[发明专利]基于动力降尺度数据融合和统计模型的风电功率预测方法

权利要求书

1.基于动力降尺度数据融合和统计模型的风电功率预测方法，其特征在于，具体包括如下步骤：

步骤1、通过区域气候模式RegCM对NWP的历史回报风速进行动力降尺度，得到尺度精细风速；

步骤2、与历史观测资料的对比，确定动力降尺度前后历史风速数据的可信度权重因子，建立数据融合函数模型；

步骤3、根据步骤2建立的数据融合函数模型得到历史风速，并结合历史风力发电功率数据，建立类S型曲线模型；

步骤4、根据步骤2建立的数据融合函数模型得到预测风速，并结合步骤3建立的类S型曲线模型，对未来发电功率进行预测。

2.根据权利要求1所述的基于动力降尺度数据融合和统计模型的风电功率预测方法，其特征在于，所述步骤1中，具体包括如下步骤：

步骤11、收集数值预报NWP输出的历史回报风速场、气温场、气压场及相对湿度场；

步骤12、将NWP输出场作为区域气候模式RegCM的输入场，利用超级计算机对模式进行运行，输出分辨率更高的风速场；

步骤13、确定风电机位置，利用双线性插值将动力降尺度前后的风速场进行插值，给出风电机处动力降尺度前后的风速值。

3.根据权利要求1所述的基于动力降尺度数据融合和统计模型的风电功率预测方法，其特征在于，所述步骤2中，具体包括如下步骤：

步骤21、记单个发电风机处未降尺度的历史回报风速为V_h1，其对应的可信度权重因子为w1，降尺度后的历史回报风速为V_h2，其对应的可信度权重因子为w2，则，w1+w2＝1 (1)；

步骤22、记单个发电风机处的历史观测风速为V_h，并根据V_h1和V_h2和V_h的相似程度来确定可信度权重因子，则，相似程度为，

步骤23、根据步骤22得到的两个历史回报风速与历史观测风速的相似程度，则，权重因子w1为，

联立式(1)和式(4)求解可信度权重因子；

步骤24、设两个历史回报风速融合后的风速为V，则，

V＝w1×V_h1+w2×V_h2 (5)，

根据式(5)建立数据融合函数模型，并用于降尺度前后未来预报风速的数据融合。

4.根据权利要求1所述的基于动力降尺度数据融合和统计模型的风电功率预测方法，其特征在于，所述步骤3中，具体包括如下步骤：

步骤31、根据风电机组的性质，任意时刻的输出功率与对应时刻风速的计算关系为，

步骤32、根据步骤2建立的数据融合函数模型得到历史风速，并结合历史风力发电功率数据，训练类S型曲线，且所述类S型曲线设为，

步骤33、利用MATLAB软件对类S型曲线进行拟合，求出待定系数，即可得到类S型曲线的函数表达式，代入到步骤31所得式中，既得P-V统计预测模型，

5.根据权利要求1所述的基于动力降尺度数据融合和统计模型的风电功率预测方法，其特征在于，所述步骤4中，具体包括如下步骤：

步骤41、利用区域气候模式RegCM对NWP预测的风速进行动力降尺度，对动力降尺度前后的数据融合得到风电机处未来的预测风速v；

步骤42、将预测风速v带入到P-V统计预测模型中，得到未来时刻风电机的发电功率P。

6.根据权利要求3所述的基于动力降尺度数据融合和统计模型的风电功率预测方法，其特征在于：所述步骤22中，R1和R2分别为两个历史回报风速与历史观测风速的相似程度；

分别代表两个历史回报风速，且代表观测风速平均值。