一种风电场的预测风速校正方法及装置与流程

本发明风电技术领域，具体地讲，涉及一种风电场的预测风速校正方法及装置。

背景技术：

风电场全场风速的仿真计算关系到整场的机型选择以及发电量的评估，也直接决定了风电场的经济效益。随着风电场的开发越来越向地形及气象条件更加复杂的山区移动，原有流体模型，如wt、windsim、wasp等计算的风电场风速和发电量的偏差也越来越大，在一些风电场中，风速的计算偏差甚至能够高达20％以上，这给风电场的开发者带来巨大的经济损失。

技术实现要素：

本发明提供了一种风电场的预测风速校正方法及装置，利用风速计算偏差与多个影响因子之间的关系对风电场的预测风速进行校正，解决了现有流体模型计算风电场风速不准确的问题。

本发明的一方面提供了风电场的预测风速校正方法，所述校正方法包括：分别建立多个现有风电场的风速偏差矩阵，其中，风速偏差表示现有风电场的目标测风塔的预测风速和实测风速之差；基于所述多个现有风电场的风速偏差矩阵建立风速偏差校正模型库，所述风速偏差校正模型库包括多个与所述现有风电场对应的风速偏差校正模型，其中，所述风速偏差校正模型表示现有风电场的风速偏差与等效因子之间的关系；确定目标风电场的相关参数，并根据该相关参数在所述风速偏差校正模型库中确定匹配的风速偏差校正模型，进而根据确定的风速偏差校正模型对目标风电场的预测风速进行校正。

优选地，所述根据确定的风速偏差校正模型对目标风电场的预测风速进行校正包括：根据确定的风速偏差校正模型得到目标风电场的风速偏差；将所述目标风电场的风速偏差叠加到通过流体模型计算出的目标风电场的预测风速上，得到校正后的目标风电场的预测风速。

优选地，所述根据确定的风速偏差校正模型得到目标风电场的风速偏差包括：根据确定的风速偏差校正模型得到用于计算等效因子的一个或多个影响因子；根据所述一个或多个影响因子计算所述目标风电场的等效因子；基于所述目标风电场的等效因子以及确定的风速偏差校正模型得到目标风电场的风速偏差。

优选地，所述根据确定的风速偏差校正模型得到目标风电场的风速偏差还包括：确定所述得到的目标风电场的风速偏差是否满足预定约束条件，如果所述得到的目标风电场的风速偏差满足所述预定约束条件，则将所述目标风电场的风速偏差叠加到通过流体模型计算出的目标风电场的预测风速上，得到校正后的目标风电场的预测风速。

优选地，根据现有风电场中除所述目标测风塔外的一个或一个以上测风塔的测风数据推测得到所述目标测风塔的预测风速。

优选地，所述相关参数至少包含风电场的所处区域、气象条件、地形条件其中之一。

本发明的另一方面提供了一种风电场的预测风速校正装置，所述校正装置包括：偏差求取程序模块，用于分别建立多个现有风电场的风速偏差矩阵，其中，风速偏差表示现有风电场的目标测风塔的预测风速和实测风速之差；模型建立程序模块，用于基于所述多个现有风电场的风速偏差矩阵建立风速偏差校正模型库，所述风速偏差校正模型库包括多个与所述现有风电场对应的风速偏差校正模型，其中，所述风速偏差校正模型表示现有风电场的风速偏差与等效因子之间的关系；风速校正程序模块，用于确定目标风电场的相关参数，并根据该相关参数在所述风速偏差校正模型库中确定匹配的风速偏差校正模型，进而根据确定匹配的风速偏差校正模型对目标风电场的预测风速进行校正。

优选地，风速校正程序模块包括：偏差计算程序模块，根据确定的风速偏差校正模型得到目标风电场的风速偏差；校正程序模块，将所述目标风电场的风速偏差叠加到通过流体模型计算出的目标风电场的预测风速上，得到校正后的目标风电场的预测风速。

优选地，偏差单元包括：影响因子计算程序模块，根据确定的风速偏差校正模型得到用于计算等效因子的一个或多个影响因子；等效因子计算程序模块，根据所述一个或多个影响因子计算所述目标风电场的等效因子；风速偏差计算程序模块，基于所述目标风电场的等效因子以及确定的风速偏差校正模型得到目标风电场的风速偏差。

优选地，偏差计算程序模块还包括：约束条件程序模块，确定所述得到的目标风电场的风速偏差是否满足预定约束条件，其中，如果约束条件程序模块确定所述得到的目标风电场的风速偏差满足所述预定约束条件，则校正程序模块将所述目标风电场的风速偏差叠加到通过流体模型计算出的目标风电场的预测风速上，得到校正后的目标风电场的预测风速。

优选地，所述偏差求取程序模块根据现有风电场中除所述目标测风塔外的一个或一个以上测风塔的测风数据推测得到所述目标测风塔的预测风速。

优选地，所述相关参数至少包含风电场的所处区域、气象条件、地形条件其中之一。

本发明的另一方面提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器运行时，处理器执行以下操作：

分别建立多个现有风电场的风速偏差矩阵，其中，风速偏差表示现有风电场的目标测风塔的预测风速和实测风速之差；

基于所述多个现有风电场的风速偏差矩阵建立风速偏差校正模型库，所述风速偏差校正模型库包括多个与所述现有风电场对应的风速偏差校正模型，其中，所述风速偏差校正模型表示现有风电场的风速偏差与等效因子之间的关系；

确定目标风电场的相关参数，并根据该相关参数在所述风速偏差校正模型库中确定匹配的风速偏差校正模型，进而根据确定的风速偏差校正模型对目标风电场的预测风速进行校正。

本发明的另一方面提供了一种计算机设备，包括处理器和存储计算机程序的存储器，所述计算机程序被处理器运行时，处理器执行如上所述风电场的预测风速校正方法。

在本发明中，利用风速计算偏差与多个影响因子之间的关系建立模型并对风电场预测风速进行校正，有效弥补了现有流体模型计算风电场风速的误差问题。

附图说明

通过以下结合附图进行的描述，本发明的示例性实施例的以上和其他方面、特点和优点将会更加清楚，在附图中：

图1示出根据本发明的实施例的一种风电场的预测风速校正方法的流程图；

图2示出根据本发明的实施例的用于根据确定匹配的风速偏差校正模型对目标风电场的预测风速进行校正的过程的流程图；

图3示出根据本发明的实施例的一种风电场的预测风速校正装置的框图；

图4示出根据本发明的实施例的风速校正程序模块的框图；

图5示出根据本发明的实施例的偏差计算程序模块的框图。

在附图中，相同的标号将被理解为表示相同的元件、特征和结构。

具体实施方式

提供以下参照附图的描述以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。以下参照附图的描述包括各种特定细节以帮助理解，但是所述特定细节将仅被视为示例性的。因此，本领域普通技术人员将意识到，在不脱离本发明的范围和精神的情况下，可对这里描述的实施例进行各种改变和修改。此外，为了清晰和简要，可省略公知功能和结构的描述。

在下文中，首先描述本发明涉及到的和风电场的风速计算偏差的校正方法相关的技术术语。

1.wt软件

wt是美迪公司开发的一套专门用于微观选址的cfd(computationalfluiddynamics)商业软件，该软件目前是风电领域内用于风资源分析的常用软件。该软件基于计算流体力学的原理对风电场进行风流模拟，由此得知风电场空间每一处的风流情况，进而可以评估出地形对风流造成的各种影响。

2.崎岖指数rix(ruggednessindex)

rix地形复杂程度的定量描述。在某点以r为半径的极坐标中，每条半径线都可能与等高线相交，交点则把半径线分为若干线段。用地形坡度超过关键坡度θ的线段总和，除以全部线段总和，即半径线r的总和，就得到了崎岖指数rix值。对于某一特定点来说，其rix值取决于三个参数：计算半径r、关键坡度θ、半径线数目n。一般地，计算半径r取3.5km，关键坡度θ取0.3rad(约为17°)，半径线数目n取72。如果rix等于0％，则说明地形坡度都小于0.3rad，如果rix大于0％，则说明部分地区的坡度大于0.3rad。

3.莫尼奥布霍夫长度mol(monin-obukhovlength)

mol是体现近地面层湍流切应力和浮力做功相对大小的长度尺度，常用来表示近地面层的整体稳定度。计算公式为l＝-u*3cpp/kghr，式中：u*为摩擦速度，cp为比热，p为大气压力，κ为冯卡门常数，g为重力加速度，h为运动热通量，r为气体常数。l数值为无穷大时表示中性大气，l为正时表示稳定大气，l为负时表示不稳定大气，当然，还可依据数值的大小进行更细等级的划分。

图1是示出根据本发明的实施例的一种风电场的预测风速校正方法的流程图。

如图1所示，首先，在步骤s100，分别建立多个现有风电场的风速偏差矩阵，其中，风速偏差表示现有风电场的目标测风塔的预测风速和实测风速之差。具体地，选择符合预定标准的现有风电场，根据选择的现有风电场中的至少一个测风塔的实测风速和选择的现有风电场的流体模型得到目标测风塔的至少一个预测风速。然后，根据目标测风塔的所述至少一个预测风速和实测风速计算风速偏差，并建立风速偏差矩阵。将在下面详细描述选择符合预定标准的现有风电场的过程。

根据本发明的实施例，由于流体模型计算结果失真严重的风电场地形都比较复杂，如海拔落差几百米以上，山体走向多不一致，下垫面常有树木、农田、水体、房屋等多种环境并存，还有一些地区地形不复杂但局地气象条件变化剧烈，都导致流体模型预测结果的偏差较大。这些定性的经验，可以帮助初步挑选出风速计算偏差可能较大的区域，从中进一步挑选实际偏差较大的风电场。另外，风电场实际的测风数据要足够多，数据质量也要足够好，在建立偏差矩阵时便可获得足够多的样本及可信的校正方程并且也排除了由于数据质量问题而造成计算结果偏差大的情况。这样，可以初步挑选出风速计算偏差可能较大的区域，并从中进一步挑选实际偏差较大的风电场。因此，可选择流体模型计算结果失真严重、测风数据达到iec数据使用标准并且包含至少三个测风塔的风电场作为所选择的符合预定标准的风电场。在本发明的以下实施例中，假设选择符合以上预定标准的风电场m来进行风电场的预测风速的校正。

在选择了符合预定标准的风电场m之后，还需要对所选风电场m的测风数据进行预处理，保证数据的有效率达到90％以上，并提取所有测风塔的同期数据作为风速序列备用。接下来，参考相近风电场或地形和气象条件比较相似风电场的已有仿真参数较优的选择，确定选择的现有风电场的流体模型的预测参数，并依次将除目标测风塔外的其余测风塔的风速序列放入所述流体模型中进行多塔互推综合计算，可获得所述流体模型对目标测风塔风速的预测结果。由于风电场通常场区范围较大(>10平方公里)，而单个测风塔的覆盖范围一般仅为3公里，用单塔来推测整场风速，会造成较大的偏差。因此，使目标测风塔的预测风速值更接近真实情况并且获取更多的目标测风塔的预测风速样本，除了基于单个测风塔推测外，还可以基于多个测风塔对目标测风塔的预测风速进行综合计算，每一次综合计算都会得到一个目标测风塔风速的预测值。

根据本发明的实施例，在得到目标测风塔的预测风速后，可根据目标测风塔的预测风速和实测风速之间的风速偏差，构建风速偏差矩阵。参考下表计算得到偏差矩阵：

表1偏差矩阵示意图

如上表1所示，其中，mn表示第n座测风塔，偏差矩阵包含了根据一座塔、两座塔、三座塔…多座塔推测目标测风塔风速偏差的结果。假设现有风电场m中有x座测风塔，x≥3，其中，单塔推测表达式如下：

e(m,n)＝(v′m-vn)/vn

单塔推测表示根据第m座测风塔推测目标测风塔n所得的风速偏差，其中，v′m表示由第m座测风塔推测得到的第n座测风塔处的预测风速，vn表示第n座测风塔处的实测风速。如e(1,3)＝(v′1-v3)/v3表示第1座测风塔推测第3座测风塔所得的风速偏差，v′1表示由第1座测风塔推测得到的第3座测风塔处的预测风速，v3表示第3座测风塔处的实测风速。

多塔综合推测表达式如下：

e(a&b&…g,h)＝(v′f-vh)/vh

多塔综合推测表示根据第a、b…g座测风塔推测目标测风塔h所得的风速偏差，其中，v′f表示根据第a、b…g座测风塔的多塔综合推测得到的第h座测风塔处的预测风速，vh表示第h座测风塔处的实测风速。例如，e(2&3&4,1)＝(v′f-v1)/v1表示根据第2、3、4座测风塔推测第1座测风塔处的预测风速所得的偏差，其中，v′f表示由第2、3、4座测风塔推测得到的第1座测风塔处的预测风速，v1表示第1座测风塔处的实测风速。

需要说明的是，对目标测风塔的预测风速进行综合计算的方法可以有多种。例如，可以采用参考测风塔到目标测风塔的距离的反比作为权重或者距离平方的反比作为权重预测目标测风塔的风速，也可以采用邻近测风塔的风速计算结果进行预测风速。根据本发明的一个实施例，假设风电场m中有3座参考测风塔和一座目标测风塔，且多塔综合推测采用距离的反比作为权重，则v′f＝1/l1*v1′+1/l2*v2′+1/l3*v3′，其中，l1、l2、l3分别是第1座、第2座、第3座参考测风塔距目标测风塔的距离，v1′、v2′、v3′分别是基于3座参考测风塔的单塔推测得到的目标测风塔的预测风速，则v′f是基于3座参考测风塔综合推测得到的目标测风塔的风速结果。

接下来，在步骤s200，基于所述多个现有风电场的风速偏差矩阵建立风速偏差校正模型库，其中，所述风速偏差校正模型库包括多个与所述现有风电场对应的风速偏差校正模型，所述风速偏差校正模型表示现有风电场的风速偏差与等效因子之间的关系。具体地，根据本发明的实施例，可根据现有风电场的风速偏差矩阵与等效因子之间的关系建立风速偏差校正模型，并由多个与所述现有风电场对应的风速偏差校正模型构建风速偏差校正模型库。

下面将详细说明根据本发明的实施例的建立风速偏差校正模型库的过程。首先，根据选择的现有风电场所处地区的地形及气候特征，选择可能影响流体模型的风速计算偏差的影响因子。例如，在海拔落差较大的地区，选择海拔落差(△h)为可能影响风速计算偏差的影响因子；在范围较大且测风塔较少的风电场，选择距离(l)为可能影响风速计算偏差的影响因子；在下垫面变化比较大的地区，选择粗糙度(roughness)为可能影响风速计算偏差的影响因子；在气象条件变化比较剧烈的地区，选择大气稳定度(mol)为可能影响风速计算偏差的影响因子；在山体整体走向有较大变化的地区，选择山体走向及风向(direction)的变化为可能影响风速计算偏差的影响因子。因此，根据不同的背景条件，选择可能的风速计算偏差影响因子。在以下的实施例中，假设海拔落差(△h)为风电场m的流体模型的风速计算偏差的影响因子。

对于判断选择的影响因子好坏的方法，可以通过相关系数来判断，还可以采用主成分分析(pca)等方法来判断，有时影响因子之间存在相互影响，或者影响因子与风速偏差之间存在非线性的关系。

然后，根据选择的影响因子求取等效因子。由上述假设海拔落差(△h)为影响因子以及多塔综合推测的原理可知，等效因子也可依据多塔综合推测方法采用距离的反比作为权重进行求取，则等效因子的计算公式相应如下：

δh＝1/l1*δh1+1/l2*δh2+1/l3*δh3

其中，l1、l2、l3分别是第1座、第2座、第3座参考测风塔距目标测风塔的距离，δh1、δh2、δh3分别是3座参考测风塔与目标测风塔的海拔落差，δh是与该多塔综合推测方法相对应的等效因子计算结果。如果多塔综合推测采用的是其他的方法，则等效因子的计算也可采用与其相对应的计算公式。等效因子的计算可以将在单塔或多塔综合推测目标测风塔的过程中计算偏差的影响因子放入同一个可类比的关系当中，进一步，还可以定量的计算出风速预测偏差最小时的距离、高差、粗糙度之差等最优配置，对测风塔位置的选择具有指导意义。

最后，根据等效因子的计算结果和构建的风速计算偏差矩阵建立等效因子与风速计算偏差之间的关系式，即风速偏差校正模型。根据本发明的实施例，可采用显式的方程如线性方程、非线性方程或者隐式的数学模型如各种机器学习算法等寻找等效因子与风速计算偏差之间的关系，训练得到校正模型，根据选择的多个不同风电场的训练结果得到的校正模型，构建校正模型库。例如，选择多元线性方程的方法来寻找等效因子与风速计算偏差之间的关系，则根据风电场的多个等效影响因子与风速计算偏差的数值拟合出一个多元线性的关系式，同时该拟合关系式的拟合效果需要达到一定的标准，则该多元线性方程就是一个校正模型。或者，还可采用神经网络或支持向量机等机器学习算法进行训练，找出等效因子与风速偏差之间存在的关系。通常这种关系通过各影响因子的权重系数矩阵来呈现，由此得到的权重系数文件也是一个校正模型，然后，再根据选择的多个不同风电场的训练结果得到的不同的校正模型构建校正模型库。

在建立了校正模型库之后，接下来，在步骤s300中，确定目标风电场的相关参数，并根据该相关参数在所述风速偏差校正模型库中确定匹配的风速偏差校正模型，进而根据确定的风速偏差校正模型得到目标风电场的风速偏差。具体地，根据本发明的实施例，先确定目标风电场的相关参数，再根据确定的相关参数对步骤s200中建立的风速偏差校正模型库中的风速偏差校正模型进行匹配，根据确定的风速偏差校正模型得到目标风电场的风速偏差，将所述目标风电场的风速偏差叠加到通过流体模型计算出的目标风电场的预测风速上，从而得到校正后的目标风电场的预测风速。

下面将参照图2来详细说明根据本发明实施例的用于对目标风电场的预测风速进行校正的过程。

图2是示出根据本发明的实施例的用于根据确定匹配的风速偏差校正模型对目标风电场的预测风速进行校正的过程的流程图。

在步骤s201，根据确定的风速偏差校正模型得到目标风电场的风速偏差。具体地，首先，由确定的相关参数在所述风速偏差校正模型库中确定匹配的风速偏差校正模型，根据确定的风速偏差校正模型得到用于计算等效因子的一个或多个影响因子。然后，根据所述一个或多个影响因子计算所述目标风电场的等效因子，基于所述目标风电场的等效因子以及确定的风速偏差校正模型得到目标风电场的风速偏差。根据本发明的实施例，确定目标风电场的相关参数可包括风电场所处的地区、气象条件、地形条件其中之一。例如，以中国为例，先进行大区域划分，将中国分为西北地区、东北地区、华北地区、青藏高原地区、云贵高原、长江流域、东南沿海地区等区域。在大区域划分的基础上，再依据气象条件进行细分，例如，使用莫尼奥布霍夫长度l来对大气稳定度进行分级，其中，l数值为无穷大表示中性大气，l数值为正值表示稳定大气，l数值为负值则表示不稳定大气，当然，还可依据数值的大小进行更细等级的划分。另外，在大区域划分的基础上，也可依据地形条件进行细分，例如，使用崎岖指数rix来对地形的复杂程度进行分级，如果rix约等于0％定义为简单地形，如果rix大于30％定义为复杂地形，如果rix大于50％则定义为极端复杂地形。当然，本发明中还可以引入更多更细的分类标准，将每一种模型的管辖范围划分的更小，这样校正效果也会更稳定。因此，本发明确定相关参数的方法不限于此。在以下的实施例中，假设由确定的相关参数在所述风速偏差校正模型库中确定匹配的风速偏差校正模型为风速计算偏差与海拔落差之间的一种统计关系类别，则可确定用于计算等效因子的影响因子为海拔落差。

根据本发明的实施例，步骤s201还可包括，确定所述得到的目标风电场的风速偏差是否满足预定约束条件。具体地，根据本发明的实施例，先确定所述得到的目标风电场的风速偏差是否满足预定约束条件，如果所述得到的目标风电场的风速偏差满足预定约束条件，则进行步骤s202，否则，重新确定校正模型求取目标风电场的风速偏差。

在步骤s202，将所述目标风电场的风速偏差叠加到通过流体模型计算出的目标风电场的预测风速上，得到校正后的目标风电场的预测风速。具体地，根据本发明的实施例，将满足所述预定约束条件的目标风电场的风速偏差叠加到通过流体模型计算出的目标风电场的各目标点的预测风速上，得到校正后的目标风电场的预测风速。根据本发明的实施例，例如，当目标风电场的预测偏差满足约束条件为预测的风速偏差值小于或等于预测的风速值时，进行风速偏差叠加来求取校正后的目标风电场的风速，否则，放弃使用超出约束条件的预测偏差，并重新筛选新的校正模型重新预测风速偏差，得到校正后的风速进而也可以计算出校正后的发电量。

在本发明中，校正模型库的建立方法与相关参数随着实验样本的增多而不断更新，因此，本发明是一个不断迭代的过程。本发明中偏差影响因子不断积累以及相关参数不断补充，校正模型得到不断优化且流体模型计算偏差的特点及原因也越来越多。比如，在某一气象条件不稳定的地区，流体模型计算的全场风速总是偏小，同时这一地区的海拔落差又比较小，即流体模型在该条件下的预测风速普遍偏小，那么就说明流体模型中原有的方程或一些参数的设置在该地区或者该条件下是可以进行调整的。类似这样的经验积累起来，反过来修正流体模型，使流体模型在更多特殊风电场的预测效果得到改进。

图3是示出根据本发明的实施例的一种风电场的预测风速校正装置的框图。

如图3所示，一种风电场的预测风速校正装置300包括偏差求取程序模块301、模型建立程序模块302和风速校正程序模块303。根据本发明的实施例，风电场的风速计算偏差的校正装置300可通过各种计算装置(例如，计算机、服务器、工作站等)来实现。具体的讲，偏差求取程序模块301用于分别建立多个现有风电场的风速偏差矩阵，其中，风速偏差表示现有风电场的目标测风塔的预测风速和实测风速之差。模型建立程序模块302用于基于所述多个现有风电场的风速偏差矩阵建立风速偏差校正模型库，所述风速偏差校正模型库包括多个与所述现有风电场对应的风速偏差校正模型，其中，所述风速偏差校正模型表示现有风电场的风速偏差与等效因子之间的关系。风速校正程序模块303用于确定目标风电场的相关参数，并根据该相关参数在所述风速偏差校正模型库中确定匹配的风速偏差校正模型，进而根据确定的风速偏差校正模型对目标风电场的预测风速进行校正。

偏差求取程序模块301选择符合预定标准为流体模型计算结果失真严重、测风数据达到iec数据使用标准并且包含至少三个测风塔的现有风电场，根据选择的现有风电场的测风数据进行预处理以剔除无效数据，参考与选择的现有风电场条件相近的风电场已有的流体模型的仿真参数确定现有风电场的流体模型的仿真参数，将除目标测风塔以外的所述至少一个测风塔的测风数据放入流体模型中进行综合计算以获得所述至少一个预测风速；根据得到的目标测风塔的所述至少一个预测风速和实测风速计算风速偏差矩阵。

模型建立程序模块302根据选择的现有风电场所处地区的地形及气候特征，选择影响选择的风电场的流体模型的风速计算偏差的影响因子，再根据选择的影响因子通过多塔综合原则计算等效因子，其中，多塔综合原则是基于多个测风塔推测得到的目标测风塔的预测风速和实测风速之间的风速偏差的计算原则计算选择的影响因子在流体模型中的等效因子。根据计算得到的等效因子和偏差求取程序模块301得到的风速偏差矩阵，寻找风速偏差和等效因子之间的关系式，通过显式方程或隐式数学模型进行训练得到校正模型，并根据选择的不同风电场建立的多个校正模型构建风速偏差校正模型库。

下面将参照图4来详细说明根据本发明实施例的风速校正程序模块303。

图4示出根据本发明的实施例的风速校正程序模块的框图。

如图4所示，风速校正程序模块303包括偏差计算程序模块50和校正程序模块60。其中，偏差计算程序模块50根据确定的风速偏差校正模型得到目标风电场的风速偏差，校正程序模块60将偏差计算程序模块50得到的风速偏差叠加到通过流体模型计算出的目标风电场的预测风速上，得到校正后的目标风电场的预测风速。其中，偏差计算程序模块50中确定的风速偏差校正模型是根据确定的目标风电场的相关参数在所述风速偏差校正模型库中进行匹配得到的，所述相关参数至少包含风电场的所处区域、气象条件、地形条件其中之一。

下面将参照图5来详细说明根据本发明实施例的偏差计算程序模块50。

图5示出根据本发明的实施例的偏差计算程序模块的框图。

如图5所示，偏差计算程序模块50包括影响因子计算程序模块501、等效因子计算程序模块502和风速偏差计算程序模块503。其中，影响因子计算程序模块501根据确定的风速偏差校正模型得到用于计算等效因子的一个或多个影响因子，等效因子计算程序模块502根据所述一个或多个影响因子计算所述目标风电场的等效因子，风速偏差计算程序模块503基于所述目标风电场的等效因子以及确定的风速偏差校正模型得到目标风电场的风速偏差。

根据本发明的实施例，偏差计算程序模块50还包括约束条件程序模块504，约束条件程序模块504确定所述得到的目标风电场的风速偏差是否满足预定约束条件，如果满足所述预定约束条件，则将满足所述预定约束条件的预测的目标风电场的风速偏差叠加到通过目标风电场的流体模型计算出的目标风电场的各目标点的预测风速上，得到校正后的风速，否则，重新筛选校正模型对目标风电场的风速偏差进行校正。

根据本发明的实施例的一种风电场的预测风速校正方法及装置，该校正方法利用风速计算偏差与多个影响因子之间的关系对风电场风速偏差进行校正，从而有效弥补现有流体模型计算风速时的误差。

根据本发明的实施例的一种风电功率预测方法可实现为计算机可读记录介质上的计算机可读代码，或者可通过传输介质被发送。计算机可读记录介质是可存储此后可由计算机系统读取的数据的任意数据存储装置。计算机可读记录介质的示例包括只读存储器(rom)、随机存取存储器(ram)、光盘(cd)-rom、数字多功能盘(dvd)、磁带、软盘、光学数据存储装置，但不限于此。传输介质可包括通过网络或各种类型的通信通道发送的载波。计算机可读记录介质也可分布于连接网络的计算机系统，从而计算机可读代码以分布方式被存储和执行。

尽管已经参照本发明的特定示例性实施例显示和描述了本发明，但是本领域技术人员将理解，在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下，可进行各种形式和细节上的各种改变。