CN115271262A - 一种广域风力发电功率预测方法、装置及存储介质 - Google Patents

一种广域风力发电功率预测方法、装置及存储介质 Download PDF

Info

Publication number
CN115271262A
CN115271262A CN202211171356.2A CN202211171356A CN115271262A CN 115271262 A CN115271262 A CN 115271262A CN 202211171356 A CN202211171356 A CN 202211171356A CN 115271262 A CN115271262 A CN 115271262A
Authority
CN
China
Prior art keywords
fan
power
wind speed
area
wind
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
CN202211171356.2A
Other languages
English (en)
Other versions
CN115271262B (zh
Inventor
刘海亮
廖诗武
马龙鹏
张培深
石淼
丁佳煜
李思凡
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.)
Nanjing Tude Technology Co ltd
Original Assignee
Nanjing Tude Technology 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 Nanjing Tude Technology Co ltd filed Critical Nanjing Tude Technology Co ltd
Priority to CN202211171356.2A priority Critical patent/CN115271262B/zh
Publication of CN115271262A publication Critical patent/CN115271262A/zh
Application granted granted Critical
Publication of CN115271262B publication Critical patent/CN115271262B/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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (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)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开一种广域风力发电功率预测方法、装置及存储介质，属于风力发电技术领域。方法包括：获取待预测区域的气象数据，区域内各台风机的地理坐标、轮毂高度和原始功率曲线数据，以及区域风电实测数据；对待预测区域进行网格划分，根据气象数据计算各网格中心的垂直风速廓线；根据风机的地理坐标、轮毂高度以及垂直风速廓线，计算风机轮毂高度处的水平风速；根据历史时段中风机轮毂高度处水平风速以及区域风电实测数据，对风机原始功率曲线进行修正；根据各台风机修正后的功率曲线对区域风机发电功率进行预测。本发明考虑气象和地理数据对广域电网风电功率曲线进行修正，进而实现区域风电功率预测，能够提升广域电网风电功率预测的准确性。

Description

一种广域风力发电功率预测方法、装置及存储介质
技术领域
本发明涉及风力发电技术领域，特别是一种基于气象和地理数据的广域风力发电功率预测方法、装置及存储介质。
背景技术
构建以新能源为主体的新型电力系统，是实现碳达峰、碳中和目标的重要支撑。目前领域内正致力于深化电力体制改革，构建以风光为主体的新型电力系统，但其中的风电存在随机性、波动性等特点，对电力平衡的贡献存在不确定性，因此，对大区电网内的风电总功率的准确预测对电网稳定和安全至关重要。
现有技术一般对风电场站级功率进行预测，利用厂商提供的功率曲线和自有的风速监测站预测出力功率；或者通过考虑风电场站内风速衰减等因素、基于计算流体力学的数值模型预测；或者利用机器学习技术，通过风电场站前侧风速和单个风机输出直接映射的回归或神经网络模型进行预测。这些方法更适用于单座风机或者含有数十座风机的小规模场站功率预测，因为这些场景一般配有丰富的风速监测装置。但是对于省级、大区或国家级别的电网来说，更重要的是精准预测电网调度区域内的成千上万台风力发电机的高时间分辨率总输出功率，以保证电力电量平衡。现有技术下，要解决该问题就要求巨大的的风速监测资源投资，这是难以实现的。
发明内容
本发明的目的是提供一种广域风力发电功率预测方法、装置及存储介质，考虑气象和地理数据对广域电网内的风电功率曲线进行修正，进而实现广域电网的功率预测，能够提升风电功率预测的准确性。本发明采用的技术方案如下。
一方面，本发明提供一种广域风力发电功率预测方法，包括：
获取待预测区域的气象数据，区域内各台风机的地理坐标、轮毂高度和原始功率曲线数据，以及历史区域风电实测数据；其中，所述气象数据包括地面粗糙度和地面以上指定高度的水平风速；
对待预测区域进行网格划分，根据所述气象数据，计算得到各网格中心的垂直风速廓线；
根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的垂直风速廓线，计算各风机轮毂高度处的水平风速；
根据历史时段中所述各风机轮毂高度处的水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，得到各风机修正后的功率曲线；
根据区域内各风机修正后的功率曲线，对待预测时段的区域风机发电功率进行预测。
可选的，所述根据区域内各风机修正后的功率曲线，对待预测时段的区域风机发电功率进行预测，包括：
根据待预测时段的气象数据，计算得到各网格中心在待预测时段的垂直风速廓线；
根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的待预测时段的垂直风速廓线，计算各风机轮毂高度处的水平风速预测值；
对于待预测区域内的各风机，根据水平风速预测值和对应的修正后的功率曲线，计算风机在待预测时段的功率预测数据；
根据待预测区域内所有风机在待预测时段的功率预测数据，计算得到待预测区域在待预测时段的风电总功率。
以上技术方案中，待预测时段的风电总功率预测结果即为区域内所有风机在待预测时段的功率预测数据的加和。
可选的，所述根据所述气象数据，计算得到各网格中心的垂直风速廓线，表示为：
Figure 3242DEST_PATH_IMAGE001
式中，
Figure 356863DEST_PATH_IMAGE002
表示地面高度
Figure 155055DEST_PATH_IMAGE003
处的水平风速，
Figure 885113DEST_PATH_IMAGE004
表示气象数据中网格中心处地面以上指定高度
Figure 849265DEST_PATH_IMAGE005
处的水平风速，
Figure 373787DEST_PATH_IMAGE006
表示网格中心处地面粗糙度。
根据以上技术方案，实际预测时，对于预测时段各网格中心的垂直风速廓线公式可同理得出。
可选的，所述地面以上指定高度
Figure 862537DEST_PATH_IMAGE005
处的水平风速为地面以上10m高度处的逐小时水平风速。除此之外，也可以是20m、50m和100m等任意垂直位置的风速。
可选的，所述根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的垂直风速廓线，计算各风机轮毂高度处的水平风速，包括：
根据风机的地理坐标确定风机所在的网格；
根据风机轮毂高度以及风机所在网格对应的垂直风速廓线，计算风机轮毂高度处的水平风速。
根据以上技术方案，实际预测时，对于预测时段各风机轮毂高度处的水平风速预测值可同理得出。
可选的，所述根据所述各风机轮毂高度处的历史水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，所得到的风机修正后的功率曲线表示为：
Figure 130708DEST_PATH_IMAGE007
式中，
Figure 185251DEST_PATH_IMAGE008
表示修正后的风机功率曲线，
Figure 411833DEST_PATH_IMAGE009
表示风机检修率，
Figure 184617DEST_PATH_IMAGE010
表示单台风机的原始功率曲线，
Figure 725320DEST_PATH_IMAGE011
表示原始功率曲线中的自变量轮毂高度处水平风速，
Figure 899949DEST_PATH_IMAGE012
表示修正后风机功率曲线中的自变量轮毂高度处水平风速，
Figure 267739DEST_PATH_IMAGE013
表示高斯函数，
Figure 527819DEST_PATH_IMAGE014
表示平均风速差，且有：
Figure 137792DEST_PATH_IMAGE015
其中，
Figure 166928DEST_PATH_IMAGE016
表示平均偏差；
Figure 469733DEST_PATH_IMAGE016
和
Figure 951530DEST_PATH_IMAGE014
通过求解设定的优化问题确定，所述优化问题的优化目标为：针对相同时段，区域风电实测数据与根据修正后功率曲线计算得到的区域风电功率预测值，两者之间的方差最小。
可选的，所述设定的优化问题表示为：
Figure 365194DEST_PATH_IMAGE017
式中，
Figure 248836DEST_PATH_IMAGE018
表示以
Figure 752236DEST_PATH_IMAGE016
和
Figure 721330DEST_PATH_IMAGE014
作为优化变量的优化问题函数；
Figure 673105DEST_PATH_IMAGE019
表示
Figure 676833DEST_PATH_IMAGE020
时刻的区域风电实测总量；
Figure 587020DEST_PATH_IMAGE021
表示
Figure 43409DEST_PATH_IMAGE020
时刻第
Figure 533297DEST_PATH_IMAGE022
台风机在轮毂高度水平风速为
Figure 892996DEST_PATH_IMAGE023
时的功率预测值，根据修正后的功率曲线计算得到；
Figure 987466DEST_PATH_IMAGE024
表示区域内风机的数量；
Figure 196731DEST_PATH_IMAGE025
表示优化计算时段的最大时刻。
以上技术方案中，优化问题的约束中，
Figure 552626DEST_PATH_IMAGE016
和
Figure 999788DEST_PATH_IMAGE014
的限值根据气象常识和地域经验上下限设定，可上下浮动。该优化问题的求解可采用最小二乘法或者穷举法等实现。
上述技术方案中，高斯函数中的参数
Figure 18822DEST_PATH_IMAGE016
可以被理解为气象数据提供的风速在目标区域内的平均偏差，这个偏差与区域地形、地表覆盖、大气层稳定特性和大气海洋模型偏差等要素相关。
Figure 449803DEST_PATH_IMAGE014
可以被理解为网格中心与实际风机位置差异带来的风速差，这个差值是依风速风向等因素在此方差范围内动态变化的。经测试，两个参数随区域和风机分布变化，但是在多年时间尺度上不会有较大变化，可保障利用本发明修正后功率曲线预测的区域风力发电功率的准确性。
第二方面，本发明提供一种广域风力发电功率预测装置，包括：
数据获取模块，被配置用于，获取待预测区域的气象数据，区域内各台风机的地理坐标、轮毂高度和原始功率曲线数据，以及历史区域风电实测数据；其中，所述气象数据包括地面粗糙度和地面以上指定高度的水平风速；
垂直风速廓线分析模块，被配置用于，对待预测区域进行网格划分，根据历史时段的气象数据，计算得到各网格中心的历史垂直风速廓线；
水平风速计算模块，被配置用于，根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的历史垂直风速廓线，计算各风机轮毂高度处的历史水平风速；
功率曲线修正模块，被配置用于，根据所述各风机轮毂高度处的历史水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，得到各风机修正后的功率曲线；
区域风电功率预测模块，被配置用于，根据区域内各风机修正后的功率曲线，对待预测时段的区域风机发电功率进行预测。
可选的，所述功率曲线修正模块根据所述各风机轮毂高度处的历史水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，所得到的风机修正后的功率曲线表示为：
Figure 750334DEST_PATH_IMAGE007
式中，
Figure 455598DEST_PATH_IMAGE008
表示修正后的风机功率曲线，
Figure 379954DEST_PATH_IMAGE009
表示风机检修率，
Figure 94969DEST_PATH_IMAGE010
表示单台风机的原始功率曲线，
Figure 995929DEST_PATH_IMAGE011
表示原始功率曲线中的自变量轮毂高度处水平风速，
Figure 791584DEST_PATH_IMAGE012
表示修正后风机功率曲线中的自变量轮毂高度处水平风速，
Figure 385376DEST_PATH_IMAGE013
表示高斯函数，
Figure 56529DEST_PATH_IMAGE014
表示平均风速差，且有：
Figure 761180DEST_PATH_IMAGE015
其中，
Figure 568599DEST_PATH_IMAGE016
表示平均偏差；
Figure 589686DEST_PATH_IMAGE016
和
Figure 216976DEST_PATH_IMAGE014
通过求解设定的优化问题确定，所述设定的优化问题表示为：
Figure 459739DEST_PATH_IMAGE026
式中，
Figure 856085DEST_PATH_IMAGE018
表示以
Figure 729363DEST_PATH_IMAGE016
和
Figure 843950DEST_PATH_IMAGE014
作为优化变量的优化问题函数；
Figure 421562DEST_PATH_IMAGE019
表示
Figure 970617DEST_PATH_IMAGE020
时刻的区域风电实测总量；
Figure 811534DEST_PATH_IMAGE021
表示
Figure 944575DEST_PATH_IMAGE020
时刻第
Figure 529140DEST_PATH_IMAGE022
台风机在轮毂高度水平风速为
Figure 103341DEST_PATH_IMAGE023
时的功率预测值，根据修正后的功率曲线计算得到；
Figure 115159DEST_PATH_IMAGE024
表示区域内风机的数量；
Figure 735497DEST_PATH_IMAGE025
表示优化计算时段的最大时刻。
第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如第一方面所提供的广域风力发电功率预测方法。
有益效果
本发明考虑气象和地理因素对风电功率的影响，根据气象预测数据对风机轮毂高度处的风速进行预测，同时，根据原始功率曲线以及轮毂风速和区域实测风电总量的历史数据，利用高斯函数计算修正的区域功率曲线，并利用修正的功率曲线对广域电网进行未来时段的风电功率预测，能够解决传统广域电网预测时中风速区间的普遍功率高估问题，高风速区间功率低估的现象也有所改善，利用本发明的区域功率曲线预测的功率时序在不同风速区间均可以有效追踪实测时序，能够为区域电网调度和电力系统模拟仿真提供可靠地数据支撑，且具有普遍适用性，可以用来预测全球任意区域的风电功率。
附图说明
图1所示为本发明广域风力发电功率预测方法在一种实施例中的流程示意图；
图2所示为本发明广域风力发电功率预测方法在一种实施例中的逻辑示意图；
图3所示为一种实施例中垂直风廓线示意图；
图4所示为一种实施例中某额定功率为3450KW风机的原始风机功率曲线示意图；
图5所示为一种实施例中按照原始功率曲线得到的区域内标幺化的预测和实测总功率的点对点对比分布示意图；
图6所示为一种实施例中按照原始功率曲线得到的区域内标幺化的预测和实测总功率的曲线对比示意图；
图7所示为一种实施例中原始功率曲线与修正后的功率曲线的对比示意图；
图8所示为一种实施例中按照修正后功率曲线得到的区域内标幺化的预测和实测总功率的点对点对比分布示意图；
图9所示为一种实施例中按照修正后功率曲线得到的区域内标幺化的预测和实测总功率的曲线对比示意图；
图10所示为一种实施例中按照修正后功率曲线得到的区域内预测和实测总功率逐小时变化的曲线对比示意图；
图11所示为一种实施例中目标区域的实测、原始功率模型预测结果和修正后功率模型预测结果的总功率逐小时时间序列曲线对比示意图。
具体实施方式
以下结合附图和具体实施例进一步描述。
本发明的技术构思参考图2所示为：首先根据气象数据和地理数据计算风机所在小范围区域内的垂直风速廓线，然后根据风机地理位置及对应的垂直风速廓线，求取区域内各风机轮毂高度处的水平风速，再根据所求得的风机轮毂高度处水平风速以及历史的区域风电总量实测值，对单风机的原始功率曲线进行修正，在实际区域风电预测时，根据各风机修正后的功率曲线以及风机轮毂高度处的水平风速预测值进行功率预测值的计算，进而获得更为可靠、准确的区域风电总量预测数据。
实施例1
本实施例介绍一种广域风力发电功率预测方法，参考图1所示，方法包括：
获取待预测区域的气象数据，区域内各台风机的地理坐标、轮毂高度和原始功率曲线数据，以及历史区域风电实测数据；其中，所述气象数据包括地面粗糙度和地面以上指定高度的水平风速；
对待预测区域进行网格划分，根据所述气象数据，计算得到各网格中心的垂直风速廓线；
根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的垂直风速廓线，计算各风机轮毂高度处的水平风速；
根据历史时段中所述各风机轮毂高度处的水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，得到各风机修正后的功率曲线；
根据区域内各风机修正后的功率曲线，对待预测时段的区域风机发电功率进行预测。
本实施例的方法在实际应用时，具体涉及以下内容。
一、数据的获取
首先确定需要实施风电功率预测的区域，然后获取对应区域的历史区域风电实测数据以及气象数据。对于气象数据的获取，可首先对区域进行网格划分，根据所划分的网格获取网格中心处地面以上指定高度的水平风速以及地面粗糙度。
气象数据可以从全球气象数据集ERA5中获取，或者从其它任意大气再分析产品中获取，如美国航天局的MERRA2、中国国家气象局的中国全球大气再分析40年产品（CRA）或者美国海洋大气管理局的CFSR等。地面粗糙度数据可以不从气象数据集中获取，而利用地表覆盖手动估算。也可以舍弃地面粗糙度，但是模型精度预计会下降。
所需获取的气象数据包括历史任一时段的气象数据以及待预测时段的气象预测数据，历史时段气象数据用来计算历史时段中风机轮毂高度处的风速进而修正风机功率曲线，待预测时段的气象预测数据则用来计算待预测时段的风机轮毂高度处风速进而计算风机发电功率预测值。
原始功率曲线可以采用额定功率相应的典型单风机功率曲线，也可以由单个风机风速和功率实测数据反演得到。图4示出了某额定功率为3450KW风机的原始风机功率曲线。
考虑到实际情况，一般单台风机的风电实测数据无记录，因此本实施例中历史区域风电实测数据采用历史区域风电总量实测值进行功率曲线的修正。
二、风机功率曲线的修正
以上已经介绍，风机功率曲线的修正基于历史数据进行，具体涉及以下内容。
2.1风机轮毂高度处风速的确定
无论是针对历史时段还是预测时段，风机轮毂高度处的确定方式原理相同，均为，首先根据地面风速时序和地面粗糙度，利用风速的垂直指数变化关系，得到各网格中心的垂直风速廓线，然后根据风机的地理位置确定风机所在网格，根据风机所在网格对应的垂直风速廓线，通过插值法计算得到各风机轮毂高度处的水平风速。
垂直风速廓线参考图3所示，其公式表示为：
Figure 356709DEST_PATH_IMAGE001
式中，
Figure 910050DEST_PATH_IMAGE002
表示地面高度
Figure 827190DEST_PATH_IMAGE003
处的水平风速，
Figure 465982DEST_PATH_IMAGE004
表示气象数据中网格中心处地面以上指定高度
Figure 893814DEST_PATH_IMAGE005
处的水平风速，
Figure 239345DEST_PATH_IMAGE027
表示网格中心处地面粗糙度。
上述地面以上指定高度
Figure 858545DEST_PATH_IMAGE005
可为地面以上10m高度，也可以是20m、50m和100m等任意垂直位置的风速。
由此，对于区域内的每个网格，在任一指定时段均可以得到一垂直风速廓线，根据相应时段的垂直风速廓线，代入该网格内任一风机的实际轮毂高度即可得到该风机轮毂高度处的水平风速
Figure 187895DEST_PATH_IMAGE002
。
2.2 风机功率曲线修正
为了得到能够使得区域风电总量预测准确度更高的风电功率曲线，本实施例根据历史时段的风机轮毂处高度风速以及历史区域风电总量实测数据，利用高斯函数进行风电功率曲线的修正。修正后的功率曲线可以被表示为原始功率曲线和一个高斯函数的卷积，表示为：
Figure 917954DEST_PATH_IMAGE007
其中，
Figure 852412DEST_PATH_IMAGE008
表示修正后的风机功率曲线，
Figure 672207DEST_PATH_IMAGE009
表示风机检修率，
Figure 692116DEST_PATH_IMAGE010
表示单台风机的原始功率曲线，可采用典型单台风机的原始功率曲线，
Figure 960286DEST_PATH_IMAGE011
表示原始功率曲线中的自变量轮毂高度处水平风速，
Figure 14830DEST_PATH_IMAGE012
表示修正后风机功率曲线中的自变量轮毂高度处水平风速，
Figure 772570DEST_PATH_IMAGE013
表示高斯函数，此高斯函数为通过两个参数
Figure 279775DEST_PATH_IMAGE016
和
Figure 351636DEST_PATH_IMAGE014
定义的的平滑滤波，表示为：
Figure 27730DEST_PATH_IMAGE015
其中，
Figure 894055DEST_PATH_IMAGE016
表示平均偏差，
Figure 357397DEST_PATH_IMAGE014
表示平均风速差，通过求解最小化修正后模拟和实测的风电功率时序的方差问题得到。该最小化问题表示为：
Figure 967370DEST_PATH_IMAGE017
式中，
Figure 996506DEST_PATH_IMAGE018
表示以
Figure 33732DEST_PATH_IMAGE016
和
Figure 781108DEST_PATH_IMAGE014
作为优化变量的优化问题函数；
Figure 460351DEST_PATH_IMAGE019
表示历史指定时段中
Figure 343994DEST_PATH_IMAGE020
时刻的历史区域风电实测总量；
Figure 20963DEST_PATH_IMAGE021
表示根据修正后的功率曲线模拟计算得到，历史指定时段中
Figure 488591DEST_PATH_IMAGE020
时刻第
Figure 440367DEST_PATH_IMAGE028
台风机在轮毂高度水平风速为
Figure 709674DEST_PATH_IMAGE023
时的功率预测值；
Figure 88703DEST_PATH_IMAGE024
表示区域内风机的数量；
Figure 545092DEST_PATH_IMAGE025
表示历史指定时段即优化计算时段的最大时刻。
优化问题的约束中，
Figure 503820DEST_PATH_IMAGE029
和
Figure 362055DEST_PATH_IMAGE014
的限值根据气象常识和地域经验上下限设定，可上下浮动。该优化问题的求解可采用最小二乘法或者穷举法等实现。
以上高斯函数中的参数
Figure 177564DEST_PATH_IMAGE016
可以被理解为气象数据提供的风速在目标区域内的平均偏差，这个偏差与区域地形、地表覆盖、大气层稳定特性和大气海洋模型偏差等要素相关。
Figure 386829DEST_PATH_IMAGE014
可以被理解为网格中心与实际风机位置差异带来的风速差，这个差值是依风速风向等因素在此方差范围内动态变化的。经测试，两个参数随区域和风机分布变化，但是在多年时间尺度上不会有较大变化。
至此可以看出，求解
Figure 181872DEST_PATH_IMAGE029
和
Figure 97875DEST_PATH_IMAGE014
的优化问题的优化目标为：针对相同时段，区域风电实测数据与根据修正后功率曲线计算得到的区域风电功率预测值，两者之间的方差最小。因此，当采用求解得到的
Figure 84286DEST_PATH_IMAGE030
和
Figure 515267DEST_PATH_IMAGE014
对原始功率曲线进行修正，则利用修正后功率曲线预测的区域风电功率也将与区域风电实测值具有相对最小的偏差，即可保障区域风电功率预测的准确性。
三、实际应用中的区域风电功率预测
在实际对指定区域进行指定时段的功率预测时，首选根据待预测时段的气象数据，计算得到各网格中心在待预测时段的垂直风速廓线；然后根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的待预测时段的垂直风速廓线，计算各风机轮毂高度处的水平风速预测值；再对于待预测区域内的各风机，根据水平风速预测值和对应的修正后的功率曲线，计算风机在待预测时段的功率预测数据；最后根据待预测区域内所有风机在待预测时段的功率预测数据，计算得到待预测区域在待预测时段的风电总功率。
待预测时段的风电总功率预测结果即为区域内所有风机在待预测时段的功率预测数据的加和。
效果验证
在一种测试应用例中，全球气象数据集ERA5在某目标区域的空间精度为25千米，可据此对目标区域划分若干个网格，网格中心间距25千米。对应每个网格中心记录有高于地面10米高度的每小时风速（单位为米每秒）和不随时间变化的地面粗糙度（单位为米）。目标区域内年平均风速在3至8米每秒之间，海上和沿海风速较高，内陆风速较低；地面粗糙度在0至1.2米之间，海平面粗糙度接近于0，但陆上森林覆盖的位置粗糙度可以达到1米以上。
通过本实施例前述的方法，按照风速的垂直指数变化关系、气象数据集中的风速和地面粗糙度，可以计算得到网格中心的垂直风速廓线，如图3，风速随高度呈指数型变化，当地面10米处风速为8米每秒时，高于地面90米的位置水平风速为12米每秒。
然后根据每座风力发电机地理坐标找到它们所属的网格，利用轮毂高度和所属网格中心的垂直风速廓线计算得到每台风机轮毂高度处的水平风速。目标区域内共有5861台风力发电机。除了五座海上风力发电场外，它们比较均匀地分布在目标区域的陆地上。
传统风电预测中，理论上按照每座风机的原始功率曲线就可以完成风-电转换，用插值法得到指定预测时段的发电功率序列。利用按照原始功率曲线构建的原始预测模型计算了目标区域内2010年逐小时风电总功率后，将其与目标区域的历史实测数据进行对比，参考图5和图6所示，从平均出力系数来看，目标区域的历史实测数据给出的2010年平均出力系数为23.6%，而利用原始功率曲线的预测为28.4%。显然原始风电模型出现了高估。同时可以发现，在低风速区间原始模型出现对总功率的低估，中风速区间出现高估，而在接近额定功率的风速区间又出现低估。
本发明推测，原始模型的预测偏差可能与以下几个因素有关：
1.气象模型对风速的模拟不如气温那样精确，可能对网格中心位置的风速估算与实际有误差；
2.网格中心与风机实际位置的轮毂风速差异，这其中包含了10米高度处风速和地面粗糙度的差异。在上述的目标区域，一个网格的面积大约为256平方公里，风速和地表覆盖在网格内的空间差异性是不可忽略的；
3.对数廓线模型适用于表征近地层中性层结条件下的垂直风速变化关系，在非中性条件的时段和位置，表征准确度可能有下降；
4.如上述的目标区域内风机有5000座以上，它们当中有可能有些正在检修而并没有并网发电，检修一般是无法预测的。风机本身方面，输出功率也不一定会完全按照技术参数规定的原始功率曲线发电。
为了提高预测精确度，本发明引入针对目标区域的模型修正参数，以期在一定程度上计及以上因素。根据原始功率曲线、轮毂风速和区域实测风电总量，利用高斯函数、最小二乘优化求解法，计算获取修正的功率曲线，如图7所示。修正后的功率曲线由高斯函数中的两参数定义。它们其中一个可以被解释为气象数据集提供的风速在目标区域内的平均偏差，这个偏差与区域地形、地表覆盖、大气层稳定特性和大气海洋模型偏差等要素相关。另一个参数可以被解释为网格中心与实际风机位置相异带来的风速差，这个差值是依风速风向等因素在此方差范围内动态变化的。经测试，两个参数随区域和风机分布变化，但是在多年时间尺度上不会有较大变化。
对于上述目标区域，通过对原始功率曲线进行修正，区域内标幺化的预测和实测总功率对比参考图8和图9所示，可以发现修正后预测的总功率不再有明显的中风速区间高估现象，而且高风速低估现象也有明显改善。从平均出力系数来看，修正后预测为22.0%，与实测的23.6%基本一致。频率分布与实测总功率除了0功率部分，也基本一致。图10中所示的逐小时变化对比也显示修正模型与实测功率时序基本一致。
最后，选定2010年2月目标区域的实测、原始模型预测和修正后模型预测的总功率逐小时时间序列进行对比，如图11所示，可以发现，修正模型解决了中风速区间的普遍的高估问题，修正模型预测的时序在不同区间均可以有效追踪实测时序，可确保广域风电功率预测的准确性。
实施例2
与实施例1基于相同的发明构思，本实施例介绍一种广域风力发电功率预测装置，包括：
数据获取模块，被配置用于，获取待预测区域的气象数据，区域内各台风机的地理坐标、轮毂高度和原始功率曲线数据，以及历史区域风电实测数据；其中，所述气象数据包括地面粗糙度和地面以上指定高度的水平风速；
垂直风速廓线分析模块，被配置用于，对待预测区域进行网格划分，根据历史时段的气象数据，计算得到各网格中心的历史垂直风速廓线；
水平风速计算模块，被配置用于，根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的历史垂直风速廓线，计算各风机轮毂高度处的历史水平风速；
功率曲线修正模块，被配置用于，根据所述各风机轮毂高度处的历史水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，得到各风机修正后的功率曲线；
区域风电功率预测模块，被配置用于，根据区域内各风机修正后的功率曲线，对待预测时段的区域风机发电功率进行预测。
以上各功能模块的具体实现参考实施例1方法中的相关内容，特别指出以下内容。
功率曲线修正模块根据所述各风机轮毂高度处的历史水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，所得到的风机修正后的功率曲线表示为：
Figure 612536DEST_PATH_IMAGE007
式中，
Figure 179784DEST_PATH_IMAGE008
表示修正后的风机功率曲线，
Figure 602675DEST_PATH_IMAGE009
表示风机检修率，
Figure 520952DEST_PATH_IMAGE010
表示单台风机的原始功率曲线，
Figure 156333DEST_PATH_IMAGE011
表示原始功率曲线中的自变量轮毂高度处水平风速，
Figure 46928DEST_PATH_IMAGE012
表示修正后风机功率曲线中的自变量轮毂高度处水平风速，
Figure 873677DEST_PATH_IMAGE013
表示高斯函数，
Figure 279250DEST_PATH_IMAGE014
表示平均风速差，且有：
Figure 983901DEST_PATH_IMAGE015
其中，
Figure 729003DEST_PATH_IMAGE016
表示平均偏差；
Figure 228118DEST_PATH_IMAGE016
和
Figure 855408DEST_PATH_IMAGE014
通过求解设定的优化问题确定，所述设定的优化问题表示为：
Figure 98171DEST_PATH_IMAGE026
式中，
Figure 760096DEST_PATH_IMAGE018
表示以
Figure 430112DEST_PATH_IMAGE016
和
Figure 46163DEST_PATH_IMAGE014
作为优化变量的优化问题函数；
Figure 30300DEST_PATH_IMAGE031
表示
Figure 546732DEST_PATH_IMAGE020
时刻的区域风电实测总量；
Figure 653228DEST_PATH_IMAGE021
表示
Figure 255111DEST_PATH_IMAGE020
时刻第
Figure 839676DEST_PATH_IMAGE022
台风机在轮毂高度水平风速为
Figure 413876DEST_PATH_IMAGE023
时的功率预测值，根据修正后的功率曲线计算得到；
Figure 691274DEST_PATH_IMAGE024
表示区域内风机的数量；
Figure 514874DEST_PATH_IMAGE025
表示优化计算时段的最大时刻。
实施例3
与实施例1基于相同的发明构思，本实施例介绍一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如实施例1所介绍的广域风力发电功率预测方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种广域风力发电功率预测方法，其特征是，包括：
获取待预测区域的气象数据，区域内各台风机的地理坐标、轮毂高度和原始功率曲线数据，以及历史区域风电实测数据；其中，所述气象数据包括地面粗糙度和地面以上指定高度的水平风速；
对待预测区域进行网格划分，根据所述气象数据，计算得到各网格中心的垂直风速廓线；
根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的垂直风速廓线，计算各风机轮毂高度处的水平风速；
根据历史时段中所述各风机轮毂高度处的水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，得到各风机修正后的功率曲线；
根据区域内各风机修正后的功率曲线，对待预测时段的区域风机发电功率进行预测。
2.根据权利要求1所述的广域风力发电功率预测方法，其特征是，所述根据区域内各风机修正后的功率曲线，对待预测时段的区域风机发电功率进行预测，包括：
根据待预测时段的气象数据，计算得到各网格中心在待预测时段的垂直风速廓线；
根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的待预测时段的垂直风速廓线，计算各风机轮毂高度处的水平风速预测值；
对于待预测区域内的各风机，根据水平风速预测值和对应的修正后的功率曲线，计算风机在待预测时段的功率预测数据；
根据待预测区域内所有风机在待预测时段的功率预测数据，计算得到待预测区域在待预测时段的风电总功率。
3.根据权利要求1所述的广域风力发电功率预测方法，其特征是，所述根据所述气象数据，计算得到各网格中心的垂直风速廓线，表示为：
Figure 186962DEST_PATH_IMAGE001
式中，
Figure 369682DEST_PATH_IMAGE002
表示地面高度
Figure 431310DEST_PATH_IMAGE003
处的水平风速，
Figure 92098DEST_PATH_IMAGE004
表示气象数据中网格中心处地面以上指定高度
Figure 437629DEST_PATH_IMAGE005
处的水平风速，
Figure 791250DEST_PATH_IMAGE006
表示网格中心处地面粗糙度。
4.根据权利要求3所述的广域风力发电功率预测方法，其特征是，所述地面以上指定高度
Figure 323863DEST_PATH_IMAGE005
处的水平风速为地面以上10m高度处的逐小时水平风速。
5.根据权利要求3所述的广域风力发电功率预测方法，其特征是，所述根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的垂直风速廓线，计算各风机轮毂高度处的水平风速，包括：
根据风机的地理坐标确定风机所在的网格；
根据风机轮毂高度以及风机所在网格对应的垂直风速廓线，计算风机轮毂高度处的水平风速。
6.根据权利要求1所述的广域风力发电功率预测方法，其特征是，所述根据历史时段中所述各风机轮毂高度处的水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，所得到的风机修正后的功率曲线表示为：
Figure 804654DEST_PATH_IMAGE007
式中，
Figure 739112DEST_PATH_IMAGE008
表示修正后的风机功率曲线，
Figure 263634DEST_PATH_IMAGE009
表示风机检修率，
Figure 283542DEST_PATH_IMAGE010
表示单台风机的原始功率曲线，
Figure 551713DEST_PATH_IMAGE011
表示原始功率曲线中的自变量轮毂高度处水平风速，
Figure 354059DEST_PATH_IMAGE012
表示修正后风机功率曲线中的自变量轮毂高度处水平风速，
Figure 924849DEST_PATH_IMAGE013
表示高斯函数，
Figure 697633DEST_PATH_IMAGE014
表示平均风速差，且有：
Figure 238336DEST_PATH_IMAGE015
其中，
Figure 412965DEST_PATH_IMAGE016
表示平均偏差；
Figure 30022DEST_PATH_IMAGE016
和
Figure 290102DEST_PATH_IMAGE014
通过求解设定的优化问题确定，所述优化问题的优化目标为：针对相同时段，区域风电实测数据与根据修正后功率曲线计算得到的区域风电功率预测值，两者之间的方差最小。
7.根据权利要求6所述的广域风力发电功率预测方法，其特征是，所述设定的优化问题表示为：
Figure 634496DEST_PATH_IMAGE017
式中，
Figure 663632DEST_PATH_IMAGE018
表示以
Figure 717170DEST_PATH_IMAGE016
和
Figure 198967DEST_PATH_IMAGE014
作为优化变量的优化问题函数；
Figure 347051DEST_PATH_IMAGE019
表示
Figure 230694DEST_PATH_IMAGE020
时刻的区域风电实测总量；
Figure 704400DEST_PATH_IMAGE021
表示
Figure 155717DEST_PATH_IMAGE020
时刻第
Figure 107492DEST_PATH_IMAGE022
台风机在轮毂高度水平风速为
Figure 845641DEST_PATH_IMAGE023
时的功率预测值，根据修正后的功率曲线计算得到；
Figure 490249DEST_PATH_IMAGE024
表示区域内风机的数量；
Figure 946638DEST_PATH_IMAGE025
表示优化计算时段的最大时刻。
8.一种广域风力发电功率预测装置，其特征是，包括：
数据获取模块，被配置用于，获取待预测区域的气象数据，区域内各台风机的地理坐标、轮毂高度和原始功率曲线数据，以及历史区域风电实测数据；其中，所述气象数据包括地面粗糙度和地面以上指定高度的水平风速；
垂直风速廓线分析模块，被配置用于，对待预测区域进行网格划分，根据所述气象数据，计算得到各网格中心的垂直风速廓线；
水平风速计算模块，被配置用于，根据区域内各风机的地理坐标和轮毂高度，利用风机所在网格对应的垂直风速廓线，计算各风机轮毂高度处的水平风速；
功率曲线修正模块，被配置用于，根据历史时段中所述各风机轮毂高度处的水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，得到各风机修正后的功率曲线；
区域风电功率预测模块，被配置用于，根据区域内各风机修正后的功率曲线，对待预测时段的区域风机发电功率进行预测。
9.根据权利要求8所述的广域风力发电功率预测装置，其特征是，所述功率曲线修正模块根据所述各风机轮毂高度处的历史水平风速以及历史区域风电实测数据，对风机原始功率曲线进行修正，所得到的风机修正后的功率曲线表示为：
Figure 187258DEST_PATH_IMAGE007
式中，
Figure 779913DEST_PATH_IMAGE008
表示修正后的风机功率曲线，
Figure 595422DEST_PATH_IMAGE009
表示风机检修率，
Figure 273528DEST_PATH_IMAGE010
表示单台风机的原始功率曲线，
Figure 832686DEST_PATH_IMAGE011
表示原始功率曲线中的自变量轮毂高度处水平风速，
Figure 30580DEST_PATH_IMAGE012
表示修正后风机功率曲线中的自变量轮毂高度处水平风速，
Figure 751411DEST_PATH_IMAGE013
表示高斯函数，
Figure 916813DEST_PATH_IMAGE014
表示平均风速差，且有：
Figure 14082DEST_PATH_IMAGE015
其中，
Figure 846909DEST_PATH_IMAGE016
表示平均偏差；
Figure 223795DEST_PATH_IMAGE016
和
Figure 142072DEST_PATH_IMAGE014
通过求解设定的优化问题确定，所述设定的优化问题表示为：
Figure 777453DEST_PATH_IMAGE026
式中，
Figure 199207DEST_PATH_IMAGE018
表示以
Figure 527420DEST_PATH_IMAGE016
和
Figure 415217DEST_PATH_IMAGE014
作为优化变量的优化问题函数；
Figure 854289DEST_PATH_IMAGE019
表示
Figure 396129DEST_PATH_IMAGE020
时刻的区域风电实测总量；
Figure 895243DEST_PATH_IMAGE021
表示
Figure 256954DEST_PATH_IMAGE020
时刻第
Figure 250449DEST_PATH_IMAGE022
台风机在轮毂高度水平风速为
Figure 381216DEST_PATH_IMAGE023
时的功率预测值，根据修正后的功率曲线计算得到；
Figure 51232DEST_PATH_IMAGE024
表示区域内风机的数量；
Figure 165819DEST_PATH_IMAGE025
表示优化计算时段的最大时刻。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该计算机程序被处理器执行时，实现如权利要求1-7任一项所述的广域风力发电功率预测方法。
CN202211171356.2A 2022-09-26 2022-09-26 一种广域风力发电功率预测方法、装置及存储介质 Active CN115271262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211171356.2A CN115271262B (zh) 2022-09-26 2022-09-26 一种广域风力发电功率预测方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211171356.2A CN115271262B (zh) 2022-09-26 2022-09-26 一种广域风力发电功率预测方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN115271262A true CN115271262A (zh) 2022-11-01
CN115271262B CN115271262B (zh) 2022-12-13

Family

ID=83756065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211171356.2A Active CN115271262B (zh) 2022-09-26 2022-09-26 一种广域风力发电功率预测方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115271262B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117996757A (zh) * 2024-04-07 2024-05-07 南京中核能源工程有限公司 一种基于分散式风电的配电网调度方法、装置及存储介质
CN118171033A (zh) * 2024-04-09 2024-06-11 水电水利规划设计总院 一种利用新能源月度电量重构逐小时功率曲线的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819243A (zh) * 2010-04-08 2010-09-01 国网电力科学研究院 基于广域信息的静态电压失稳预测方法
CN104682406A (zh) * 2015-02-15 2015-06-03 南京信息工程大学 一种电网振荡广域实时控制方法
CN113205210A (zh) * 2021-04-29 2021-08-03 西安热工研究院有限公司 复杂地形风电场风速与功率预测方法、系统、设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819243A (zh) * 2010-04-08 2010-09-01 国网电力科学研究院 基于广域信息的静态电压失稳预测方法
CN104682406A (zh) * 2015-02-15 2015-06-03 南京信息工程大学 一种电网振荡广域实时控制方法
CN113205210A (zh) * 2021-04-29 2021-08-03 西安热工研究院有限公司 复杂地形风电场风速与功率预测方法、系统、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117996757A (zh) * 2024-04-07 2024-05-07 南京中核能源工程有限公司 一种基于分散式风电的配电网调度方法、装置及存储介质
CN117996757B (zh) * 2024-04-07 2024-06-11 南京中核能源工程有限公司 一种基于分散式风电的配电网调度方法、装置及存储介质
CN118171033A (zh) * 2024-04-09 2024-06-11 水电水利规划设计总院 一种利用新能源月度电量重构逐小时功率曲线的方法

Also Published As

Publication number Publication date
CN115271262B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
AU2017352549B2 (en) Method and device for calculating power generation of wind farm
CN115271262B (zh) 一种广域风力发电功率预测方法、装置及存储介质
US20220275788A1 (en) Forecasting output power of wind turbine in wind farm
CN102663251B (zh) 基于计算流体力学模型的风电场功率物理预测方法
CN113205210B (zh) 复杂地形风电场风速与功率预测方法、系统、设备及存储介质
US20150039228A1 (en) Ultra-short-term forecasting method including real-time monitoring of the effect of upper and lower courses
CN109444989A (zh) 台风预报方法、系统、可读存储介质和设备
Chen et al. Short-Term Wind Power Forecasting Using Gaussian Processes.
JP2009167848A (ja) 風力発電量予測システム、方法及びプログラム
CN104598715B (zh) 一种基于气候态风速预测的区域风电电量预测方法
CN117390894B (zh) 一种预测极端风暴潮位的方法
CN113792430B (zh) 复杂地形风电场风切变指数计算方法及系统
CN109636019B (zh) 基于神经网络算法的测风塔布置方案确定方法
CN102236746B (zh) 无测风记录区风资源模拟推算方法
CN111340307A (zh) 预测风机风力发电功率的方法以及相关装置
CN113051845B (zh) 在役山地风电场实时风资源可视化评估方法、系统、设备及存储介质
CN110705768A (zh) 用于风电场的风力发电功率预测优化方法和装置
CN117371581A (zh) 一种新能源发电功率预测方法、装置及存储介质
CN109766611B (zh) 一种考虑地形坡度的风电场功率简化预测方法
Giunta et al. Hourly weather forecasts for gas turbine power generation
CN116742626A (zh) 考虑大气混沌特征的风光联合功率集合预测方法及装置
CN115912334A (zh) 风电场出力保证率的预测模型创建方法及预测方法
CN115034159A (zh) 一种海上风电场的功率预测方法、装置、存储介质及系统
CN112018764A (zh) 定制化风功率预测方法、预测装置、测风装置和设备
CN113052352A (zh) 一种新能源场站风速预报订正方法和系统

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