[发明专利]一种风电场的年发电量预测方法和系统

说明书

本发明提供了一种风电场的年发电量预测方法和系统，包括：获取风电场目标年的南北纬气温梯度、风电场参考年历史南北纬气温梯度和风电场参考年历史年发电量；将所述目标年的南北纬气温梯度、风电场参考年历史南北纬气温梯度和风电场参考年历史年发电量代入预先建立的发电量预测模型，进行计算得到风电场目标年的年发电量；其中，所述发电量预测模型是基于南北纬气温梯度和年发电量的关系建立的；本发明对于变化较剧烈的年气候变化预测精度不受限制，提升了年发电量的预测准确性。

技术领域

本发明属于风电场发电量预测领域，尤其是涉及一种风电场的年发电量预测方法和系统。

背景技术

由于风电具有强烈的时空波动特性，其波动尺度跨越了从次分钟级到小时级、日级、月级、年级、年代级等时间尺度，这些不同尺度的风速波动均会造成发电量的波动，从而影响到电网发用电平衡和调度计划制订。其中，年发电量的波动，形成了所谓的“大/平/小风年”，主要影响的是电网的长期发电计划编制和检修计划，以及影响发电企业对场站发电性能的评估业务等。

目前，风电场年发电量预测方法主要有序列分析方法和资源-电量方法两种，序列分析方法是以历史多年风电、光伏发电量序列数据为输入，采用卡尔曼滤波等时间序列分析方法实现年发电量的预测，资源-电量方法是以年度的风速资源参量(一般来自于气候预报)为输入，通过资源-电量转化模型实现年发电量预测的方法。

然而，第一种方法主要基于历史趋势推演未来，仅适用于平稳的年气候变化特征，对于变化较剧烈的年气候变化，其预测精度受到了限制。第二种方法以气候预测模式输出的风速时间序列为基础，能够克服第一种方法不能预测剧烈变化的缺点，然而气候预测模式具有较大的不确定性，其风速预测的准确率难以适用于实际需求。田群等学者于2019年发表在《Energy》上的文章“Observed and global climate model based changes inwind power potential over the Northern Hemisphere during 1979-2016”表明，目前世界上的20余套气候预测模式不能模拟出北半球的历史风速降低趋势，对于未来的风能预测更不可靠。由于气候模式预测的风速是年发电量预测的主要输入要素，从而导致年发电量预测精度低。可以说，目前的年发电量预测亟需发展一套较为可靠的方法。

虽然气候模式的预测风速较不可靠，然而其预测的气温却比风速更为准确，这是因为气温观测数据较风速观测数据更多。拿气候预测模式所需的卫星观测数据来说，卫星可以反演出地面每个位置上的气温数据，却不能反演出地面的风速，因此，预测所需的气温观测数据异常丰富，然而风速观测数据却非常稀缺，因此导致了气候预测模式的气温预测准、风速预测不准的情况。

发明内容

为克服上述现有技术的不足，本发明提出一种风电场的年发电量预测方法，包括：

获取风电场目标年的南北纬气温梯度、风电场参考年历史南北纬气温梯度和风电场参考年历史年发电量；

将所述目标年的南北纬气温梯度、风电场参考年历史南北纬气温梯度和风电场参考年历史年发电量代入预先建立的发电量预测模型，进行计算得到风电场目标年的年发电量；

其中，所述发电量预测模型是基于南北纬气温梯度和年发电量的关系建立的。

优选的，所述发电量预测模型的建立，包括：

基于南北纬气温梯度与年平均风速间的对应关系构建南北纬气温梯度－年平均风速间的关系模型；

基于年平均风速与年发电量间的对应关系构建年平均风速－年发电量的关系模型；

结合所述南北纬气温梯度－年平均风速间的关系模型和年平均风速－年发电量的关系模型，得到南北纬气温梯度－年发电量的关系模型；