一种风功率预测系统的制作方法
【专利摘要】本实用新型属于风力发电技术领域，具体涉及一种风功率预测系统,包括数据采集单元、数据存储单元、功率组合预测单元、功率误差预测分析单元、实时通信单元和调度中心服务器，所述数据采集单元的一输出端依次通过数据存储单元、功率组合预测单元、功率误差预测分析单元连接，所述数据采集单元的另一输出端还与功率误差预测分析单元连接，所述功率误差预测分析单元通过实时通信单元与调度中心服务器连接。本实用新型简单实用、响应迅速块，而且消除功率系统中的非线性问题。
【专利说明】
一种风功率预测系统
技术领域
[0001]本实用新型属于风力发电技术领域，具体涉及一种风功率预测系统。
【背景技术】
[0002]风能是目前最具大规模商业化开发利用潜力的可再生能源，风力发电是大规模利用风能的有效途径，也是我国能源和电力可持续发展战略的最现实选择。随着风电场大规模接入主干电网，风电场功率波动会对电网电压、频率的稳定产生一定影响，进而影响电网的安全稳定运行。电网的发电用电需时刻保持平衡，而风能作为间歇性能源，风电场的有功功率出力情况随风速的变化而变化，具有很大的不确定性，对于风速的波动、间歇性和随机性，势必给电网的稳定性带来严重冲击，影响电网的电能质量，这使得风电场的有功出力预测变得尤为重要。
【实用新型内容】
[0003]本实用新型的目的为解决现有技术的上述问题，提供了一种简单实用、响应迅速、预测精度高、消除非线性问题的风功率预测系统，为了实现上述目的，本实用新型采用的技术方案如下:
[0004]—种风功率预测系统，其特征在于:包括数据采集单元、数据存储单元、功率组合预测单元、功率误差预测分析单元、实时通信单元和调度中心服务器，所述数据采集单元的一输出端依次通过数据存储单元、功率组合预测单元、功率误差预测分析单元连接，所述数据采集单元的另一输出端还与功率误差预测分析单元连接，所述功率误差预测分析单元通过实时通信单元与调度中心服务器连接，所述数据采集单元至少包括一个风向传感器、一个风力传感器、一个湿度传感器和一个数据采集卡，所述风向传感器、风力传感器和湿度传感器分别与数据采集卡连接。
[0005]优选地，所述数据采集卡采用PCIE采集卡。
[0006]优选地，所述实时通信单元包括以太网通信模块、RS485通信模块、WiFi通信模块和CAN通信模块，其中，以太网通信模块采用DP83848C芯片，RS485通信模块采用ADM2483芯片，WiFi通信模块采用USR-WIFI232-G模块，CAN通信模块采用PCA82C50芯片，所述功率误差预测分析单元为芯片stm32F407。
[0007]优选地，所述功率组合预测单元包括NWP预测处理机、BP神经网络控制器和LS-SVM预测电路，所述LS-SVM预测电路至少包括一个累加器和一个积分器，所述累加器的输出端与积分器的输入端连接，所述积分器的输出端反馈输入到累加器的输入端。
[0008]优选地，所述LS-SVM预测电路至少还包括一个延时反相单元，所述积分器包括运算放大器Ul、电阻Rl、电阻R2、电阻R3、电阻R4、电容C，所述电阻Rl、电阻R2、电阻R3、电阻R4的一端都分别与运算放大器UI的负极连接，所述运算放大器UI的输出端分别与电容C的一端、电阻R2的另一端、延时反相单元的输入端连接，所述延时反相单元的输出端与电阻Rl另一端连接，所述运算放大器Ul正极输入端与地连接，所述电容C的另一端与运算放大器Ul的负极连接。
[0009]优选地，所述延时反相单元为反相器或RS触发器。
[0010]综上所述，本实用新型采用了上述方案，本实用新型具有以下有益效果:
[0011]本实用新型简单实用、响应迅速块，加快了神经网络的训练速度，提高了电路的灵活性，能较好的完成风功率的预测和统计，具有较高的实时处理能力，并且精度比使用单一的物理模型较高，预测简单，其中，最小二乘支持向量机:Least Squares Support VectorMachineS，g卩LS-SVM模型具有较强的泛化能力，更有利于消除系统中的对于非线性问题，首先将其转化为高维度空间的线性化问题。
【附图说明】
[0012]为了更清楚地说明本实用新型实例或现有技术中的技术方案，下面将对实施实例或现有技术描述中所需要的附图做简单地介绍，显然，下面描述中的附图仅仅是本实用新型的一些实例，对于本领域普通技术人员来说，在不付出创造性的前提下，还可以根据这些附图获得其他的附图。
[0013]图1是本实新型一种风功率预测系统的原理图。
[0014]图2是本实新型一种风功率预测系统的LS-SVM预测电路原理图。
[0015]图3是本实新型的积分器原理图。
【具体实施方式】
[0016]下面将结合本实用新型实例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。
[0017]结合图1，一种风功率预测系统，包括数据采集单元、数据存储单元、功率组合预测单元、功率误差预测分析单元、实时通信单元和调度中心服务器，所述数据采集单元的一输出端依次通过数据存储单元、功率组合预测单元、功率误差预测分析单元连接，所述数据采集单元的另一输出端还与功率误差预测分析单元连接，所述功率误差预测分析单元通过实时通信单元与调度中心服务器连接。所述数据采集单元及数据存储单元将采集实时风功率数据、数值天气预报数据、实时上网数据、风塔气象台数据并存储起来，并且将实时风功率数据传输给功率误差预测分析单元，以及将历史风功率数据、数值天气预报数据、实时上网数据、风塔气象台数据传输给功率组合预测单元，所述功率误差预测分析单元对数据采集单元、数据存储单元输出的实时风功率数据和功率组合预测单元的风功率预测数据进行误差分析，并将风功率预测数据和误差估计结果通过实时通信单元实时传输给调度中心服务器。
[0018]作为本实用新型的，所述数据采集单元至少包括一个风向传感器、一个风力传感器、一个湿度传感器和一个数据采集卡，所述风向传感器、风力传感器和湿度传感器分别与数据采集卡连接，风向传感器采集风电场环境风向，风力传感器采集风电场环境风力大小，湿度传感器采集风电场环境湿度和环境温度。风向传感器、风力传感器、温湿度传感器与数据采集卡相连接，从而将实时风功率数据、数值天气预报数据、风塔气象台数据等风电场环境实时气象数据以及实时上网数据传输至据采集卡并保存起来并存储起来，所述数据采集卡采用PCIE采集卡，且采集精度高，速度快，兼容性好;所述数据存储单元为固态硬盘SSD结构。本统从次日O时起，实时预测未来72小时的风电功率，时间分辨率为15分钟。作为本发明的最佳实施例，所述实时通信单元包括以太网通信模块、RS485通信模块、WiFi通信模块和CAN通信模块，其中，以太网通信模块采用DP83848C芯片，RS485通信模块采用ADM2483芯片，WiFi通信模块采用USR-WIFI232-G模块，CAN通信模块采用PCA82C50芯片。
[0019]在本实用新型中，所述功率组合预测单元包括NWP预测处理机、BP神经网络控制器和LS-SVM预测电路，数值天气预报(numerical weather predict1n,简称NWP)处理机对风速进行预测，NWP预测处理机首先将NWP数据转换为风机所处位置的风速，然后通过高度变换得到轮毂处的风速，在考虑风电场尾流效应的基础上，对风功率进行风速插值计算即可得到风电场的输出功率。所述BP(Back Propagat1n)神经网络控制器根据数值天气预报获得风电场所在地在预测时间段的包括风速和风功率等大量历史的历史气象数据，并将风速和风功率修正为风电机组轮毂处的风速和风功率气象数据，将采集得到的实时的数值天气预报数据和得修正后的气象数据作为神经元的输入进行训练，训练输出的数据即为该预测时间段的风电场的发电输出功率，通过BP神经网络控制器对数值天气预报的数据进行了全局优化，筛选出最优的预测数据。
[0020]最小二乘支持向量机(LS-SVM,LeastSquares Support Vector Machine，简称LS-SVM)预测电路，具有较强的泛化能力，降低了预测风险，可有效解决非线性问题，并且计算预测速度比一般的SVM更高。作为本实用新型的所述LS-SVM预测电路至少包括一个累加器和一个积分器，所述累加器的输出端与积分器的输入端连接，所述积分器的输出端反馈输入到累加器的输入端。在本实用新型中，如图2和图3所示，数据信号为Hqwa1叫..._anqin、l、γ—k !以及-by接入累加器Σ进行求和运算，累加器Σ输出端接入积分器丨，积分器J的输出端即为ai，ai再经过权值变换反馈到各自相应的累加器Σ中形成一个递归网络。在本实用新型中，所述LS-SVM预测电路至少还包括一个延时反相单元，所述延时反相单元为反相器或RS触发器，作为本实用新型的最佳实施例，延时反相单元由三个串联的反相器(Buf 1、Buf 2和Buf 3)组成，如图3所示，所述积分器包括运算放大器Ul、电阻Rl、电阻R2、电阻R3、电阻R4、电容C，所述电阻Rl、电阻R2、电阻R3、电阻R4的一端都分别与运算放大器Ul的负极连接，所述运算放大器Ul的输出端分别与电容C的一端、电阻R2的另一端、延时反相单元的输入端连接，所述延时反相单元的输出端与电阻Rl另一端连接，所述运算放大器Ul正极输入端与地连接，所述电容C的另一端与运算放大器Ul的负极连接。输入的电压信号为:±Vaj、-Va1、Vin以及Vby i同时分别通过电阻Rl、电阻R3、电阻R4和电阻R2输入积分器中的运算放大器Ul的负极，运算放大器Ul的输出端电压为Val、运算放大器Ul的输出端通过三个连接通过三个串联的反相器(Bufl、Buf2和Buf3)后输出电压为-Vaj，因此电压土 Vaj经过电阻Rl反馈连接到相应的积分器输入端，在本实用新型中，％ffiR2 = R4 = Ro，Vin=lV，Rl=R()/ qij | ,R3= γ Ro，图3中的Vai对应图2中的ai，偏移量b对应积分器例的反馈结构，Ro/ | Qij |对应权值qiJ，LS-SVM中的惩罚因子γ通过电阻R3= yRo来进行调节，通过上述的加分环节和积分环节实现了线性化问题。
[0021]以上所述仅为本实用新型的较佳实施例而已，并不用以限制本实用新型，凡在本使用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在实用新型的保护范围之内。
【主权项】
1.一种风功率预测系统，其特征在于:包括数据采集单元、数据存储单元、功率组合预测单元、功率误差预测分析单元、实时通信单元和调度中心服务器，所述数据采集单元的一输出端依次通过数据存储单元、功率组合预测单元、功率误差预测分析单元连接，所述数据采集单元的另一输出端还与功率误差预测分析单元连接，所述功率误差预测分析单元通过实时通信单元与调度中心服务器连接，所述数据采集单元至少包括一个风向传感器、一个风力传感器、一个湿度传感器和一个数据采集卡，所述风向传感器、风力传感器和湿度传感器分别与数据采集卡连接。2.根据权利要求1所述的一种风功率预测系统，其特征在于:所述数据采集卡采用PCIE采集卡。3.根据权利要求1所述的一种风功率预测系统，其特征在于:所述实时通信单元包括以太网通信模块、RS485通信模块、WiFi通信模块和CAN通信模块，其中，以太网通信模块采用DP83848C芯片，RS485通信模块采用ADM2483芯片，WiFi通信模块采用USR-WIFI232-G模块，CAN通信模块采用PCA82C50芯片，所述功率误差预测分析单元为芯片stm32F407。4.根据权利要求1所述的一种风功率预测系统，其特征在于:所述功率组合预测单元包括NWP预测处理机、BP神经网络控制器和LS-SVM预测电路，所述LS-SVM预测电路至少包括一个累加器和一个积分器，所述累加器的输出端与积分器的输入端连接，所述积分器的输出端反馈输入到累加器的输入端。5.根据权利要求4所述的一种风功率预测系统，其特征在于:所述LS-SVM预测电路至少还包括一个延时反相单元，所述积分器包括运算放大器Ul、电阻Rl、电阻R2、电阻R3、电阻R4、电容C，所述电阻R1、电阻R2、电阻R3、电阻R4的一端都分别与运算放大器Ul的负极连接，所述运算放大器Ul的输出端分别与电容C的一端、电阻R2的另一端、延时反相单元的输入端连接，所述延时反相单元的输出端与电阻Rl另一端连接，所述运算放大器Ul正极输入端与地连接，所述电容C的另一端与运算放大器Ul的负极连接。6.根据权利要求5所述的一种风功率预测系统，其特征在于:所述延时反相单元为反相器或RS触发器。
【文档编号】H02J3/00GK205595791SQ201620217528
【公开日】2016年9月21日
【申请日】2016年3月21日
【发明人】张阁, 杨艺云, 肖静, 肖园园, 高立克, 李小伟, 黎敏, 郭敏
【申请人】广西电网有限责任公司电力科学研究院