月的波動性均顯著減??；
b.4所有組合方案分別取兩點和三點均值，得到合成風速結(jié)果；
b.5將所有的合成風速結(jié)果與電場風機平均風速比較，比較標準為相關(guān)性系數(shù)r、平均絕對誤差MAE；
b.6刪選出相關(guān)系數(shù)最優(yōu)的前200組組合方案，從200組方案中選出平均絕對誤差最小的50組組合方案；
b.7根據(jù)單電場歷史實測的風速給出高低風速段的閾值；
b.8對高低風速段進行權(quán)重的訂正。
c.將風速合成方案通過模型處理，對比功率結(jié)果；
c.1風速轉(zhuǎn)化成風功率，主要依賴神經(jīng)網(wǎng)絡(luò)的方法；
c.2通過風電場歷史風速和功率，經(jīng)過神經(jīng)網(wǎng)絡(luò)模型擬合風速-功率曲線；
c.3將50組合成風速放入到神經(jīng)網(wǎng)絡(luò)模型中得到50組預(yù)測的風功率；
c.4通過計算50組預(yù)測的風功率的扣電量和精度；
c.5比較扣電量和精度選出最優(yōu)的方案。
本發(fā)明還提出了一種基于集合局地多點不同氣候特征的風功率預(yù)測系統(tǒng)，包括
(1)用于建立電場模型，獲得電場周圍氣象結(jié)果，并通過數(shù)據(jù)插值方法獲得單點風速在三維空間的數(shù)值的電場模型建立裝置；
所述電場模型建立裝置包括
用Google Earth進行三維電場建模，根據(jù)電場風機的排布，選擇30公里x 30公里的矩形試驗區(qū)域機型的三維電場建模裝置；
用于利用數(shù)值天氣模式通過并行計算得到試驗區(qū)域天氣預(yù)報結(jié)果的天氣預(yù)報結(jié)果計算裝置；
用于使用NCO(netCDF Operators)提取模式垂直方向1-4層的模式計算結(jié)果，并輸出模式的地面高度數(shù)據(jù)、位勢高度等，將4層的σ坐標系轉(zhuǎn)換成得到高度坐標系的模式計算結(jié)果提取裝置；
用于將垂直方向的模式計算結(jié)果進行插值計算，獲得三維空間1000-3000個單點風速預(yù)報結(jié)果的插值計算裝置。
所述插值計算裝置包括線性插值計算裝置、三次樣條插值計算裝置。
(2)用于將單點風速合成兩點和三點風速，獲得合成風速的風速合成裝置；
所述風速合成裝置包括
用于計算單點風速在三維空間的數(shù)值的風速預(yù)報與電場風機的平均風速之間的相關(guān)性系數(shù)r，剔除相關(guān)性系數(shù)后50％的單點結(jié)果的單點結(jié)果提取裝置；
用于對保留的50％的單點，分別給出所有兩點、三點的組合方案的組合方案獲得裝置；
用于對所有組合方案分別取兩點和三點均值，得到合成風速結(jié)果的合成風速獲得裝置；
用于計算所有的合成風速結(jié)果與電場風機平均風速之間的相關(guān)性系數(shù)r、平均絕對誤差MAE的相關(guān)性系數(shù)獲得裝置以及平均絕對誤差獲得裝置；
用于刪選出相關(guān)性系數(shù)最優(yōu)的前200組組合方案，從200組方案中選出平均絕對誤差最小的50組組合方案最優(yōu)方案獲得裝置；
用于根據(jù)單電場歷史實測的風速給出高低風速段閾值的閾值獲取裝置；
用于對高低風速段進行權(quán)重訂正的訂正裝置。
(3)用于利用神經(jīng)網(wǎng)絡(luò)方法將合成風速轉(zhuǎn)化成風功率的風功率轉(zhuǎn)化裝置；
所述風功率轉(zhuǎn)化裝置包括
用于通過風電場歷史風速和功率，經(jīng)過神經(jīng)網(wǎng)絡(luò)模型擬合風速-功率曲線的曲線擬合裝置；
用于將成風速放入到神經(jīng)網(wǎng)絡(luò)模型中得到預(yù)測的風功率的風功率預(yù)測裝置；
用于通過計算50組預(yù)測的風功率的扣電量和精度的扣電量和精度獲??；
用于比較扣電量和精度選出最優(yōu)的方案的最優(yōu)方案獲取裝置。
本發(fā)明可以十分簡便的篩選出最優(yōu)的組合方案，便于之后的實際應(yīng)用；經(jīng)實際業(yè)務(wù)測試后對于不同氣候特征的電場風速的預(yù)報均有提高，同時對于復雜的山地、丘陵等地形同樣均有顯著的效果。
以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。