CN117744873A - 一种风力发电机的风速预测方法、系统、设备及存储介质 - Google Patents

Abstract

本发明实施例提供了一种风力发电机的风速预测方法、系统、设备及存储介质，其中，方法包括：根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于风速订正系数集对机舱风速集进行订正，获得目标风力发电机经过订正的机舱风速集，预设风速订正系数矩阵是基于历史来流风速集和各风力发电机的历史机舱风速集构建的，风速订正系数矩阵包括各风力发电机在各风速区间内的风速订正系数，基于目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，并基于线性拟合曲线获得目标风力发电机在目标预测时刻的预测风速。本发明提高了对风速的预测精度。

Description

一种风力发电机的风速预测方法、系统、设备及存储介质

技术领域

本发明涉及风力发电技术领域，特别是涉及一种风力发电机的风速预测方法、系统、设备及存储介质。

背景技术

由于风具有随机性的特点，为了实现风力发电厂的电能稳定输出，需要对风力发电厂内各风力发电机的输出功率进行预测。

由于输出功率与流经叶片的风速的三次方呈线性正比关系，因而现有对输出功率的预测方式为基于风力发电机上的风速计测得的多个历史风速预测未来某一时刻的风速，进而实现输出功率的预测。但是，由于风力发电机叶片旋转带来的尾流，使得风速计所测得的风速与流经叶片的风速存在较大差别，降低了对风速进行预测时的预测精度。

发明内容

本发明实施例的目的在于提供一种风力发电机的风速预测方法、系统、设备及存储介质，以实现提高对风速的预测精度。具体技术方案如下：

一种风力发电机的风速预测方法，所述方法包括：

根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于所述风速订正系数集对所述机舱风速集进行订正，获得所述目标风力发电机经过订正的机舱风速集，所述预设风速订正系数矩阵是基于历史来流风速集和各风力发电机的历史机舱风速集构建的，所述风速订正系数矩阵包括各所述风力发电机在各风速区间内的风速订正系数；

基于所述目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，并基于所述线性拟合曲线获得所述目标风力发电机在目标预测时刻的预测风速。

可选的，所述预设风速订正系数矩阵的构建过程，包括：

获得目标历史时段内的所述历史来流风速集和各风力放电机的所述历史机舱风速集，所述历史来流风速集包括所述目标历史时段内的各采集时刻的第一风速，所述历史机舱风速集包括所述目标历史时段内各采集时刻的第二风速；

对各所述历史风速集中的各所述第二风速：计算同一所述采集时刻的所述第一风速和所述第二风速的差值，并将所述差值确定为初始风速订正系数；

根据各所述初始风速订正系数中的最大值和最小值确定初始风速区间，并按照预设划分阈值对所述初始风速区间进行划分，获得多个所述风速区间；

对各所述风速区间：对处于该风速区间的多个所述初始风速订正系数取平均值，并将所述平均值确定为所述目标风速区间的所述风速订正系数，所述目标风速区间为所述风速区间中的任一个；

基于所述风力发电机的标识、各所述风速区间和各所述风速订正系数，构建所述预设风速订正系数矩阵。

可选的，所述根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于所述风速订正系数集对所述机舱风速集进行订正，获得所述目标风力发电机经过订正的机舱风速集，包括：

根据所述目标风力发电机的所述标识，从所述预设风速订正系数矩阵中的获得多个目标风速区间；

对所述机舱风速集中各机舱风速：判断该机舱风速所在的所述目标风速区间，并构建所述目标风速区间的所述风速订正系数与该机舱风速的对应关系；

获得包括所述风速订正系数和所述对应关系的所述风速订正系数集；

基于所述对应关系和所述风速订正系数集，对所述机舱风速集进行所述订正。

可选的，所述经过订正的机舱风速集包括多个经过订正的机舱风速，所述基于所述目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，包括：

基于各所述经过订正的机舱风速及其采样时刻生成时间序列，并将所述时间序列输入至预设时间序列模型，以使所述预设时间序列模型基于所述时间序列生成所述线性拟合曲线，所述线性拟合曲线的纵轴表征风速，所述线性拟合曲线的横轴表征时刻，其中，所述采样时段处于所述目标时段内。

可选的，所述第一风速为在所述风力发电机部署区域的迎风边界，自所述风力发电机轮毂高度处测量的风速。

一种风力发电机的风速预测系统，所述系统包括：

风速订正单元，用于根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于所述风速订正系数集对所述机舱风速集进行订正，获得所述目标风力发电机经过订正的机舱风速集，所述预设风速订正系数矩阵是基于历史来流风速集和各风力发电机的历史机舱风速集构建的，所述风速订正系数矩阵包括各所述风力发电机在各风速区间内的风速订正系数；

风速预测单元，用于基于所述目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，并基于所述线性拟合曲线获得所述目标风力发电机在目标预测时刻的预测风速。

可选的，所述风速订正单元在构建所述预设风速订正系数矩阵时被设置为：

获得目标历史时段内的所述历史来流风速集和各风力放电机的所述历史机舱风速集，所述历史来流风速集包括所述目标历史时段内的各采集时刻的第一风速，所述历史机舱风速集包括所述目标历史时段内各采集时刻的第二风速；

对各所述历史风速集中的各所述第二风速：计算同一所述采集时刻的所述第一风速和所述第二风速的差值，并将所述差值确定为初始风速订正系数；

根据各所述初始风速订正系数中的最大值和最小值确定初始风速区间，并按照预设划分阈值对所述初始风速区间进行划分，获得多个所述风速区间；

对各所述风速区间：对处于该风速区间的多个所述初始风速订正系数取平均值，并将所述平均值确定为所述目标风速区间的所述风速订正系数，所述目标风速区间为所述风速区间中的任一个；

基于所述风力发电机的标识、各所述风速区间和各所述风速订正系数，构建所述预设风速订正系数矩阵。

可选的，所述风速订正单元被设置为：

根据所述目标风力发电机的所述标识，从所述预设风速订正系数矩阵中的获得多个目标风速区间；

对所述机舱风速集中各机舱风速：判断该机舱风速所在的所述目标风速区间，并构建所述目标风速区间的所述风速订正系数与该机舱风速的对应关系；

获得包括所述风速订正系数和所述对应关系的所述风速订正系数集；

基于所述对应关系和所述风速订正系数集，对所述机舱风速集进行所述订正。

可选的，所述经过订正的机舱风速集包括多个经过订正的机舱风速，所述风速预测单元被设置为：

基于各所述经过订正的机舱风速及其采样时刻生成时间序列，并将所述时间序列输入至预设时间序列模型，以使所述预设时间序列模型基于所述时间序列生成所述线性拟合曲线，所述线性拟合曲线的纵轴表征风速，所述线性拟合曲线的横轴表征时刻，其中，所述采样时段处于所述目标时段内。

可选的，所述第一风速为在所述风力发电机部署区域的迎风边界，自所述风力发电机轮毂高度处测量的风速。

一种风力发电机的风速预测设备，所述设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如上述任一种所述的风力发电机的风速预测方法。

一种计算机可读存储介质，当所述计算机可读存储介质中的指令由风力发电机的风速预测设备的处理器执行时，使得所述风力发电机的风速预测设备能够执行如上述任一种所述的风力发电机的风速预测方法。

本发明实施例提供的一种风力发电机的风速预测方法、系统、设备及存储介质，可以通过配置基于历史来流风速集和各风力发电机的历史机舱风速集构建预设风速订正系数矩阵，并基于从预设风速订正系数矩阵中提取的风速订正系数集对机舱风速集进行订正，弥补了由于尾流对机舱风速带来的干扰和误差，从而提高了机舱风速集中机舱风速的精度。并且通过基于目标风力发电机经过订正的机舱风速集，生成表征时间与风速间的变化规律的线性拟合曲线，实现了对目标预测时刻的风速预测。可见，本发明提高了对风速的预测精度。

当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种风力发电机的风速预测方法的流程图；

图2为本发明实施例提供的一种风力发电机的风速预测系统的框图；

图3为本发明实施例提供的一种风力发电机的风速预测设备的框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种风力发电机的风速预测方法，如图1所示，该风力发电机的风速预测方法包括：

S101、根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于风速订正系数集对机舱风速集进行订正，获得目标风力发电机经过订正的机舱风速集，预设风速订正系数矩阵是基于历史来流风速集和各风力发电机的历史机舱风速集构建的，风速订正系数矩阵包括各风力发电机在各风速区间内的风速订正系数。

需要说明的是，在实际应用场景下，上述历史来流风速集包括多个历史时刻的吹向各风力发电机的来流风速。来流风是指经过风力发电机叶片推动叶片转动的风。由于机舱风速为经过尾流干扰后的来流风速，因此，本发明通过配置基于历史来流风速集和各风力发电机的历史机舱风速集构建预设风速订正系数矩阵，并基于从预设风速订正系数矩阵中提取的风速订正系数集对机舱风速集进行订正，弥补了由于尾流对机舱风速带来的干扰和误差，从而提高了机舱风速集中机舱风速的精度，进而提高了后续进行风速预测的精度。

需要说明的是，在实际应用场景下，上述机舱风速集可以通过访问风电场监视控制与数据采集系统(Supervisory Controland Data Acquisition，SCADA)的数据库获得。

S102、基于目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，并基于线性拟合曲线获得目标风力发电机在目标预测时刻的预测风速。

需要说明的是，在实际应用场景下，由于风具有随机性，导致风速与时间之间也具有随机性。因此，本发明通过基于目标风力发电机经过订正的机舱风速集，生成表征时间与风速间的变化规律的线性拟合曲线，从而实现对目标预测时刻的风速预测。

本发明通过配置基于历史来流风速集和各风力发电机的历史机舱风速集构建预设风速订正系数矩阵，并基于从预设风速订正系数矩阵中提取的风速订正系数集对机舱风速集进行订正，弥补了由于尾流对机舱风速带来的干扰和误差，从而提高了机舱风速集中机舱风速的精度。并且通过基于目标风力发电机经过订正的机舱风速集，生成表征时间与风速间的变化规律的线性拟合曲线，实现了对目标预测时刻的风速预测。可见，本发明提高了对风速的预测精度。

可选的，上述预设风速订正系数矩阵的构建过程，包括：

获得目标历史时段内的历史来流风速集和各风力放电机的历史机舱风速集，历史来流风速集包括目标历史时段内的各采集时刻的第一风速，历史机舱风速集包括目标历史时段内各采集时刻的第二风速；

对各历史风速集中的各第二风速：计算同一采集时刻的第一风速和第二风速的差值，并将差值确定为初始风速订正系数；

根据各初始风速订正系数中的最大值和最小值确定初始风速区间，并按照预设划分阈值对初始风速区间进行划分，获得多个风速区间；

对各风速区间：对处于该风速区间的多个初始风速订正系数取平均值，并将平均值确定为目标风速区间的风速订正系数，目标风速区间为风速区间中的任一个；

基于风力发电机的标识、各风速区间和各风速订正系数，构建预设风速订正系数矩阵。

需要说明的是，在实际应用场景下，由于同一个风电场内可以同时部署多台风力发电机，而部分风力发电机受部署位置、其他风机尾流等诸多因素影响，流经其叶片的真实来流风速与上述历史来流风速集中的风速存在不一致的现象，从而导致获得初始风速订正系数精度降低。因此，本发明通过配置选取初始订正系数的最大值和最小值确定风速区间，并基于预设划分阈值对初始风速区间进行划分，最后对处于各风速区间内的初始风速订正系数取平均值，从而降低了低精度初始风速订正系数对最终风速预测的精度影响。

可选的，在本发明的一个可选实施例中，为了提高处于同一个风速区间内的多个初始风速订正系数间的相似性，从而提高风速订正系数的确定精度，上述预设划分阈值可以设定为单位风速的阈值，即1m/s。

需要说明的是，在实际应用场景下，由于不同风电场的规模不同，上述预设风速订正系数矩阵可以有多种，在此示例性的提供一种：

设定当前风电场部署有4台风力发电机，标识分别为1至4，风速区间共有四个。则其预设风速订正系数矩阵A可表示为：

其中，a₁₁表示1号标识的风机的机舱风速在风速区间为1m/s时的风速订正系数。a₄₄表示4号标识的风机的机舱风速在风速区间为4m/s时的风速订正系数。

需要说明的是，上述风速区间的值仅为说明，与真实值存在较大区别。

可选的，上述根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于风速订正系数集对机舱风速集进行订正，获得目标风力发电机经过订正的机舱风速集，包括：

根据目标风力发电机的标识，从预设风速订正系数矩阵中的获得多个目标风速区间；

对机舱风速集中各机舱风速：判断该机舱风速所在的目标风速区间，并构建目标风速区间的风速订正系数与该机舱风速的对应关系；

获得包括风速订正系数和对应关系的风速订正系数集；

基于所述对应关系和所述风速订正系数集，对所述机舱风速集进行所述订正。

可选的，经过订正的机舱风速集包括多个经过订正的机舱风速，基于目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，包括：

基于各经过订正的机舱风速及其采样时刻生成时间序列，并将时间序列输入至预设时间序列模型，以使预设时间序列模型基于时间序列生成线性拟合曲线，线性拟合曲线的纵轴表征风速，线性拟合曲线的横轴表征时刻，其中，采样时段处于目标时段内。

可选的，在本发明的一个可选实施例中，由于风力发电机具有对风速的连续监测需求，因此上述机舱风速集中的机舱风速采集时刻较为密集。而目标预测时刻的维度高于采集时刻的维度，例如，目标预测时刻的维度为分钟，而采集时刻的维度为秒。为了使得用于生成线性拟合曲线的时间序列携带更多信息，从而提高最终的风速预测精度。可以按照目标预测时刻的目标维度，对经过订正机舱风速集中，处于同一个目标维度的机舱风速取平均值，例如：若目标维度为分钟，而机舱风速集中的机舱风速按照10秒为一个维度进行采集。则可以对处于同一分钟内的六个机舱风速取平均值，并将上述六个机舱风速的采集时刻所在的分钟确定为平均值对应的采集时刻。

需要说明的是，在实际应用场景下，上述预设时间序列模型是用于基于时间序列生成线性拟合曲线的模型，其具体类型可以有多种，例如自回归模型(Autoregressivemodel，AR)、移动平均模型(Moving average model，MA)、指数平滑模型、自回归移动平均模型(Auto regression moving average model，ARMA)等。本发明对上述预设时间序列模型的具体类型不作过多限定。

可选的，第一风速为在风力发电机部署区域的迎风边界，自风力发电机轮毂高度处测量的风速。

需要说明的是，在实际应用场景下，由于不同高度的风速存在较大差别，且有无遮挡物也会对风速产生影响。因此，本发明通过配置采集在风力发电机部署区域的迎风边界，自风力发电机轮毂高度处测量的风速，使得获得风速最接近于风力发电机的真实来流风速。从而提高最终对风速的预测精度。其中，上述第一风速可以通过漂浮式测风雷达进行采集。

与上述方法实施例相对应地，本发明还提供了一种风力发电机的风速预测系统，如图2所示，上述系统包括：

风速订正单元201，用于根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于风速订正系数集对机舱风速集进行订正，获得目标风力发电机经过订正的机舱风速集，预设风速订正系数矩阵是基于历史来流风速集和各风力发电机的历史机舱风速集构建的，风速订正系数矩阵包括各风力发电机在各风速区间内的风速订正系数；

风速预测单元202，用于基于目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，并基于线性拟合曲线获得目标风力发电机在目标预测时刻的预测风速。

可选的，上述风速订正单元201在构建预设风速订正系数矩阵时被设置为：

获得目标历史时段内的历史来流风速集和各风力放电机的历史机舱风速集，历史来流风速集包括目标历史时段内的各采集时刻的第一风速，历史机舱风速集包括目标历史时段内各采集时刻的第二风速；

对各历史风速集中的各第二风速：计算同一采集时刻的第一风速和第二风速的差值，并将差值确定为初始风速订正系数；

根据各初始风速订正系数中的最大值和最小值确定初始风速区间，并按照预设划分阈值对初始风速区间进行划分，获得多个风速区间；

对各风速区间：对处于该风速区间的多个初始风速订正系数取平均值，并将平均值确定为目标风速区间的风速订正系数，目标风速区间为风速区间中的任一个；

基于风力发电机的标识、各风速区间和各风速订正系数，构建预设风速订正系数矩阵。

可选的，上述风速订正单元201被设置为：

根据目标风力发电机的标识，从预设风速订正系数矩阵中的获得多个目标风速区间；

对机舱风速集中各机舱风速：判断该机舱风速所在的目标风速区间，并构建目标风速区间的风速订正系数与该机舱风速的对应关系；

获得包括风速订正系数和对应关系的风速订正系数集；

基于对应关系和风速订正系数集，对机舱风速集进行订正。

可选的，经过订正的机舱风速集包括多个经过订正的机舱风速，上述风速预测单元202被设置为：

基于各经过订正的机舱风速及其采样时刻生成时间序列，并将时间序列输入至预设时间序列模型，以使预设时间序列模型基于时间序列生成线性拟合曲线，线性拟合曲线的纵轴表征风速，线性拟合曲线的横轴表征时刻，其中，采样时段处于目标时段内。

可选的，第一风速为在风力发电机部署区域的迎风边界，自风力发电机轮毂高度处测量的风速。

本发明实施例还提供了一种风力发电机的风速预测设备，如图3所示，该风力发电机的风速预测设备包括：

处理器301；

用于存储处理器301可执行指令的存储器302；

其中，处理器301被配置为执行指令，以实现如上述任一种的风力发电机的风速预测方法。

本发明实施例还提供了一种计算机可读存储介质，当计算机可读存储介质中的指令由风力发电机的风速预测设备的处理器执行时，使得风力发电机的风速预测设备能够执行如上述任一种的风力发电机的风速预测方法。

本申请是参照根据本申请实施例的方法、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。

在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种风力发电机的风速预测方法，其特征在于，所述方法包括：

根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于所述风速订正系数集对所述机舱风速集进行订正，获得所述目标风力发电机经过订正的机舱风速集，所述预设风速订正系数矩阵是基于历史来流风速集和各风力发电机的历史机舱风速集构建的，所述风速订正系数矩阵包括各所述风力发电机在各风速区间内的风速订正系数；

基于所述目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，并基于所述线性拟合曲线获得所述目标风力发电机在目标预测时刻的预测风速。

2.根据权利要求1所述的方法，其特征在于，所述预设风速订正系数矩阵的构建过程，包括：

获得目标历史时段内的所述历史来流风速集和各风力放电机的所述历史机舱风速集，所述历史来流风速集包括所述目标历史时段内的各采集时刻的第一风速，所述历史机舱风速集包括所述目标历史时段内各采集时刻的第二风速；

对各所述历史风速集中的各所述第二风速：计算同一所述采集时刻的所述第一风速和所述第二风速的差值，并将所述差值确定为初始风速订正系数；

根据各所述初始风速订正系数中的最大值和最小值确定初始风速区间，并按照预设划分阈值对所述初始风速区间进行划分，获得多个所述风速区间；

对各所述风速区间：对处于该风速区间的多个所述初始风速订正系数取平均值，并将所述平均值确定为所述目标风速区间的所述风速订正系数，所述目标风速区间为所述风速区间中的任一个；

基于所述风力发电机的标识、各所述风速区间和各所述风速订正系数，构建所述预设风速订正系数矩阵。

3.根据权利要求2所述的方法，其特征在于，所述根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于所述风速订正系数集对所述机舱风速集进行订正，获得所述目标风力发电机经过订正的机舱风速集，包括：

根据所述目标风力发电机的所述标识，从所述预设风速订正系数矩阵中的获得多个目标风速区间；

对所述机舱风速集中各机舱风速：判断该机舱风速所在的所述目标风速区间，并构建所述目标风速区间的所述风速订正系数与该机舱风速的对应关系；

获得包括所述风速订正系数和所述对应关系的所述风速订正系数集；

基于所述对应关系和所述风速订正系数集，对所述机舱风速集进行所述订正。

4.根据权利要求1所述的方法，其特征在于，所述经过订正的机舱风速集包括多个经过订正的机舱风速，所述基于所述目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，包括：

基于各所述经过订正的机舱风速及其采样时刻生成时间序列，并将所述时间序列输入至预设时间序列模型，以使所述预设时间序列模型基于所述时间序列生成所述线性拟合曲线，所述线性拟合曲线的纵轴表征风速，所述线性拟合曲线的横轴表征时刻，其中，所述采样时段处于所述目标时段内。

5.根据权利要求2所述的方法，其特征在于，所述第一风速为在所述风力发电机部署区域的迎风边界，自所述风力发电机轮毂高度处测量的风速。

6.一种风力发电机的风速预测系统，其特征在于，所述系统包括：

风速订正单元，用于根据目标风力发电机在目标时段内的机舱风速集，从预设风速订正系数矩阵中提取风速订正系数集，并基于所述风速订正系数集对所述机舱风速集进行订正，获得所述目标风力发电机经过订正的机舱风速集，所述预设风速订正系数矩阵是基于历史来流风速集和各风力发电机的历史机舱风速集构建的，所述风速订正系数矩阵包括各所述风力发电机在各风速区间内的风速订正系数；

风速预测单元，用于基于所述目标风力发电机经过订正的机舱风速集，生成线性拟合曲线，并基于所述线性拟合曲线获得所述目标风力发电机在目标预测时刻的预测风速。

7.根据权利要求6所述的系统，其特征在于，所述风速订正单元在构建所述预设风速订正系数矩阵时被设置为：

获得目标历史时段内的所述历史来流风速集和各风力放电机的所述历史机舱风速集，所述历史来流风速集包括所述目标历史时段内的各采集时刻的第一风速，所述历史机舱风速集包括所述目标历史时段内各采集时刻的第二风速；

对各所述历史风速集中的各所述第二风速：计算同一所述采集时刻的所述第一风速和所述第二风速的差值，并将所述差值确定为初始风速订正系数；

根据各所述初始风速订正系数中的最大值和最小值确定初始风速区间，并按照预设划分阈值对所述初始风速区间进行划分，获得多个所述风速区间；

对各所述风速区间：对处于该风速区间的多个所述初始风速订正系数取平均值，并将所述平均值确定为所述目标风速区间的所述风速订正系数，所述目标风速区间为所述风速区间中的任一个；

基于所述风力发电机的标识、各所述风速区间和各所述风速订正系数，构建所述预设风速订正系数矩阵。

8.根据权利要求7所述的系统，其特征在于，所述风速订正单元被设置为：

根据所述目标风力发电机的所述标识，从所述预设风速订正系数矩阵中的获得多个目标风速区间；

对所述机舱风速集中各机舱风速：判断该机舱风速所在的所述目标风速区间，并构建所述目标风速区间的所述风速订正系数与该机舱风速的对应关系；

获得包括所述风速订正系数和所述对应关系的所述风速订正系数集；

基于所述对应关系和所述风速订正系数集，对所述机舱风速集进行所述订正。

9.一种风力发电机的风速预测设备，其特征在于，所述设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至5中任一项所述的风力发电机的风速预测方法。

10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由风力发电机的风速预测设备的处理器执行时，使得所述风力发电机的风速预测设备能够执行如权利要求1至5中任一项所述的风力发电机的风速预测方法。