CN111931967B - 一种风电场短期功率预测方法 - Google Patents

一种风电场短期功率预测方法 Download PDF

Info

Publication number
CN111931967B
CN111931967B CN201911321769.2A CN201911321769A CN111931967B CN 111931967 B CN111931967 B CN 111931967B CN 201911321769 A CN201911321769 A CN 201911321769A CN 111931967 B CN111931967 B CN 111931967B
Authority
CN
China
Prior art keywords
short
term
wind
power plant
wind speed
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
CN201911321769.2A
Other languages
English (en)
Other versions
CN111931967A (zh
Inventor
翟剑华
曹丹丹
唐孝舟
黄山峰
刘青红
孙长兰
徐浩
王小平
章叶青
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.)
NR Electric Co Ltd
NR Engineering Co Ltd
Original Assignee
NR Electric Co Ltd
NR Engineering 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 NR Electric Co Ltd, NR Engineering Co Ltd filed Critical NR Electric Co Ltd
Priority to CN201911321769.2A priority Critical patent/CN111931967B/zh
Publication of CN111931967A publication Critical patent/CN111931967A/zh
Application granted granted Critical
Publication of CN111931967B publication Critical patent/CN111931967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种风电场短期功率预测方法，包含如下步骤：(1)初始化数据选择天数；(2)对这段时间内风电场的实际发电功率和短期功率预测数据，求解各自的平均值；(3)对实际发电功率和短期功率预测数据求解相关性系数r1，根据r1的结果进行差异化处理，最终实现风电场的短期功率预测。本发明避免了风电场对数值天气预报中的预报风速过度依赖，提高了对预报风速偏差较大时的风电场短期功率预测准确率。

Description

一种风电场短期功率预测方法
技术领域
本发明涉及新能源功率预测方法，尤其涉及一种风电场短期功率预测方法。
背景技术
目前风电场的建设越来越多，风电场功率预测是风电场中重要的环节。短期功率预 测是风电场功率预测中重要的环节，风电场短期功率预测精度的高低，对风电场的发电效益至关重要，提高风电场短期功率预测精度，有利于促进电网消纳风电场的发电量， 提升风电场的经济效益。
现有的风电场短期功率预测采用的是人工智能算法，根据输入的风电场实际风速和 实际发电功率数据，采用人工智能算法后，计算出风电场的实际风速和实际发电功率的映射关系，再输入数值天气预报中的风电场预报风速，计算出风电场的短期功率预测数值。现有方法由于过度依赖数值天气预报，一旦数值天气预报数据出现较大偏差，映射 关系越准确，短期功率预测的误差越大，导致短期功率预测的准确率偏低。
发明内容
发明目的：本发明的目的是提供一种预测准确率和预测精度高的风电场短期功率预 测方法。
技术方案：本发明所述的预测方法包含如下步骤：
(1)初始化数据选择天数；
(2)对这段时间内风电场的实际发电功率和短期功率预测数据，求解各自的平均值；
(3)对实际发电功率和短期功率预测数据求解相关性系数r1，根据r1的结果进行差异化处理，最终实现风电场的短期功率预测。
步骤(1)中，初始化数据天数选择28天，或者4周～24周的整数倍。
所述步骤(3)中，根据r1的结果进行差异化处理的具体过程是：如果r1≥0.65， 以P实为输出，P短期和每日编号N(范围为从1到96)作为输入，采用多元线性回归得出 参数a1、a2、a3满足：P实＝a1*P短期+a2*N+a3；
根据风电场风速-功率关系，输入风电场原始预报风速W预报原始，计算出第二天的短期功率预测数据P短期原始，将参数a1、a2、a3代入修正第二天96点的短期功率预测P短期原始后，得出优化后的短期功率预测：P短期优化＝a1*P短期原始+a2*N+a3，实现风电场的短期功 率预测方法。
步骤(3)中，根据r1的结果进行差异化处理的具体过程是：如果r1<0.65，初始 化选取Wdays＝14天的风电场实际风速W实和历史预报风速W预报数据，对该段时间的实际 风速和预报风速数据求平均值，得到W实平均和W预报平均；求取实际风速和预报风速的相关 系数r2，根据r2的结果进行差异化处理，实现风电场的短期功率预测方法。
如果r2≥0.6，按照每天96点(15分钟一个点)循环设置14天的风电场实际风速W 实和历史预报风速W预报的编号N(1到96)，以W实为输出，W预报和编号N作为输入，采用 多元线性回归得出参数b1、b2、b3满足：W实＝b1*W预报+b2*N+b3，将参数b1、b2、b3代 入修正第二天96点的风电场原始预报风速W预报原始后，得出优化后的预报风速W预报优化＝b1*W 预报原始+b2*N+b3；输入风电场第二天的优化预报风速W预报优化，根据风机提供的风速-功率 曲线，得到单风机的短期功率预测数据P3，再根据风电场的装机容量CAP全场和单机容量 CAP单机，计算出风电场全场的短期功率预测数据P短期优化＝P3*CAP全场/CAP单机。
如果r2<0.6，输入风电场第二天的原始预报风速W预报，根据风机提供的风速-功率关系曲线，计算得到单台风机的短期功率预测数据P0，再根据风电场的装机容量CAP全场和单台风机容量CAP单机，计算出风电场全场的短期功率预测数据P1＝P0*CAP全场/CAP单机， 同时将P1的权重因子设置为Q1＝1/3；选取去年同一日的风电场实际发电功率P2，将P2 的权重因子设置为Q2＝2/3；设置优化后的短期功率预测数据P短期优化＝Q1*P1+Q2*P2，实现 风电场的短期功率预测方法。
有益效果：本发明与现有技术相比，其显著效果如下：1、避免了风电场对数值天气预报中的预报风速过度依赖，提高对预报风速偏差较大时的风电场短期功率预测准确率；2、采用多元线性回归计算参数值，提高了风电场短期功率预测精度，利于电网合 理安排全网计划生产。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步详细描述。
如图1所示，本发明提供了一种风电场短期功率预测方法，详细如下步骤：
步骤(1)，初始化选取距离当日Pdays＝28天的实际发电功率P实和短期功率预测数据P短期，时间分辨率为15min一个点。
步骤(2)，对第一轮筛选后所对应时间段的风电场所有实际发电功率数据，求解得到实际发电功率平均值P实平均，同时对该时间段的风电场短期功率预测数据进行平均值 求解，得到P短期平均。
步骤(3)，求取实际发电功率和短期功率预测数据的相关系数r1，公式如下：
Figure RE-GDA0002408619190000031
在公式(1)中：
m:表示28天中实际发电功率和短期功率预测数据的总点数(15分钟一个点)
P实i:表示28天中实际发电功率的第i个点
P短期i:表示28天中短期功率预测数据的第i个点
步骤(3-1)，对求解出的相关性系数r1进行判断，如果r1≥0.65，进入步骤(3-2)；如果r1<0.65，进入步骤(3-6)；
步骤(3-2)，按照每天96点(15分钟一个点)循环设置28天的P实和P短期的编号N(1 到96)；
步骤(3-3)，以P实为输出，P短期和编号N作为输入，采用多元线性回归得出参数 a1、a2、a3满足：P实＝a1*P短期+a2*N+a3；
步骤(3-4)，根据风电场的风速-功率关系，输入风电场原始预报风速W预报原始，计 算出第二天的短期功率预测数据P短期原始；风电场风速-功率关系计算公式如下：
Figure BDA0002327338740000032
在公式(2)中：
Cp：表示风电场风机的风能利用系数；
R：表示风电场风机的风轮半径；
ρ：表示风电场的空气密度；
W：表示风电场风速；
N：表示风电场的风机台数；
P：表示风电场功率；
步骤(3-5)，将参数a1、a2、a3代入修正第二天96点的短期功率预测数据P短期原始后，得出优化后的短期功率预测数据：P短期优化＝a1*P短期原始+a2*N+a3；
步骤(3-6)，初始化选取Wdays＝14天的风电场实际风速W实和历史预报风速W预报 样本，对样本中的实际风速和预报风速求平均值，得到W实平均和W预报平均；
步骤(3-7)，求取实际风速和预报风速的相关系数r2，公式如下：
Figure RE-GDA0002408619190000041
在公式(3)中：
k：表示14天中风电场实际风速值和预报风速值的总点数(15分钟一个点)
W实i：表示14天中风电场实际风速值的第i个点
W预报i：表示14天中预报风速值的第i个点
步骤(3-8)，对求解出的相关性系数r2进行判断，如果r2≥0.6，进入步骤(3-9)；如果r2<0.6，进入步骤(3-13)；
步骤(3-9)，按照每天96点(15分钟一个点)循环设置14天的W实和W预报的编号N(1到96)
步骤(3-10)，以W实为输出，W预报和编号N作为输入，采用多元线性回归得出参数b1、b2、b3满足：W实＝b1*W预报+b2*N+b3；
步骤(3-11)，将参数b1、b2、b3代入修正第二天96点的风电场原始预报风速W预报原始后，得出优化后的预报风速W预报优化＝b1*W预报原始+b2*N+b3；
步骤(3-12)，输入风电场的优化预报风速W预报优化，根据风机提供的风速-功率曲线，计算出单台风机的短期功率预测数据P3，再根据风电场的装机容量CAP全场和单台风机容 量CAP单机，计算出风电场全场的短期功率预测数据P短期优化＝P3*CAP全场/CAP单机
步骤(3-13)，输入风电场第二天的原始预报风速W预报，根据风机的风速-功率关系曲 线，计算出单台风机的短期功率预测数据P0，再根据风电场的装机容量CAP全场和单台风机容量CAP单机，计算出风电场全场的短期功率预测数据P1＝P0*CAP全场/CAP单机，同时将该数值P1的权重因子设置为Q1＝1/3；
步骤(3-14)，选取去年同一日的风电场实际发电功率P2，将该数值P2的权重因子设置为Q2＝2/3；
步骤(3-15)，优化后的短期功率预测数据P短期优化＝Q1*P1+Q2*P2，完成风电场的短期功率预测方法。

Claims (4)

1.一种风电场短期功率预测方法，其特征在于包含如下步骤：
(1)初始化数据选择天数；
(2)对这段时间内风电场的实际发电功率和短期功率预测数据，求解各自的平均值；
(3)对实际发电功率和短期功率预测数据求解相关性系数r1，根据r1的结果进行差异化处理，最终实现风电场的短期功率预测；根据r1的结果进行差异化处理的具体过程是：如果r1<0.65，初始化选取Wdays＝14天的风电场实际风速W实和历史预报风速W预报数据，对该段时间的实际风速和预报风速数据求平均值，得到W实平均和W预报平均；
求取实际风速和预报风速的相关系数r2，根据r2的结果进行差异化处理，实现风电场的短期功率预测方法；如果r2≥0.6，按照每天96点(15分钟一个点)循环设置14天的风电场实际风速W实和历史预报风速W预报的编号N(1到96)，以W实为输出，W预报和编号N作为输入，采用多元线性回归得出参数b1、b2、b3满足：W实＝b1*W预报+b2*N+b3，将参数b1、b2、b3代入修正第二天96点的风电场原始预报风速W预报原始后，得出优化后的预报风速W预报优化＝b1*W预报原始+b2*N+b3；输入风电场第二天的优化预报风速W预报优化，根据风机提供的风速-功率曲线，得到单风机的短期功率预测数据P3，再根据风电场的装机容量CAP全场和单机容量CAP单机，计算出风电场全场的短期功率预测数据P短期优化＝P3*CAP全场/CAP单机。
2.根据权利要求1所述的一种风电场短期功率预测方法，其特征在于：所述步骤(1)中，初始化数据天数选择28天，或者4周～24周的整数倍。
3.根据权利要求1所述的一种风电场短期功率预测方法，其特征是：所述步骤(3)中，根据r1的结果进行差异化处理的具体过程是：如果r1≥0.65，以P实为输出，P短期和每日编号N(范围为从1到96)作为输入，采用多元线性回归得出参数a1、a2、a3满足：P实＝a1*P短期+a2*N+a3；
根据风电场风速-功率关系输入风电场原始预报风速W预报原始，计算出第二天的短期功率预测数据P短期原始，将参数a1、a2、a3代入修正第二天96点的短期功率预测P短期原始后，得出优化后的短期功率预测：P短期优化＝a1*P短期原始+a2*N+a3，实现风电场的短期功率预测方法。
4.根据权利要求1所述的一种风电场短期功率预测方法，其特征在于：如果r2<0.6，输入风电场第二天的原始预报风速W预报，根据风机提供的风速-功率关系曲线，计算得到单台风机的短期功率预测数据P0，再根据风电场的装机容量CAP全场和单台风机容量CAP单机，计算出风电场全场的短期功率预测数据P1＝P0*CAP全场/CAP单机，同时将P1的权重因子设置为Q1＝1/3；
选取去年同一日的风电场实际发电功率P2，将P2的权重因子设置为Q2＝2/3；设置优化后的短期功率预测数据P短期优化＝Q1*P1+Q2*P2，实现风电场的短期功率预测方法。
CN201911321769.2A 2019-12-20 2019-12-20 一种风电场短期功率预测方法 Active CN111931967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911321769.2A CN111931967B (zh) 2019-12-20 2019-12-20 一种风电场短期功率预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911321769.2A CN111931967B (zh) 2019-12-20 2019-12-20 一种风电场短期功率预测方法

Publications (2)

Publication Number Publication Date
CN111931967A CN111931967A (zh) 2020-11-13
CN111931967B true CN111931967B (zh) 2022-07-22

Family

ID=73282761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911321769.2A Active CN111931967B (zh) 2019-12-20 2019-12-20 一种风电场短期功率预测方法

Country Status (1)

Country Link
CN (1) CN111931967B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662800A (zh) * 2022-05-18 2022-06-24 浙江浙能能源服务有限公司 一种基于人工神经网络的风电功率预测方法及系统
CN116191571B (zh) * 2023-04-17 2023-08-04 深圳量云能源网络科技有限公司 风电储能输出功率控制方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106650977A (zh) * 2015-10-29 2017-05-10 中能电力科技开发有限公司 应用于新建风电场的短期功率预测方法
CN109816165A (zh) * 2019-01-16 2019-05-28 国能日新科技股份有限公司 风电超短期功率预测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106650977A (zh) * 2015-10-29 2017-05-10 中能电力科技开发有限公司 应用于新建风电场的短期功率预测方法
CN109816165A (zh) * 2019-01-16 2019-05-28 国能日新科技股份有限公司 风电超短期功率预测方法及系统

Also Published As

Publication number Publication date
CN111931967A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN107516170B (zh) 一种基于设备故障概率和电网运行风险的差异自愈控制方法
CN110880789B (zh) 一种风电、光伏联合发电系统经济调度方法
CN110729764B (zh) 一种含光伏发电系统的优化调度方法
CN111144663B (zh) 计及出力波动过程的海上风电场超短期风功率预测方法
CN111931967B (zh) 一种风电场短期功率预测方法
CN105389634A (zh) 一种组合式短期风电功率预测系统及方法
CN103023065A (zh) 一种基于相对误差熵值法的风电短期功率预测方法
CN113379142B (zh) 一种基于风速修正和融合模型的短期风电功率预测方法
CN111222707B (zh) 一种基于时间序列突变误差校正的风速预测方法
CN110365053B (zh) 基于延迟优化策略的短期风电功率预测方法
EP3741991B1 (en) Method for dynamic real-time optimization of the performance of a wind park and wind park
CN110909958A (zh) 一种计及光伏并网功率的短期负荷预测方法
CN111404204A (zh) 一种利用改进狼群算法的含风电场电力系统优化调度方法
CN110866658A (zh) 一种城市电网中长期负荷预测方法
CN111784543A (zh) 一种基于隐马尔可夫模型预测短期光伏发电系统发电量的系统模型
CN112819238A (zh) 基于混沌鸡群优化算法的短期风电功率预测方法
CN115759465A (zh) 基于多目标协同训练和nwp隐式校正的风电功率预测方法
CN110991747A (zh) 一种计及风电场功率的短期负荷预测方法
CN105741192B (zh) 一种风电场风电机机舱短期风速组合预报方法
CN117060407B (zh) 一种基于相似日划分的风电集群功率预测方法及系统
CN113033136B (zh) 简化的光伏电池物理参数提取优化方法及系统
CN113095547A (zh) 一种基于gra-lstm-ice模型的短期风功率预测方法
CN110457800B (zh) 考虑机械惯性的水平轴风机风速出力折算方法
CN111242371A (zh) 一种基于非迭代多模型的光伏发电短期预测校正方法
CN110991748A (zh) 一种城市电网短期负荷预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant