[发明专利]一种适用于分散式风电场的组合风电功率预测方法

权利要求书

1.一种适用于分散式接入的组合风电功率预测方法，包括如下步骤：

步骤1，数据采集和预处理：

分散式风电功率预测系统通过收集测风塔点的历史气象数据，对数据进行预处理，剔除坏数据，根据数据和现场要求，统计单位时间的平均值，形成可用于风功率预测的数据样本集，对数据分段，根据实际情况，分为3份，前2/3用于预测训练的样本集，后1/3作为测试和订正预测模型的测试集；

步骤2，利用归一化后的训练样本集和预测样本集建立基于径向基神经网络的风速预测模块并预测分散风机点下一时刻风速和变化趋势；

步骤3，根据分散式风场地形、粗糙度、尾流影响因素建立分散式风电场区CFD模型并外推出场区内每台风机的预测风速；

步骤4，通过采集分散式风场SCADA系统风机功率数据，结合外推风机处历史气象数据和历史输出功率，利用改进微粒群优化的BP神经网络分散式风机功率进行预测，并结合风机厂商提供的标准功率曲线数据进行订正，采用的输入数据为预测风速和变化趋势，输出风电机组的动态预测功率；

步骤5，采用关联系数，对异步、双馈、永磁直驱三种发电机的风电机组进行分群建模，最后根据外推系数得到分散式风场预测功率。

2.根据权利要求1所述的一种适用于分散式接入的组合风电功率预测方法，其特征在于：

步骤1中的数据的获取和预处理：风速预测系统从测风塔数据库及数值天气预报数据库获得指定时间段内的数据，包括风速、风向、温度、湿度、大气压强，并用两组数据进行关联性分析及相互修正，由此得到训练集和测试集；

本方法设计如下公式把数据归一化到[0.05,0.95]区间，以便使网络输出有足够的增长空间：

xi′=0.05+0.9xi-xminxmax-xmin]]>

式中x′_i为归一化后的输入样本；x_i为原始输入样本；

其中将t-1时刻的风速、风向、温度、湿度、大气压强作为输入向量X，输出向量Y为t、t+1时刻的风速。

3.根据权利要求1所述的一种适用于分散式接入的组合风电功率预测方法，其特征在于：

本方法应用物理CFD模型对单机进行建模，减小整个风场集中效应的影响，并结合改进的神经网络，使模型具备了稳定和不稳定两种状态下的建模准确性，为精确地功率预测奠定了基础；

步骤3中的分散式风电场区CFD模型通过分散式风电场的地形、大气热稳定度、粗糙度、风切变、尾流效应因素进行建模，继而通过订正方法不断优化参数和结构，直到模型与实际区域风速分布误差满足要求停止，订正方法有两种：(1)、塔间修正；首先收集两个测风塔的气象数据将处理后的数据通过物理CFD方法外推到另外测风塔，将得到的外推气象数据与实际气象数据进行比对，通过误差最小的约束条件不断循环订正，直到满足条件为止；(2)、测风塔—气象预报订正；通过获取附近气象站或者气象部门提供的当地区域气象数据为基础，外推到测风塔，并与真实数据进行对比修正，本方法拟定均方误差≤20％为约束条件；

步骤2中预测分散风机点下一时刻风速和变化趋势基于风速预测模块实现，该风速预测模块，首先：采集测风塔的实时数据，预处理后输入到已建立好的地理模型，通过CFD方法建立插件表，通过映射得到各台分散式风电机组处网格的预测风速v_((t)n)和下一时刻风速v_(t+1)n。