CN112761896A - 提高风力发电站发电量预测精度的计算方法、装置和计算机设备 - Google Patents

提高风力发电站发电量预测精度的计算方法、装置和计算机设备 Download PDF

Info

Publication number
CN112761896A
CN112761896A CN202011015445.9A CN202011015445A CN112761896A CN 112761896 A CN112761896 A CN 112761896A CN 202011015445 A CN202011015445 A CN 202011015445A CN 112761896 A CN112761896 A CN 112761896A
Authority
CN
China
Prior art keywords
power generation
wind
generation amount
value
grid
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.)
Granted
Application number
CN202011015445.9A
Other languages
English (en)
Other versions
CN112761896B (zh
Inventor
李原
赵雪楠
王松
徐国强
项颂
易善军
马继涛
尚国政
石永富
陈颖
尹洪全
万玉良
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.)
State Grid Corp of China SGCC
Shandong University
East Inner Mongolia Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Shandong University
East Inner Mongolia 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 State Grid Corp of China SGCC, Shandong University, East Inner Mongolia Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011015445.9A priority Critical patent/CN112761896B/zh
Publication of CN112761896A publication Critical patent/CN112761896A/zh
Application granted granted Critical
Publication of CN112761896B publication Critical patent/CN112761896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/40—Type of control system
    • F05B2270/404—Type of control system active, predictive, or anticipative
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Wind Motors (AREA)

Abstract

本发明为提高风力发电站发电量预测精度的计算方法、装置和计算机设备。其技术方案为：获取包含风力发电机的地理区域，将所述地理区域根据天气预测能力划分网格，依次获取所述网格内的风速预测值信息、所述网格内风力发电机性能信息和所述网格内风力发电机实际发电量；计算每个风力发电机的不同时段下的发电量预测值，将所述网格内所有风力发电机同一时段内的发电量预测值叠加，得到发电量预测初值；获取风力发电机实际发电值，将实际发电值与所述发电量预测初值比对相减，并将结果获取绝对值，输出误差值最小的所述发电量预测初值，并输出与所述发电量预测初值对应的网格，并将该网格所对应的发电量预测初值作为预测值输出。

Description

提高风力发电站发电量预测精度的计算方法、装置和计算机 设备
技术领域
本发明涉及风力发电站技术领域，特别是一种提高风力发电站发电量预测精度的计算方法、装置和计算机设备。
背景技术
由于对能源短缺，环境问题的重视，风能作为一种清洁能源不断被开发利用，风力发电技术不断发展。但由于风具有波动性和随机性的特点，弃风现象日益突出，为提高风能的利用率，提高风能的消纳水平，需要对风力发电站发电量进行准确预测。
目前，通常使用将包含有风速的多种天气数据代入功率转换曲线来生成发电量预测值，但这种方法容易受到天气预报值的位置偏差或时间偏差的影响，导致预测偏差。此外，在大型风力发电站中，大量的风力发电机安装在数平方公里的区域内，风力发电机容易受到雷击，强风或人为等因素的影响造成故障或停机，风力发电站的输出也会显著变化，这会影响输出预测的准确性。
发明内容
针对上述问题，本发明提供了一种提高风力发电站发电量预测精度的计算方法，包括如下步骤：
获取包含风力发电机的地理区域，将所述地理区域根据天气预测能力划分网格，依次获取所述网格内的风速预测值信息、所述网格内风力发电机性能信息和所述网格内风力发电机实际发电量；
获取各个所述网格内风力发电机的数量；
获取每个风力发电机各时段的运行信息以及该时段下功率曲线；
计算每个风力发电机的不同时段下的发电量预测值，将所述网格内所有风力发电机同一时段内的发电量预测值叠加，得到所述网格该时段下的发电量预测初值；其中，所述发电量预测值的计算方式为根据所述风速预测值信息与风力发电机发电量之间的功率曲线来计算风力发电站发电量的预测值；
获取不同时段下所述网格内的风力发电机实际发电值，将所述网格内同一时间段内的实际发电值与所述发电量预测初值比对相减，并将结果获取绝对值，得到误差值，输出误差值最小的所述发电量预测初值，并输出与所述发电量预测初值对应的网格，并将该网格所对应的发电量预测初值作为预测值输出；
获取所述地理区域内含有所述网格数量，将所述网格数量与所述预测值计算得到所述地理区域的风力发电站发电量总预测值，输出所述总预测值。
进一步地，所述依次获取所述网格内的风速预测值信息、所述网格内风力发电机性能信息和所述网格内风力发电机实际发电量的步骤，包括：
所述风速预测值信息为气象局接收诸如风速的天气预报值的天气预报信息。
进一步地，所述天气预测能力为：气象局智能网格预报业务的能力，包括有预测的时间尺度以及预测的网络空间分辨率。
进一步地，所述获取不同时段下所述网格内的风力发电机实际发电值，将所述网格内同一时间段内的实际发电值与所述发电量预测初值比对相减，并将结果获取绝对值，得到误差值，输出误差值最小的所述发电量预测初值，并输出与所述发电量预测初值对应的网格，并将该网格所对应的发电量预测初值作为预测值输出的步骤，包括：将风力发电站的发电实际结果与该时间段内各网格的预测值进行比较，得到误差最小的预测值，然后选取对应网格未来时间段中计算得到的预测值作为风力发电站发电量的预测值。
本发明还提供一种提高风力发电站发电量预测精度的装置，所述装置包括：
输入单元：所述输入单元获取包含风力发电机的地理区域，将所述地理区域根据天气预测能力划分的网格，所述输入单元依次获取所述网格内的风速预测值信息、所述网格内风力发电机性能信息和所述网格内风力发电机实际发电量；
所述输入单元获取各个所述网格内风力发电机的数量；
所述输入单元获取每个风力发电机各时段的运行信息以及该时段下功率曲线；
计算单元：所述计算单元计算每个风力发电机的不同时段下的发电量预测值，所述计算单元将所述网格内所有风力发电机同一时段内的发电量预测值叠加，得到所述网格该时段下的发电量预测初值；其中，所述发电量预测值的计算方式为根据所述风速预测值信息与风力发电机发电量之间的功率曲线来计算风力发电站发电量的预测值；
选择单元：所述选择单元获取不同时段下所述网格内的风力发电机实际发电值，所述选择单元将所述网格内同一时间段内的实际发电值与所述发电量预测初值比对相减，并将结果获取绝对值，得到误差值，所述选择单元选择误差值最小的所述发电量预测初值，并选择与所述发电量预测初值对应的网格，并将该网格所对应的发电量预测初值作为预测值输出；
输出单元：所述输出单元获取所述地理区域内含有所述网格数量，所述输出单元将所述网格数量与所述预测值计算得到所述地理区域的风力发电站发电量总预测值，所述输出单元输出所述总预测值。
本发明还提供一种计算机设备，包括有CPU，RAM，ROM和在CPU上运行的程序，执行程序时能够实现上述提高风力发电站发电量预测精度的计算方法、装置的功能。
附图说明
图1为本发明实施例子发电量预测装置的风力发电站及其外围区域的示意图。
图2为本发明实施例子的发电量预测装置的功能框图。
图3为本发明实施例子的发电量预测装置的动作流程图。
图4为本发明实施例子输入到发电量预测装置的风速预测值的示例图。
图5为本发明实施例子风力发电机风速转换为发电量的功率曲线示例图。
图6为本发明实施例子将风速预测值计算为发电量的示例图。
图7为本发明实施例子表示某一时间的发电预测结果示例图。
图8为本发明实施例子表示提高精度后不同时间的发电预测结果示例图。
具体实施方式
天气预测和地理区域划分
用于这种预测的天气数据可以是中国气象局提供的数值预报数据。目前，已实现5km 网格的天气预报值。因此，在本实例当中，将由5km边长作为网格范围。需要注意的是，若使用其它天气预报数据，则定义的网格范围应与预测精度相匹配。
参考图1，绘出了本发明实施例子来预测的风力发电站地点，并将包括有该风力发电站的区域划分了网格。
如图1所示，提供了包括风力发电机31-36的风力发电站3。风力发电机31-36中的每一个可以表示为单个风力发电机，或者可以代表多个风力发电机。
在本实施例中，选用5km边长作为网格范围，因此，将包括风力发电站3的安装位置的区域(图1中的粗线包围的区域)进行划分，如图1所示，包括风力发电地点3的区域被划分成以8行和7列布置的56个网格A1至G8，并且风力发电地点3位于所划区域内部，周围有5km范围的网格包围。因此，在本实施方式中，将提供风力发电站3以及周围5km 以内区域的天气预报数据。当然，提供天气预报数据的区域可以扩展到例如风力发电站点 3之外的10km，或者可以适当减小。另外，可根据实际情况，将用于发电量的预测的气象预报数据限定为特定网格的预报数据，无需将属于这样的区域的全部的网格的气象预测数据用于发电量的预测。
在本实施例中使用风速的预报值，但也可以同时使用其他天气预报值，例如湿度、气压等预测值。
发电量预测装置各部分功能
参照图2、图4-6、图7A和图8B，说明本实施例的发电量预测装置的结构。图2是表示发电量预测装置功能的框图。图4表示输入到发电量预测装置的风速预报值的示例图。
图5表示风力发电机风速转化为发电量的关系图。图6表示将风速预报值计算为发电量的一个例子。图7A表示某时间的发电量的预测结果的示例，图8B表示与图7A不同的时间发电量的预测结果的示例。
第一部分：输入单元。
如图2所示，发电量预测方法将包括输入单元11，计算单元12，选择单元13，输出单元14和存储单元15。为了便于说明，假定最新的天气预报信息是在2019年12月20日的0：00分发的(见图4和图6)。
输入单元11是输入外部数据用于发电量预测方法。具体地，输入单元11可以从例如气象局接收诸如风速的天气预报值的天气预报信息。在本实施例中，假设对于56个网格A1至 G8中的每一个，以预定的时间间隔(例如，每小时)来发送预测信息，例如，从当前时间到后 9小时的天气预测数据，每小时分发一次。(见图4)。在此，风速如图4所示，由南北方向的大小和东西方向的大小决定。也可以由风向和大小决定。在此，所使用的的风速预测值的数据，应与风力发电机机舱高度相匹配。在本实施例中，使用海平面50m的预定高度处的风速预测值。
此外，输入单元11还需要接收安装在风力发电站3中的信息，包括接收风力发电站3
中的发电性能的性能信息以及风力发电机的运营信息，例如风力发电机31至36的故障或由于检查或维护而导致的操作停止的信息。在本实施例中，性能信息将会与预测信息相同的时间间隔(例如，每小时)分布。但可以根据实际情况，以不同的时间间隔(例如，每30分钟)分布。需要注意的是，由输入单元11接收的各种信息将在存储单元15中存储。
在本实施例中，如上所述，使用者可以经由键盘、触摸面板或者网络传输等输入方式来对规定区域内的所有网格提供预测信息。但根据实际情况，输入单元11可以被设计为只接收与预测发电量有关的特定网格相应的天气预测信息。
第二部分：计算单元。
计算单元12将根据包括风力发电机31-36的安装位置的56个网格A1-G8中的风速的预测值的预测信息(见图4)来进行发电量的预测。将输入的风速预测值进行转换，再计算发电量的预测值。
具体地，计算单元12首先将由南北分量Vy和东西分量Vx表示的风速V转换成绝对值|V|。如果预测风速由风速的大小和方向给出，则不需要这种转换。
Figure RE-GDA0002994062830000041
计算单元12将使用存储在存储单元15中的计算式，根据预测风速的绝对值|V|计算得出风力发电机的机舱海拔高度处风速预测值|V′|，若每个风力发电机31-36的机舱的高度不同，则将分别计算，得到|V′1|-|V′6|。当天气预测给出的数据是风力发电机的机舱的高度处的风速数据时，则不需要上述转换的过程，并且|V|＝|V′|。
根据计算得出的风速的预测值|V′|，计算单元12将其代入到如图5所示的功率转换曲线上，将其转换为发电量。例如，当使用运转的风力发电机31-36的风速的预测值|V′1|-|V′6| 时，将各个风速的预测值应用于功率曲线。将各个风力发电机发电量的预测值相加，得到风力发电站3发电量的预测值。在这种情况下，如果为每个风力发电机使用不同的功率曲线，则可以提高预测的准确性。其中，运转中的风力发电机信息以及关于风力发电机31-36的功率转换信息等存储在存储单元15当中。计算单元根据存储单元15中的信息进行相应计算。
在本实施例中，每当输入单元11接收到预测信息时，计算单元12将会执行发电量的预测计算。如上所述，对于56个网格中的每一个，都将得出从当前时间到后9小时按小时间隔的风力发电站3发电量的预测信息，因此一次计算操作将会得到560(56×10)个计算值(见图6)。这种方式计算得到的发电量预测值将会存储在存储单元15中。
第三部分：选择单元。
根据上述计算得到的多个网格的发电量预测值，选择单元13将风力发电站3发电的实际结果与该时间内发电的预测值相比较，选择误差结果最小的预测值所对应的网格。那么，该网格中计算得到未来时间发电量的预测值，将作为风力发电站3发电量的预测值。
例如，图4所示为2019年12月20日0时发布的预测信息，包含有网格A1， A2，…A8，…G8的风速预测值。根据计算单元12，计算得到的发电量预测值为550kW， 538kW，…513kW，…425kW，如图6所示。当通知2019年12月20日的0时风力发电站3的实际发电量为510kW时，选择单元13将实际发电量与上述56个发电量预测值分别进行比较。其中，网格A8的发电量预测值513kW判断为与实际发电量510kW具有最小的误差。则选择单元将会选择网格A8后未来时间段的发电量预测值作为风力发电站3的发电量的预测值，如图7A所示。
在本实施例中，每次得到风力发电场所3实际的发电量信息时，选择单元13将实际发电量结果与该时间段的56个发电量预测值进行比较，选择与实际发电量相较误差最小的预测值所对应的网格，将该网格未来时间发电量的预测值作为风力发电站3的发电量预测值。因此，根据实际的发电情况，选择的网格可以以预定的时间间隔做出改变，未来时间的发电量预测值也将发生变化。在上述图6的示例中，假设风速预测值发生变化之前得到了2019年12月20日1时的实际发电量结果820kW。在这种情况下，根据图6得到的2019年12月20日1时的发电量预测值为：(A1，A2，…A8， B1，…G8)＝(538，513，…788，663，…833)。那么，由于网格G8中在1时的发电量预测结果与实际发电量结果最为接近，因此选择单元13将更改选择，网格G8的未来时间段的发电量的预测值作为风力发电站3的发电预测值，如图8B所示。
第四部分：输出单元。
输出单元14在选择单元13选定区域后将计算单元12计算出的发电量预测值输出。为了方便观察，输出单元14可以设置为表格或曲线图的形式输出预测值。图7A和8B所示为输出单元14输出的发电预测值。
第五部分：存储单元
存储单元15将存储以下几个方面的内容：
(1)存储由输入单元11接收的风速预测信息。
(2)存储风力发电站3实际发电量信息，以及风力发电机31-36的机舱高度，风力发电机31-36相对应的功率曲线和风力发电机31-36的操作运行的信息。
(3)存储由计算单元12计算出的各网格、各时间段的发电量预测值。
(4)存储用于执行发电量预测装置1的各个功能的程序。
上述输入单元11，计算单元12，选择单元13，输出单元14和存储单元15的功能由包括有CPU，RAM和ROM的计算机实现。
发电量预测装置的操作
根据以上装置各单元的描述，发电量预测装置操作步骤如下，其流程图如图3所示。
当发电量预测装置1选择了要预测的风力发电站时，首先，在步骤S1中，划分要从中获得风速预测值的地理网格。在本实施例中，所选择的网格是属于风力发电站点3之外5km的区域的56个网格A1-G8。使用这种方法，能够减少由于天气预报值的位置偏差和时间偏差所引起的预测值误差，提高预测精度。在实际的情况下，操作者可以根据自身需求改变划分的网格，调整网格包含范围以及网格大小，从而在提高计算处理的效率和速度的同时，还能够获得准确的预测值。
在步骤S2中，将各网格的风速预测值计算得到风力发电站发电量的预测值，由计算单元12执行。在计算为发电量时，使用了属于风力发电站3的风力发电机31-36的运转信息。因此，预测装置能够考虑风力发电机发生故障时的状态，从而能够提高预测的精度。
在步骤S3中，将计算得到的各网格的发电量预测值与风力发电站3实际的发电量作比较。取误差最小的发电预测值，并取其对应网格中的未来时间段的预测值作为风力发电站3的发电量预测值。预测值的选择由选择单元13执行。
在步骤S4中，将所选择的发电量的预测值经由输出单元14输出到显示装置。结果，系统操作员可以基于最新信息使用高度准确的预测值来操作系统。
如上所述，在本实施例中，利用了风力发电站3中各发电机的运行信息，能够减小由于风力发电站点3中的风力发电机的运行停止而引起的预测误差；选用网格A1-G8的设定范围在风力发电站3的安装站点更大的区域上，根据实际发电量来选误差最小的发电预测值，并将其对应的网格中未来时间段的发电预测值作为风力发电站3的预测发电量，能够减少由于天气预报值的位置偏差或时间偏差引起的预测误差；每当输入风力发电站3的实际发电结果时，发电量的预测值就被更新，提高预测精度。这使得能够有效且稳定地执行后续计划。
计算单元12使用各自风力发电机的风速与发电量之间的转换关系的电力曲线来计算发电量预测值，从而可以根据每个风力发电机的特性来预测发电量；使用在风力发电机的机舱高度处的风速预测值来计算发电量预测值，从而可以在接近风力发电机实际接收的风力条件下来计算发电预测量。因此可以提高预测的准确性。
计算单元12按预定时间间隔计算发电量预测值，选择单元13在计算完成后选择预测值，输出单元14输出选择的预测值。结果，发电的预测值被周期性地更新，从而可以提供出更准确的预测值。此外，也可以将其实现自动化来提高预测操作的效率。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围。

Claims (6)

1.一种提高风力发电站发电量预测精度的计算方法，其特征在于，包括如下步骤：
获取包含风力发电机的地理区域，将所述地理区域根据天气预测能力划分网格，依次获取所述网格内的风速预测值信息、所述网格内风力发电机性能信息和所述网格内风力发电机实际发电量；
获取各个所述网格内风力发电机的数量；
获取每个风力发电机各时段的运行信息以及该时段下功率曲线；
计算每个风力发电机的不同时段下的发电量预测值，将所述网格内所有风力发电机同一时段内的发电量预测值叠加，得到所述网格该时段下的发电量预测初值；其中，所述发电量预测值的计算方式为根据所述风速预测值信息与风力发电机发电量之间的功率曲线来计算风力发电站发电量的预测值；
获取不同时段下所述网格内的风力发电机实际发电值，将所述网格内同一时间段内的实际发电值与所述发电量预测初值比对相减，并将结果获取绝对值，得到误差值，输出误差值最小的所述发电量预测初值，并输出与所述发电量预测初值对应的网格，并将该网格所对应的发电量预测初值作为预测值输出；
获取所述地理区域内含有所述网格数量，将所述网格数量与所述预测值计算得到所述地理区域的风力发电站发电量总预测值，输出所述总预测值。
2.根据权利要求1所述的提高风力发电站发电量预测精度的计算方法，其特征在于，所述依次获取所述网格内的风速预测值信息、所述网格内风力发电机性能信息和所述网格内风力发电机实际发电量的步骤，包括：
所述风速预测值信息为气象局接收诸如风速的天气预报值的天气预报信息。
3.根据权利要求1所述的提高风力发电站发电量预测精度的计算方法，其特征在于，所述天气预测能力为：气象局智能网格预报业务的能力，包括有预测的时间尺度以及预测的网络空间分辨率。
4.根据权利要求3所述的提高风力发电站发电量预测精度的计算方法，其特征在于，所述获取不同时段下所述网格内的风力发电机实际发电值，将所述网格内同一时间段内的实际发电值与所述发电量预测初值比对相减，并将结果获取绝对值，得到误差值，输出误差值最小的所述发电量预测初值，并输出与所述发电量预测初值对应的网格，并将该网格所对应的发电量预测初值作为预测值输出的步骤，包括：将风力发电站的发电实际结果与该时间段内各网格的预测值进行比较，得到误差最小的预测值，然后选取对应网格未来时间段中计算得到的预测值作为风力发电站发电量的预测值。
5.一种提高风力发电站发电量预测精度的装置，其特征在于，所述装置包括：
输入单元：所述输入单元获取包含风力发电机的地理区域，将所述地理区域根据天气预测能力划分的网格，所述输入单元依次获取所述网格内的风速预测值信息、所述网格内风力发电机性能信息和所述网格内风力发电机实际发电量；
所述输入单元获取各个所述网格内风力发电机的数量；
所述输入单元获取每个风力发电机各时段的运行信息以及该时段下功率曲线；
计算单元：所述计算单元计算每个风力发电机的不同时段下的发电量预测值，所述计算单元将所述网格内所有风力发电机同一时段内的发电量预测值叠加，得到所述网格该时段下的发电量预测初值；其中，所述发电量预测值的计算方式为根据所述风速预测值信息与风力发电机发电量之间的功率曲线来计算风力发电站发电量的预测值；
选择单元：所述选择单元获取不同时段下所述网格内的风力发电机实际发电值，所述选择单元将所述网格内同一时间段内的实际发电值与所述发电量预测初值比对相减，并将结果获取绝对值，得到误差值，所述选择单元选择误差值最小的所述发电量预测初值，并选择与所述发电量预测初值对应的网格，并将该网格所对应的发电量预测初值作为预测值输出；
输出单元：所述输出单元获取所述地理区域内含有所述网格数量，所述输出单元将所述网格数量与所述预测值计算得到所述地理区域的风力发电站发电量总预测值，所述输出单元输出所述总预测值。
6.一种计算机设备，包括有CPU，RAM，ROM和在CPU上运行的程序，其特征在于，执行程序时能够实现权力要求1-5的功能。
CN202011015445.9A 2020-09-24 2020-09-24 提高风力发电站发电量预测精度的计算方法、装置和计算机设备 Active CN112761896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011015445.9A CN112761896B (zh) 2020-09-24 2020-09-24 提高风力发电站发电量预测精度的计算方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011015445.9A CN112761896B (zh) 2020-09-24 2020-09-24 提高风力发电站发电量预测精度的计算方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN112761896A true CN112761896A (zh) 2021-05-07
CN112761896B CN112761896B (zh) 2024-05-14

Family

ID=75693167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011015445.9A Active CN112761896B (zh) 2020-09-24 2020-09-24 提高风力发电站发电量预测精度的计算方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN112761896B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11906951B2 (en) 2021-09-16 2024-02-20 Saudi Arabian Oil Company Method and system for managing model updates for process models

Citations (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000145614A (ja) * 1998-11-06 2000-05-26 Tohoku Electric Power Co Inc 風力発電機設置位置決定方法及び風力発電量予測方法
JP2011142790A (ja) * 2010-01-08 2011-07-21 Fuji Electric Co Ltd 太陽光発電量予測システムおよび太陽光発電量予測方法
CN102945508A (zh) * 2012-10-15 2013-02-27 风脉（武汉）可再生能源技术有限责任公司 一种基于模型校正的风电功率预测预报系统及方法
CN103150473A (zh) * 2013-03-01 2013-06-12 风脉（武汉）可再生能源技术有限责任公司 一种风电机组发电效率实时监控诊断方法及装置
JP2013222423A (ja) * 2012-04-19 2013-10-28 Hitachi Power Solutions Co Ltd 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム
CN103389388A (zh) * 2012-05-08 2013-11-13 华锐风电科技(集团)股份有限公司 风电场风速预测方法及其装置和功率预测方法及其系统
CN103485977A (zh) * 2013-09-06 2014-01-01 河海大学 风力发电系统实时功率预测的修正方法
CN103617552A (zh) * 2013-11-22 2014-03-05 冶金自动化研究设计院 一种钢铁企业发电成本优化的方法
CN103683274A (zh) * 2013-07-16 2014-03-26 国家电网公司 区域中长期风电发电量概率预测方法
JP5461748B1 (ja) * 2013-03-25 2014-04-02 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
CN104008430A (zh) * 2014-05-29 2014-08-27 华北电力大学 一种构建拟境挖掘动态智能负荷预测模型的方法
US20140244188A1 (en) * 2013-02-28 2014-08-28 International Business Machines Corporation Forecasting output power of wind turbine in wind farm
CN104331621A (zh) * 2014-11-05 2015-02-04 中国大唐集团新能源股份有限公司 一种风资源计算方法
CN104598715A (zh) * 2014-11-07 2015-05-06 国家电网公司 一种基于气候态风速预测的区域风电电量预测方法
CN104699936A (zh) * 2014-08-18 2015-06-10 沈阳工业大学 基于cfd短期风速预测风电场的扇区管理方法
EP2955368A1 (en) * 2014-06-10 2015-12-16 ABB Technology AG Optimal wind farm operation
US20160025070A1 (en) * 2014-07-28 2016-01-28 State Grid Corporation Of China Method for calculating theoretical power of a wind farm based on extrapolation of anemometer tower data
US20160025071A1 (en) * 2014-07-28 2016-01-28 State Grid Corporation Of China Method of computing theoretical power of wind farm based on sample wind turbine method
CN105337415A (zh) * 2015-11-18 2016-02-17 深圳合纵能源技术有限公司 一种基于预测控制的地区电网调度系统及其方法
JP5886407B1 (ja) * 2014-12-05 2016-03-16 中国電力株式会社 予測装置
JP2016073156A (ja) * 2014-10-01 2016-05-09 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
JP2016136004A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
JP2016136807A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
CN106321368A (zh) * 2016-08-12 2017-01-11 峰能斯格尔（北京）可再生能源科技有限公司 基于运营风机scada数据的海上风电场尾流损失测量方法
EP3118783A1 (en) * 2015-07-17 2017-01-18 General Electric Company Systems and methods for improved wind power generation
CN106523300A (zh) * 2017-01-03 2017-03-22 国电联合动力技术有限公司 基于机舱风速仪的风电机组损失电量评估方法
DE102015120306A1 (de) * 2015-11-24 2017-05-24 Wobben Properties Gmbh Verfahren zum Ausgeben von Steuerbefehlen oder Ereignismeldungen für eine Windenergieanlage oder einen Windpark sowie eine Auswerteeinrichtung und ein System hierfür
CN106762453A (zh) * 2016-12-07 2017-05-31 湖北民族学院 具有发电量预测及跟踪控制的风力发电智能网及控制方法
JP2017102760A (ja) * 2015-12-02 2017-06-08 メトロウェザー株式会社 風力発電量予測システム、風力発電量予測プログラム、および風力発電量予測方法
CN107153894A (zh) * 2017-06-02 2017-09-12 北京金风科创风电设备有限公司 一种风电场的预测风速校正方法及装置
CN107559143A (zh) * 2017-07-27 2018-01-09 华北电力大学 一种大型风力机尾缘襟翼结构参数寻优及多目标襟翼优化控制方法
CN108183677A (zh) * 2018-01-11 2018-06-19 宫正基 一种可自动清洗的风光协同发电装置
EP3406894A1 (en) * 2017-05-25 2018-11-28 Hitachi, Ltd. Adaptive power generation management
CN108979961A (zh) * 2018-07-26 2018-12-11 扬州大学 一种小型风力发电系统安全运行保护系统及其保护方法
CN109779844A (zh) * 2017-11-13 2019-05-21 北京普华亿能风电技术有限公司 风机叶片角度测量误差影响关系的获取方法及系统
CN110416996A (zh) * 2019-05-16 2019-11-05 国网山东省电力公司济南供电公司 一种基于云平台的分布式光伏集群功率预测系统
CN110594107A (zh) * 2019-10-24 2019-12-20 内蒙古青电云电力服务有限公司 一种基于快速梯度提升机的风电机组故障检测方法及装置
CN110685857A (zh) * 2019-10-16 2020-01-14 湘潭大学 一种基于集成学习的山地风电机组行为预测模型
US20200063710A1 (en) * 2018-08-23 2020-02-27 BluWave Inc. System and methods for hyper short-term wind power prediction using real-time wind parameter measurements

Patent Citations (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000145614A (ja) * 1998-11-06 2000-05-26 Tohoku Electric Power Co Inc 風力発電機設置位置決定方法及び風力発電量予測方法
JP2011142790A (ja) * 2010-01-08 2011-07-21 Fuji Electric Co Ltd 太陽光発電量予測システムおよび太陽光発電量予測方法
JP2013222423A (ja) * 2012-04-19 2013-10-28 Hitachi Power Solutions Co Ltd 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム
CN103389388A (zh) * 2012-05-08 2013-11-13 华锐风电科技(集团)股份有限公司 风电场风速预测方法及其装置和功率预测方法及其系统
CN102945508A (zh) * 2012-10-15 2013-02-27 风脉（武汉）可再生能源技术有限责任公司 一种基于模型校正的风电功率预测预报系统及方法
US20140244188A1 (en) * 2013-02-28 2014-08-28 International Business Machines Corporation Forecasting output power of wind turbine in wind farm
CN103150473A (zh) * 2013-03-01 2013-06-12 风脉（武汉）可再生能源技术有限责任公司 一种风电机组发电效率实时监控诊断方法及装置
JP5461748B1 (ja) * 2013-03-25 2014-04-02 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
CN103683274A (zh) * 2013-07-16 2014-03-26 国家电网公司 区域中长期风电发电量概率预测方法
CN103485977A (zh) * 2013-09-06 2014-01-01 河海大学 风力发电系统实时功率预测的修正方法
CN103617552A (zh) * 2013-11-22 2014-03-05 冶金自动化研究设计院 一种钢铁企业发电成本优化的方法
CN104008430A (zh) * 2014-05-29 2014-08-27 华北电力大学 一种构建拟境挖掘动态智能负荷预测模型的方法
EP2955368A1 (en) * 2014-06-10 2015-12-16 ABB Technology AG Optimal wind farm operation
US20160025070A1 (en) * 2014-07-28 2016-01-28 State Grid Corporation Of China Method for calculating theoretical power of a wind farm based on extrapolation of anemometer tower data
US20160025071A1 (en) * 2014-07-28 2016-01-28 State Grid Corporation Of China Method of computing theoretical power of wind farm based on sample wind turbine method
CN104699936A (zh) * 2014-08-18 2015-06-10 沈阳工业大学 基于cfd短期风速预测风电场的扇区管理方法
JP2016073156A (ja) * 2014-10-01 2016-05-09 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
CN104331621A (zh) * 2014-11-05 2015-02-04 中国大唐集团新能源股份有限公司 一种风资源计算方法
CN104598715A (zh) * 2014-11-07 2015-05-06 国家电网公司 一种基于气候态风速预测的区域风电电量预测方法
JP5886407B1 (ja) * 2014-12-05 2016-03-16 中国電力株式会社 予測装置
JP2016136004A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
JP2016136807A (ja) * 2015-01-23 2016-07-28 中国電力株式会社 発電量予測装置、発電量予測方法、及びプログラム
EP3118783A1 (en) * 2015-07-17 2017-01-18 General Electric Company Systems and methods for improved wind power generation
CN105337415A (zh) * 2015-11-18 2016-02-17 深圳合纵能源技术有限公司 一种基于预测控制的地区电网调度系统及其方法
DE102015120306A1 (de) * 2015-11-24 2017-05-24 Wobben Properties Gmbh Verfahren zum Ausgeben von Steuerbefehlen oder Ereignismeldungen für eine Windenergieanlage oder einen Windpark sowie eine Auswerteeinrichtung und ein System hierfür
JP2017102760A (ja) * 2015-12-02 2017-06-08 メトロウェザー株式会社 風力発電量予測システム、風力発電量予測プログラム、および風力発電量予測方法
CN106321368A (zh) * 2016-08-12 2017-01-11 峰能斯格尔（北京）可再生能源科技有限公司 基于运营风机scada数据的海上风电场尾流损失测量方法
CN106762453A (zh) * 2016-12-07 2017-05-31 湖北民族学院 具有发电量预测及跟踪控制的风力发电智能网及控制方法
CN106523300A (zh) * 2017-01-03 2017-03-22 国电联合动力技术有限公司 基于机舱风速仪的风电机组损失电量评估方法
EP3406894A1 (en) * 2017-05-25 2018-11-28 Hitachi, Ltd. Adaptive power generation management
CN107153894A (zh) * 2017-06-02 2017-09-12 北京金风科创风电设备有限公司 一种风电场的预测风速校正方法及装置
CN107559143A (zh) * 2017-07-27 2018-01-09 华北电力大学 一种大型风力机尾缘襟翼结构参数寻优及多目标襟翼优化控制方法
CN109779844A (zh) * 2017-11-13 2019-05-21 北京普华亿能风电技术有限公司 风机叶片角度测量误差影响关系的获取方法及系统
CN108183677A (zh) * 2018-01-11 2018-06-19 宫正基 一种可自动清洗的风光协同发电装置
CN108979961A (zh) * 2018-07-26 2018-12-11 扬州大学 一种小型风力发电系统安全运行保护系统及其保护方法
US20200063710A1 (en) * 2018-08-23 2020-02-27 BluWave Inc. System and methods for hyper short-term wind power prediction using real-time wind parameter measurements
CN110416996A (zh) * 2019-05-16 2019-11-05 国网山东省电力公司济南供电公司 一种基于云平台的分布式光伏集群功率预测系统
CN110685857A (zh) * 2019-10-16 2020-01-14 湘潭大学 一种基于集成学习的山地风电机组行为预测模型
CN110594107A (zh) * 2019-10-24 2019-12-20 内蒙古青电云电力服务有限公司 一种基于快速梯度提升机的风电机组故障检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
项颂: "储能型风电场作为电网黑启动电源的可行性分析", 《现代工业经济和信息化》, 31 July 2017 (2017-07-31), pages 93 - 96 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11906951B2 (en) 2021-09-16 2024-02-20 Saudi Arabian Oil Company Method and system for managing model updates for process models

Also Published As

Publication number Publication date
CN112761896B (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
CN102945508B (zh) 一种基于模型校正的风电功率预测预报方法
Wang et al. Reliability value of distributed solar+ storage systems amidst rare weather events
CN102269124B (zh) 超短期风电场发电功率预测系统
US20140337002A1 (en) Method and Instrumentation for Sustainable Energy Load Flow Management System (SelfMaster(TM))
Watts et al. Assessment of wind energy potential in Chile: A project-based regional wind supply function approach
CN103683274B (zh) 区域中长期风电发电量概率预测方法
US20110202191A1 (en) Energy generating system and control thereof
KR102283487B1 (ko) 실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템
JP5989754B2 (ja) 予測装置
CN108196317B (zh) 一种用于微电网系统的气象预测方法
CN109978242A (zh) 基于统计升尺度的光伏发电集群功率预测方法及装置
CA3162838A1 (en) System and method for load and source forecasting for increasing electrical grid component longevity
CN103996087A (zh) 一种新能源发电功率预测方法及系统
CN112761896B (zh) 提高风力发电站发电量预测精度的计算方法、装置和计算机设备
Kim et al. A probabilistic approach to potential estimation of renewable energy resources based on augmented spatial interpolation
CN112884601B (zh) 一种基于天气区划策略的电力系统运行风险评估方法
CN104008284A (zh) 测风塔在数值天气预报中的校正方法
Shaker et al. On error measures in wind forecasting evaluations
JP6435881B2 (ja) 発電量予測装置、発電量予測方法、及びプログラム
CN116667333A (zh) 一种新能源发电和用电功率预测系统及方法
JP6582418B2 (ja) 発電量予測装置、発電量予測方法、及びプログラム
Alet et al. Forecasting and observability: Critical technologies for system operations with high PV penetration
Jeyakumar et al. Short-term wind power forecasting using a Markov model
CN110705769B (zh) 新能源发电功率预测优化方法和装置
Bramm et al. Effect of Data Preprocessing on the Forecasting Accuracy of Solar Power Plant

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