基于同化技术与同风带理论的风电功率预测方法及系统的制作方法
【技术领域】
[0001] 本发明属于风电功率预测领域，尤其是设及一种基于同化技术与同风带理论的风 电功率预测方法及系统。
【背景技术】
[0002] 数值天气预报NWP(Nume;rical Weather Prediction)是根据大气实际情况，根据 初始值和边界值，求解流体力学和热力学方程组，预报未来天气的方法。目前的NWP的数值 模式，无论是结构设计还是参数化的物理过程方案都已趋于完善，由于NWP不受自然条件和 地域条件的限制，已广泛应用于日常气象业务、环境检测、防灾减灾和大气科学等研究。
[0003] 特别的，在设及风电发电厂的风功率预测中，NWP通常使载入全球尺度背景场预测 (Global化recast)，通过初始化模块筛选数据后确立初始值和边界值，求解流体力学和热 力学方程组后，经过神经网络校订得到风速预测结果，但是，运种风电功率的预测方法存在 如下缺陷：
[0004] 一、初始场的初始值质量较差，NWP数值模式的水平相当程度上取决于数值模式的 初始场的质量，因此，通过充分利用各种常规W及非常规的观测资料(如卫星、雷达资料)来 提供更加准确的初值场，成为NWP研究的难点和重点，而运一过程称为同化技术。=维同化 变分技术(3DVAR)正是基于数值天气预报NWP，结合各种观测资料，变更局部地区的初始场 和提供NWP数值模式的初值场，W达到精确描述和模拟实际天气过程的演变。
[0005] 二、初始场的边界值质量较差，目前，天气预报是通过中尺度的数值气象预报动力 降尺度得到的，全国气象站观测资料的同化虽然能在一定程度上满足风电功率预测的需 求，但是，当前国内台站和风电开发区的区域差异导致3DVAR同化观察资料不足，对风电功 率的预测效果不理想。
【发明内容】
[0006] 有鉴于此，本发明旨在提出一种基于同化技术与同风带理论的风电功率预测方法 及系统，W解决3DVAR同化观测资料不足导致风电功率预测效果不理想的问题。
[0007] 为达到上述目的，本发明的技术方案是运样实现的：
[000引一种基于同化技术与同风带理论的风电功率预测方法，包括如下步骤：
[0009] 步骤A:利用同风带理论重新筛选和定义更加准确的背景网格，增加 TIN地形模块 并利用ArcGIS3建模，得到背景场协方差矩阵BW及观测数据矩阵R;
[0010] 步骤B:根据NWP理论将背景场协方差矩阵BW及观测数据矩阵R录入同化模块；
[0011] 步骤C:通过最小代价方法多时次迭代求解分析变量；
[0012] 步骤D:通过历史测风数据校正并输出风速预测数据。
[0013] 进一步的，所述所述步骤A具体包括如下步骤：
[0014] 步骤al，全球尺度背景场数据载入；
[0015] 步骤a2，载入实发数据，通过该实发数据对上述GIK数据进行校正筛选；
[0016] 步骤a3，将上述经过校正筛选的数据载入初始化模块；
[0017] 步骤曰4,通过ArcGIS3为电厂建模，录入电厂的风机的坐标数据，重新定义网格间 距为2-20公里；
[0018] 步骤a5,将TIN地形模块载入初始化模块，得到背景场协方差矩阵BW及观测数据 矩阵R。
[0019] 进一步的，所述步骤A还包括如下步骤：
[0020] 步骤曰6,根据电厂的数量将al-a5步骤循环筛选2-5次。
[0021 ]进一步的，所述步骤B具体包括如下步骤：
[0022] 步骤bl，NWP降尺度得到第一气象要素猜测值；
[0023] 步骤b2,将第一气象要素猜测值载入同化模块；
[0024] 步骤b3,根据观测资料新定义网格处的气象信息确定格点处的水平/垂直差值权 重；
[0025] 步骤b4,将背景场协方差矩阵和观测数据矩阵R载入同化模块；
[00%]步骤b5,将气象第一猜测值WArakawa C网格做错位格点插值处理。
[0027]进一步的，所述步骤C具体包括如下步骤：
[00%]步骤Cl，确定分析时次的起止时间；
[0029] 步骤c2,更新侧边界和更新下边界；
[0030] 步骤c3,利用3Dvar做极小化代价函数运算；
[0031 ]步骤c4,完成极小化计算，得到分析变量X。
[0032]进一步的，所述步骤c3中的代价函数为：
[0034] 进一步的，所述步骤C具体还包括如下步骤：
[0035] 步骤c5,迭代下一时次，循环cl-c4步骤，直至所有嵌套区域的背景场更新完毕。
[0036] 进一步的，所述迭代时次为3小时或6小时，每时次的迭代次数为30-200次。
[0037] 进一步的，所述步骤D具体包括如下步骤：
[0038] 步骤dl，载入历史测风数据；
[0039] 步骤d2,通过与历史测风数据比对，对预测数据做神经网络训练和校正；
[0040] 步骤d3,输出风速预测数据。
[0041] 基于同化技术与同风带理论的风电功率预测系统，包括：区域化建模子系统、数据 同化子系统、分析变量迭代子系统和数据校正输出子系统；
[0042] 所述区域化建模子系统包括全球尺度背景场数据载入模块、实发数据筛选模块、 初始化模块、ArcGIS建模模块和TIN地形模块，所述全球尺度背景场数据用于载入模块录入 的数据通过与实发数据筛选模块内的数据比对后载入到初始化模块中，所述ArcGIS建模模 块用于建模、录入电厂的风机坐标并重新定义网格间距，所述TIN地形模块用于将地形数据 载入到初始化模块中；
[0043] 所述数据同化子系统包括NWP降尺度模块、同化模块、水平垂直差值权重载入模 块、背景场协方差矩阵和观测数据载入模块和Arakawa C网格错位格点插值模块，所述NWP 降尺度模块用于计算得到第一气象要素猜测值，并将该第一气象要素猜测值载入到同化模 块中，水平垂直差值权重载入模块、背景场协方差矩阵和观测数据载入模块和Arakawa C网 格错位格点插值模块用于处理同化模块中的气象数据；
[0044] 所述分析变量迭代子系统包括分析时次时间确认模块、侧边界、下边界更新模块、 最小代价方程运算模块和分析变量确认模块，所述分析时次时间确认模块用于确定分析时 次的起止时间，所述侧边界、下边界更新模块用于更新侧边界和更新下边界，最小代价方程 运算模块和分析变量确认模块用于利用3Dvar做极小化代价函数运算完成极小化计算，得 到分析变量；
[0045] 所述数据校正输出子系统包括历史数据载入模块、神经网络校订模块和风速预测 输出模块，所述历史数据载入模块用于载入历史测风数据，所述神经网络校订模块用于将 分析变量和历史测风数据比对，所述风速预测输出模块用于输出风速预测数据。
[0046] 相对于现有技术，本发明所述的基于同化技术与同风带理论的风电功率预测方法 及系统具有W下优势：
[0047] (1)利用同风带理论划分目标风电场同风带范围，同化测风数据，根据观测资料数 目对计算网格重新划分，既保证了子区域中资料的多点区域同化，又考虑了负载平衡，提升 了技术效率，解决了单点预测和单一时次同化不能描述空间大气的流动状态的问题；
[0048] (2)同化技术与同风带理论结合，对NWP预报的精度提高，更能反应风速的波动性、 随机性和间歇性的特点，保证电网稳定经济运行；
[0049] (3)除了适用于风电功率的预测外，还适用于新能源发电功率的预测、输电线路的 雷电风灯灾害防治，适用化围广泛；
[0050] (4)本预测方法采用优化后的同时连续循环的同化背景场方案，嵌套层之间的过 渡平滑，增强了多时次的风速风向模拟，提高了 NWP对大气运动模拟的精度。
【附图说明】
[0051] 构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实 施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0052] 图1为本发明实施例所述的基于同化技术与同风带理论的风电功率预测方法的示 意图；
[0053] 图2为本发明实施例所述的基于同化技术与同风带理论的风电功率预测系统的示 意图。
[0054] 附图标记说明：
[0055] 100-区域化建模子系统，101-全球尺度背景场数据载入模块，102-实发数据筛选 模块，103-初始化模块，104-ArcGIS建模模块，105-TIN地形模块，200-数据同化子系统， 201-NWP降尺度模块，202-同化模块，203-水平垂直差值权重载入模块，204-背景场协方差 矩阵和观测数据载入模块，205-Arakawa C网格错位格点插值模块，300-分析变量迭代子系 统，301-分析时次时间确认模块，302-侧边界、下边界更新模块，303-最小代价方程运算模 块，304-分析变量确认模块，400-数据校正输出子系统，401-历史数据载入模块，402-神经 网络校订模块，403-风速预测输出模块。
【具体实施方式】
[0056] 需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可W相 互组合。
[0057] 下面将参考附图1并结合实施例来详细说明本发明。
[0058] 基于同化技术与同风带理论的风电功率预测方法，该方法包括W下步骤：
[0059] A.区域化建模和数据筛选：
[0060] 步骤al，全球尺度背景场6!^数据载入(包括风速、风向、溫度、湿度、气压等），所述 GFS数据的背景网格间距为100公里；
[0061] 步骤a2，载入实发数据，该实发数据包括风场数据、测风塔数据，所述风场数据、测 风塔数据包括风速、风向等数据，通过该实发数据对上述数据进行校正筛选，剔除明显 错误和偏离实发数据的数值；
[0062] 步骤a3,将上述经过校正筛选的数据载入初始化模块103;
[0063] 步骤曰4,通过ArcGIS3为电厂建模，录入电厂的风机的坐标数据，重新定义网格间 距为2-20公里；
[0064] 在一种实施例中，通过ArcGISS维电厂建模，接合200m*200m的地形数据，经过WRF =重嵌套把网格降尺度到3*3公里。
[0065] 步骤曰5,将TIN地形模块105载入初始化模块103,录入近地面层的各层风速、风向、 溫度、湿度、气压等数据；
[0066] 步骤a6,根据电厂的数量将al-a5步骤循环筛选至少1次，得到背景场协方差矩阵B W及观测数据矩阵R。
[0067] B.气象数据同化处理：