CN106067073B - 一种基于风资源相关性分析的风电功率预测方法 - Google Patents

一种基于风资源相关性分析的风电功率预测方法 Download PDF

Info

Publication number
CN106067073B
CN106067073B CN201610371066.0A CN201610371066A CN106067073B CN 106067073 B CN106067073 B CN 106067073B CN 201610371066 A CN201610371066 A CN 201610371066A CN 106067073 B CN106067073 B CN 106067073B
Authority
CN
China
Prior art keywords
blower
wind
wind speed
value
region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610371066.0A
Other languages
English (en)
Other versions
CN106067073A (zh
Inventor
张文
韦古强
阙波
杨世东
滕明尧
钱海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ducheng Green Energy Co Ltd
Ducheng Weiye Group Co Ltd
LUNENG GROUP Co Ltd
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Ducheng Green Energy Co Ltd
Ducheng Weiye Group Co Ltd
LUNENG GROUP Co Ltd
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ducheng Green Energy Co Ltd, Ducheng Weiye Group Co Ltd, LUNENG GROUP Co Ltd, State Grid Corp of China SGCC, State Grid Zhejiang Electric Power Co Ltd filed Critical Ducheng Green Energy Co Ltd
Priority to CN201610371066.0A priority Critical patent/CN106067073B/zh
Publication of CN106067073A publication Critical patent/CN106067073A/zh
Application granted granted Critical
Publication of CN106067073B publication Critical patent/CN106067073B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Wind Motors (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于风资源相关性分析的风电功率预测方法，包括以下步骤：确定各个风机之间风速的线性相关性，根据线性相关性将风机进行区域划分；将每个区域内可利用率最高的风机选作代表风机，以其所在位置作为该区域天气预报的预报点；获取每个区域内代表风机的数值天气预报值，根据其确定代表风机的风速预测值，根据代表风机的风速预测值与线性相关性，获取其他风机的风速预测值；根据各个风机输出功率特性曲线与风速预测值，确定得到各个风机的功率预测值，计算整个风电场的功率预测值。本发明风速预测值合理有效。

Description

一种基于风资源相关性分析的风电功率预测方法
技术领域
本发明涉及一种基于风资源相关性分析的风电功率预测方法。
背景技术
风能是一种清洁、安全和高效的能源，在保护生态环境、延缓全球气候变暖、推进可持续发展等方面具有重要的积极意义。因此风能可作为解决传统能源供应日益紧张的问题的途径，近年来我国风电产业得到了大规模的快速的发展。
但是风能具备间歇性、波动性的缺陷，为保证电网安全稳定运行，需要对风电场的发电功率进行预测，以便合理对各种电源进行调配，安排发电计划。对于大型风电场而言，功率预测往往采用分区域预测的方式，由各区域内的代表风机的预测风速作为本区域所有风机的预测风速。这种方式在区域的划分上，往往根据地形地貌、风机类型等进行粗略划分，这种划分过多的依赖于人的因素，缺乏理论指导。另外一方面，各区域代表风机的预测风速是否可以完全代表本区域所有风机的预测风速，也缺乏理论分析，这些是风电场功率预测误差形成的重要原因之一。
发明内容
本发明为了解决上述问题，提出了一种基于风资源相关性分析的风电功率预测方法，本发明给出风电场区域划分的理论依据与划分原则，同时给出区域内除代表风机外的其余风机预测风速的获取方法，以单台风机的发电功率预测为基础，实现风电场整场的发电功率预测。
为了实现上述目的，本发明采用如下技术方案：
一种基于风资源相关性分析的风电功率预测方法，包括以下步骤：
(1)确定各个风机之间风速的线性相关性，根据线性相关性将风机进行区域划分；
(2)将每个区域内可利用率最高的风机选作代表风机，以其所在位置作为该区域天气预报的预报点；
(3)获取每个区域内代表风机的数值天气预报值，根据其确定代表风机的风速预测值，根据代表风机的风速预测值与线性相关性，获取其他风机的风速预测值；
(4)根据各个风机输出功率特性曲线与风速预测值，确定得到各个风机的功率预测值，计算整个风电场的功率预测值。
所述步骤(1)中，各风机之间风速的线性相关性分析采用皮尔森相关系数进行计算。
所述步骤(1)中，根据历史风速数据计算皮尔森相关系数。
所述步骤(1)中，若某两台风机之间的皮尔森相关系数符合设定阈值则认为两台风机线性相关，属于同一区域。
所述步骤(1)中，若皮尔森相关系数的设定阈值为大于等于0.7小于1。
所述步骤(3)中，区域内除代表风机之外的其余风机的风速预测值根据风机与代表风机之间的线性相关性，通过回归方程获得。
所述步骤(4)中，将风速预测值代入到各台风机的输出功率曲线中，获取各台风机的发电功率预测值，再相加以获得风电场整场的发电功率预测结果。
本发明的有益效果为：
(1)本发明的基于风资源相关性分析的风电功率预测方法通过分析风机之间的风速相关性，给出了风电场区域划分的原则与依据；
(2)在各区域内，根据各风机风速之间的强线性相关关系，通过回归方程将代表风机点的风速预测值换算到区域内的其余风机，得到各台风机的风速预测；
(3)该风速预测值合理有效，以此为基础得到单台风机的发电功率预测，继而相加获得风电场整场发电功率预测结果；
(4)本发明计算过程简单，不依懒于人为因素。
附图说明
图1是本发明的流程图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
如图1所示，基于风资源相关性分析的风电功率预测方法，其特征在于，包括如下步骤：
1)分析各风机之间风速的线性相关性，将风速强线性相关的风机划归为一个区域；
2)每个区域选取可利用率最高的风机作为该区域的代表风机，代表风机所在位置作为本区域数值天气预报的预报点；
3)区域内代表风机的风速预测值即为该区域的数值天气预报值，区域内其余风机的风速预测值根据各风机与代表风机之间的线性相关性获得；
4)将各台风机的风速预测值代入各风机的输出功率特性曲线，获得各风机的功率预测值，相加后得到整个风电场的功率预测值。
本发明方法分析各风机之间风速的线性相关性，将风速强线性相关的风机划归为一个区域。
本发明方法在分析风机之间风速的线性相关性时采用皮尔森相关系数，计算方法如下：
对任意两台风机A和B取n个历史风速数据，分别为vAi和vBi，其中i∈[1,n]。则风机A和B的皮尔森相关系数rAB定义为：
若|rAB|∈[0.7,1)，则两台风机A和B之间的风速强线性相关。
本发明方法在每个区域选取可利用率最高的风机作为该区域的代表风机，代表风机所在位置作为本区域数值天气预报的预报点。
本发明方法令区域内代表风机的风速预测值即为该区域的数值天气预报值，区域内其余风机的风速预测值根据各风机与代表风机之间的线性相关性，通过回归方程获得，获得方法如下：
设区域内代表风机D的风速预测值为vD，则区域内任意一台风机G的风速预测值vG为:vG＝a+bvD。其中a和b为回归系数，具体计算过程如下：
取计算该两台风机之间皮尔森相关系数时的历史风速数据vGi和vDi，和分别为两组历史风速的平均值，则有：
本发明方法将各台风机的风速预测值代入各风机的输出功率特性曲线，获得各风机的功率预测值，相加后得到整个风电场的功率预测值。
设风电场建设有67台风机，风机编号为66，风机ni表示编号为i的风机，其中i∈[1,67]。风机的风速预测过程如下：
1.取任意两台风机ni和nj的历史风速数据，根据式(1)计算其皮尔森相关系数rij。历史风速数据的选取根据风电场运行条件来确定，对于已建成投运满一年的风电场，选取近一年的历史风速数据，对于运行不满一年的风电场，选取自运行开始至今的历史风速数据。计算完毕后根据各风机之间的皮尔森相关系数，将强线性相关的风机划分为一个区域。假设划分为三个区域分别为D1，D2和D3。其中D1包含风机n1至n12，D2包含风机n13至n43，D3包含风机n44至n67。
2.各区域选择可利用率最高的风机作为本区域内的代表风机，假设D1内的代表风机为n2，D2内的代表风机为n20，D3内的代表风机为n49。与此同时将风机n2、n20和n49所在的位置作为数值天气预报的预报点。
3.各区域内代表风机的预测风速即为该区域内数值天气预报的值，即有:v2＝vD1，v20＝vD2，v49＝vD3，各区域内的其余风机的预测值根据各风机与代表风机之间的线性相关性，通过回归方程获得。以区域D1内风机n1为例，利用计算皮尔森相关系数r12时的历史数据，根据式(2)计算回归方程的回归系数a1和b1，则可得风机n1的预测风速为v1＝a1+b1v2，其余可依此类推。
4.在获取风机n1至n67的风速预测值v1至v67后，将风速预测值代入到各台风机的输出功率曲线中，获取各台风机的发电功率预测值，再相加从而获得风电场整场的发电功率预测结果。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种基于风资源相关性分析的风电功率预测方法，其特征是：包括以下步骤：
(1)确定各个风机之间风速的线性相关性，根据线性相关性将风机进行区域划分，将风速强线性相关的风机划归为一个区域；
(2)将每个区域内可利用率最高的风机选作代表风机，以其所在位置作为该区域天气预报的预报点；
(3)获取每个区域内代表风机的数值天气预报值，根据其确定代表风机的风速预测值，根据代表风机的风速预测值与线性相关性，获取其他风机的风速预测值；
(4)根据各个风机输出功率特性曲线与风速预测值，确定得到各个风机的功率预测值，计算整个风电场的功率预测值。
2.如权利要求1所述的一种基于风资源相关性分析的风电功率预测方法，其特征是：所述步骤(1)中，各风机之间风速的线性相关性分析采用皮尔森相关系数进行计算。
3.如权利要求1所述的一种基于风资源相关性分析的风电功率预测方法，其特征是：所述步骤(1)中，根据历史风速数据计算皮尔森相关系数。
4.如权利要求1所述的一种基于风资源相关性分析的风电功率预测方法，其特征是：所述步骤(1)中，若某两台风机之间的皮尔森相关系数符合设定阈值则认为两台风机线性相关，属于同一区域。
5.如权利要求4所述的一种基于风资源相关性分析的风电功率预测方法，其特征是：所述步骤(1)中，皮尔森相关系数的设定阈值在大于等于0.7小于1这个范围内。
6.如权利要求1所述的一种基于风资源相关性分析的风电功率预测方法，其特征是：所述步骤(3)中，区域内除代表风机之外的其余风机的风速预测值根据风机与代表风机之间的线性相关性，通过回归方程获得。
7.如权利要求1所述的一种基于风资源相关性分析的风电功率预测方法，其特征是：所述步骤(4)中，将风速预测值代入到各台风机的输出功率曲线中，获取各台风机的发电功率预测值，再相加以获得风电场整场的发电功率预测结果。
CN201610371066.0A 2016-05-30 2016-05-30 一种基于风资源相关性分析的风电功率预测方法 Active CN106067073B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610371066.0A CN106067073B (zh) 2016-05-30 2016-05-30 一种基于风资源相关性分析的风电功率预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610371066.0A CN106067073B (zh) 2016-05-30 2016-05-30 一种基于风资源相关性分析的风电功率预测方法

Publications (2)

Publication Number Publication Date
CN106067073A CN106067073A (zh) 2016-11-02
CN106067073B true CN106067073B (zh) 2019-10-25

Family

ID=57420968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610371066.0A Active CN106067073B (zh) 2016-05-30 2016-05-30 一种基于风资源相关性分析的风电功率预测方法

Country Status (1)

Country Link
CN (1) CN106067073B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109102101B (zh) * 2017-06-21 2021-01-26 北京金风科创风电设备有限公司 风电场风速的预测方法和系统
CN107704953A (zh) * 2017-09-20 2018-02-16 河海大学 Ewt分位数回归森林的短期风电功率概率密度预测方法
CN109944740B (zh) * 2017-12-21 2020-10-27 北京金风科创风电设备有限公司 风电场场群控制方法和设备
CN112018764A (zh) * 2020-09-07 2020-12-01 华北电力大学（保定） 定制化风功率预测方法、预测装置、测风装置和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102570449A (zh) * 2011-12-21 2012-07-11 西安交通大学 一种基于时空分布特性的区域风电功率预测方法
CN103400212A (zh) * 2013-08-21 2013-11-20 国家电网公司 风电场风力发电机组的等值风速动态预测方法
CN103679298A (zh) * 2013-12-27 2014-03-26 中能电力科技开发有限公司 风电场短期功率预测精度的评价方法
CN104657791A (zh) * 2015-02-28 2015-05-27 武汉大学 一种基于相关性分析的风电场群风速分布预测方法
CN105354349A (zh) * 2015-09-17 2016-02-24 贵州电网有限责任公司电网规划研究中心 一种山区大型风电场风速建模方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102570449A (zh) * 2011-12-21 2012-07-11 西安交通大学 一种基于时空分布特性的区域风电功率预测方法
CN103400212A (zh) * 2013-08-21 2013-11-20 国家电网公司 风电场风力发电机组的等值风速动态预测方法
CN103679298A (zh) * 2013-12-27 2014-03-26 中能电力科技开发有限公司 风电场短期功率预测精度的评价方法
CN104657791A (zh) * 2015-02-28 2015-05-27 武汉大学 一种基于相关性分析的风电场群风速分布预测方法
CN105354349A (zh) * 2015-09-17 2016-02-24 贵州电网有限责任公司电网规划研究中心 一种山区大型风电场风速建模方法

Also Published As

Publication number Publication date
CN106067073A (zh) 2016-11-02

Similar Documents

Publication Publication Date Title
CN106067073B (zh) 一种基于风资源相关性分析的风电功率预测方法
WO2016037303A1 (zh) 一种新能源发电在线接纳能力评估方法
Mohandes et al. Estimation of wind speed profile using adaptive neuro-fuzzy inference system (ANFIS)
CN103279804B (zh) 超短期风电功率的预测方法
CN104319807B (zh) 一种基于Copula函数获取多风电场容量可信度的方法
CN104732300B (zh) 一种基于模糊分区理论的神经网络风功率短期预测方法
CN103455716B (zh) 一种基于超短期风电功率预测的电力系统电压稳定裕度计算方法
CN105488592A (zh) 一种光伏电站发电量预测的方法
CN105719028A (zh) 一种基于多因素混沌支持向量机的空调负荷动态预测方法
CN109558968B (zh) 风电场出力相关性分析方法及装置
WO2020140393A1 (zh) 一种大规模风电场群辅助调度方法及装置
CN110991701A (zh) 一种基于数据融合的风电场风机风速预测方法及系统
CN106611243A (zh) 一种基于garch模型的风速预测残差修正方法
Japar et al. Estimating the wake losses in large wind farms: A machine learning approach
CN104915889A (zh) 一种基于日负荷曲线在线获取综合负荷模型参数的方法
CN102567076A (zh) 一种基于能耗的服务器整合方案选择方法
CN104037803B (zh) 区域风电场群时序电量的统计与分析方法
CN117039926A (zh) 风电场多集群可用惯量评估方法及装置
CN106026161A (zh) 一种区域可利用风能资源分析评估方法
Thomas et al. Comparison of two wake models for use in gradient-based wind farm layout optimization
CN114282445A (zh) 循环水系统运行优化方法以及相关设备
CN104331748A (zh) 一种预测规划目标年风电场群持续功率曲线的方法
CN107451697A (zh) 一种基于复合数据修复的风功率预测方法
CN103400212A (zh) 风电场风力发电机组的等值风速动态预测方法
Chen et al. Study of relationship between electricity consumption and economic growth in Sichuan province

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20170119

Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Applicant after: State Power Networks Co

Applicant after: DUCHENG WEIYE GROUP CO., LTD.

Applicant after: LUNENG GROUP CO., LTD.

Applicant after: Ducheng Green Energy Co., Ltd.

Applicant after: State Grid Zhejiang Electric Power Company

Address before: Room 1, building No. 5, Chaoyang Street, Beijing, No. 315, Chaoyang District, China

Applicant before: Ducheng Green Energy Co., Ltd.

GR01 Patent grant
GR01 Patent grant