用于预测风场中的风机的输出功率的方法和装置制造方法
【专利摘要】本发明的各实施方式提供了一种用于预测风场中的风机的输出功率的方法和装置。具体地，在本发明的一个实施方式中，提供了一种用于预测风场中的风机的输出功率的方法，包括：至少基于从风场中的至少一个传感器采集的环境数据，生成校正数据集；根据校正算法，利用校正数据集来校正天气预报模型；基于校正的天气预报模型，获取风机处的风况信息的预测值；以及基于预测值和功率预测模型，预测风机的输出功率。在本发明的一个实施方式中，提供了一种用于预测风场中的风机的输出功率的装置。根据本发明，可以利用在风场内测量的气象要素校正天气预报模型，以便基于校正后的天气预报模型预测特定风机处的风况信息，从而获得更为准确的功率输出预测值。
【专利说明】用于预测风场中的风机的输出功率的方法和装置
【技术领域】
[0001]本发明的各实施方式涉及功率预测，更具体地，涉及用于预测风场(wind farm)中的风机(wind turbine)的输出功率的方法和装置。
【背景技术】
[0002]风能是一种清洁、无污染并且可再生的能源，因而在全球范围的新能源建设中，风力发电的地位变得越来越重要。由于风机的输出功率将会受到诸多因素的制约，因而通常难以准确预测风场中各个风机的输出功率。另外，风机的输出功率通常具有非线性、变化快、不可控等特点，因而风场向主干电网的输出功率容易出现波动。
[0003]风机的输出功率通常依赖于风场当地的气象要素，并且风场通常地处偏远地区，而由气象局提供的气象数据通常不能覆盖风场的周边环境。另外，风场处的气象要素还会受到其他条件的制约(例如，风场内局部地形起伏或者风机本身转动对于气流的影响，等)，即使由气象局提供了风场区域的天气预报，该天气预报也并不能完全准确地反映风场处的气象条件。
[0004]目前已有的风场的输出功率的预测通常都集中在风场的层面，缺乏对单机功率的预测。另外，预测方法上主要依靠对历史功率数据的分析和统计，实现经由历史输出功率预测未来的输出功率，或是通过购买第三方的通用天气预报结果，来基于风场处的气象要素预测未来的输出功率。
[0005]当前，现有技术的方案还停留在基于商业可获得(或者免费获得)的通用气象数据来推测风场的输出功率，由于这些技术方案忽略了风场处现场气象要素的特殊性，因而在预测中通常会出现较大的误差。功率预测中的误差一方面会造成电场的总体输出功率不稳定，与发电计划偏差较大，并对主干电网的造成冲击，另一方面，还会因为电场的输出功率没有满足预期数值而导致电场受到诸如罚款等惩罚性措施的制裁。因而，如何准确地预测风场中的特定风机(例如，风场中的任一风机)在特定时段内的输出功率，已经成为目前的一个研究热点。
【发明内容】
[0006]因而，期望开发出一种能够基于特定风机处的气象要素来准确预测该风机的输出功率的技术方案，期望该技术方案能够充分考虑在风场内的传感器(例如，测风塔处的气象传感器、风机轮毂高度(hub-height)处的传感器，等)，并利用这些现场测量的气象数据来针对通用天气预报模型进行校正，以便更准确地反应风场内的特定风机处的风况信息(wind information)。为此,本发明的各实施方式提供了用于预测风场中的风机的输出功率的方法和装置。
[0007]根据本发明的一个方面，提供了一种用于预测风场中的风机的输出功率的方法，包括:基于从风场中的至少一个传感器采集的环境数据，生成校正数据集；利用校正数据集来校正天气预报模型；基于校正的天气预报模型，获取风机处的风况信息的预测值；以及基于预测值和功率预测模型，预测风机的输出功率。
[0008]根据本发明的一个方面，基于从风场中的至少一个传感器采集的环境数据，生成校正数据集包括:获取所述风场中的多个风机的风况信息以及所述风场内的气象数据中的至少一个；以及基于所述风况信息以及所述气象数据中的至少一个生成校正数据集。
[0009]根据本发明的一个方面，风况信息包括风向和风速，以及基于以下中的至少一项来获取风向:基于风场中的风机的偏航角度计算风向；基于风场中的测风塔处的风向计算风向；基于流体力学分析获取风向；以及基于功率曲线偏差分析获取风向。
[0010]根据本发明的一个方面，提供了一种用于预测风场中的风机的输出功率的装置，包括:生成模块，配置用于基于从风场中的至少一个传感器采集的环境数据，生成校正数据集；校正模块，配置用于利用校正数据集来校正天气预报模型；获取模块，配置用于基于校正的天气预报模型，获取风机处的风况信息的预测值；以及预测模块，配置用于基于预测值和功率预测模型，预测风机的输出功率。
[0011]根据本发明的一个方面，生成模块包括:信息获取模块，配置用于获取所述风场中的多个风机的风况信息以及所述风场内的气象数据中的至少一个；以及数据生成模块，配置用于基于所述风况信息以及所述气象数据中的至少一个生成校正数据集。
[0012]根据本发明的一个方面，风况信息包括风向和风速，以及信息获取模块包括:第一模块，配置用于基于风场中的风机的偏航角度计算风向；第二模块，配置用于基于风场中的测风塔处的风向计算风向；第三模块，配置用于基于流体力学分析获取风向；以及第四模块，配置用于基于功率曲线偏差分析获取风向。
[0013]采用本发明的各个实施方式所述的技术方案，可以充分利用风场中现有的各种气象传感器的观测结果，并且可以在尽量不改变现有风场中的风机的硬件设备的情况下，更为准确地预测特定风机在未来的特定时间期间的输出功率。另外，采用本发明的各个实施方式的技术方案，可以提供例如48小时甚至更长时间范围内的输出功率预测值，电场或电网的技术人员可以基于该预测值来对电场中各风机的运行状况进行调整。
【专利附图】
【附图说明】
[0014]结合附图并参考以下详细说明，本发明各实施方式的特征、优点及其他方面将变得更加明显，在此以示例性而非限制性的方式示出了本发明的若干实施方式。在附图中:
[0015]图1示意性示出了适于实现本发明实施方式的示例性计算系统的框图；
[0016]图2示意性示出了根据一个解决方案的用于基于天气预报模型来预测风场的输出功率的示意图；
[0017]图3示意性示出了根据本发明一个实施方式的用于预测风场中的风机的输出功率的技术方案的架构图；
[0018]图4示意性示出了根据本发明一个实施方式的用于预测风场中的风机的输出功率的方法的流程图；
[0019]图5示意性示出了根据本发明一个实施方式的用于预测风场中的风机处的风况信息的架构图；
[0020]图6示意性示出了根据本发明一个实施方式的风速与风机的输出功率之间关系的曲线图；以及[0021]图7示意性示出了根据本发明一个实施方式的生成特定风机处的风况预测值的示意图；
[0022]图8示意性示出了根据本发明一个实施方式的用于预测风场中的风机的输出功率的装置的框图。
【具体实施方式】
[0023]下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0024]所属【技术领域】的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
[0025]可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPR0M或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0026]计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0027]计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括一但不限于一无线、电线、光缆、RF等等，或者上述的任意合适的组合。
[0028]可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络一包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0029]下面将参照本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
[0030]也可以把这些计算机程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读介质中，这样，存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instructionmeans)的制造品(manufacture)。
[0031]也可以把计算机程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
[0032]图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图1显示的计算机系统/服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0033]如图1所示，计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0034]总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
[0035]计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0036]系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM) 30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图1未显示，通常称为“硬盘驱动器”)。尽管图1中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如⑶-ROM，DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
[0037]具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。[0038]计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口 22进行。并且，计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机系统/服务器12的其他模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器12使用其他硬件和/或软件模块，包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
[0039]应当注意，图1仅仅示意性示出了可以用于实现本发明中各个实施方式的计算系统的示意图。本领域技术人员可以理解，该计算系统可以由当前风机中现有的计算设备来实现，或者可以通过引入附加计算设备来实现，还可以由风机中的现有计算设备和新增的附加设备一起实现本发明。
[0040]图2示意性示出了根据一个解决方案的用于基于天气预报模型来预测风场的输出功率的示意图200。如图2所示，风场210中可以包括如黑色圆点所示的多个风机220，这些风机通常以不规则形式分布在诸如平原、海平面等具有丰富风速资源的地区。多个风机离散地分布在风场210范围内，并且风场的形状通常也是不规则的。另外，在风场210中可以部署一个或者多个(在小型风场中通常只有一个)测风塔230，其上可以安装有用于监视风场内的气象要素(例如，温度、湿度、气压、风速以及风向)的传感器。典型地，可以在测风塔的10m、30m、50m和70m等高度处安装多个传感器。
[0041]为简化起见，可以将上述气象要素简称为气象五要素。本领域技术人员应当注意，尽管在本发明的上下文中以气象五要素作为气象要素的具体示例，根据具体应用环境的需要，气象要素还可以包括更多或者更少的方面。
[0042]在现有的技术方案中，采用的天气预报模型可以是公众免费或者通过付费方式获得的数据模型，例如由美国环境预测中心(National Centers for EnvironmentalPrediction, NCEP)和美国国家大气研究中心(National Center for AtmosphericResearch, UCAR)等机构开发的天气研究预报(Weather Research and Forecasting, WRF)模型。天气研究预报模型是应用较为广泛的预报模型，并且其应用接口是对外公开的，本领域技术人员可以根据自身需要来使用该模型。
[0043]天气预报模型可以是基于网格(grid)的模型，如在图2中以虚线网格示出了天气预报模型的示意，网格通常可以具有不同的分辨率，例如网格可以是5km X 5km、3km X 3km或者其他值。基于天气预报模型，可以表示不同海拔高度处的气象要素，例如，距离地面IOOm高度、300m高度等。应当注意，采用天气预报模型，通常只能获得网格的格点(gridpoint)处的气象要素预测值，并且由于风场处的地形因素以及各个风机的叶片旋转对于气象要素的干扰，所获得的天气预报模型通常与实际情况具有较大差异。因而，在如图2所示的技术方案中，直接基于所获得的通用天气预报模型来估算特定风机的输出功率，将会产生较大的误差。
[0044]为解决现有技术中的诸多缺陷，本发明提供了一种用于预测风场中的风机的输出功率的方法和装置。在本发明的实施方式中，考虑到风场的具体应用环境，可以利用在每个风机处设置的风速传感器、和在风场中的测风塔处设置的气象传感器采集的实时测量值，来校正天气预报模型中的误差，进而基于每个风机处的风况信息的预测值，来估算每个风机的输出功率。
[0045]采用本发明的各个实施方式，可以大幅提高针对特定风机的功率预测的准确性，并且仅仅需要使用现有气象要素传感器的数据输入(测风塔、风机处的传感器)，而无需额外安装气象传感器。
[0046]图3示意性示出了根据本发明一个实施方式的用于预测风场中的风机的输出功率的技术方案的架构图300。如图3所示，在方框310处，基于环境数据(如箭头A所示)来校正天气预报模型，其中该天气预报模型例如是基于全球预报系统(Global ForecastSystem, GFS)数据(如箭头B所示)和地形数据(如箭头C所示)来生成的。
[0047]经过方框310的校正之后，在方框320处，可以基于校正后的天气预报模型(如箭头D所示)来进行风况预测。应当注意，在此处的风况预测是指针对风场中的特定风机处的风况信息的预测，在此处的特定风机可以是风场中的任一风机。本领域技术人员可以理解，采用如箭头D所示的模型是已经利用风场中的现场气象数据校正后的天气预报模型，因而基于该模型可以较为准确地生成风场中特定风机处的风况信息。
[0048]在本发明的实施方式中，本领域技术人员还可以基于天气预报领域的知识结合风机的具体属性，例如采用差值和近似等方法，来特定风机(包括位于天气预报模型的格点位置、或者没有位于格点位置的风机)生成风况信息的预测值。在本发明的一个实施方式中，风机的功率输出可以依赖于风机处的风速信息，为了更准确地反映风机的功率输出，可以生成风机的轮毂高度处的风况信息的预测值。
[0049]参见上文结合方框310和320所述的内容，已经可以预测风场中特定风机处的风况信息，接着在方框330处可以利用风况预测值(如箭头E所示)并基于风-功预测模型(如箭头F所示)来计算输出功率的预测值(如箭头G所示)。在此实施方式中，基于预测模型中变量的差异，风况信息可以包括风速信息，或者还可以包括风速和风向两者。
[0050]基于如图3所示的架构，可以利用风场内实时观测的气象要素来改进通用天气预报模型，使其更加适合于预测特定位置处的风况信息。在此实施方式中，该特定位置及某风机的轮毂高度的位置，例如可以采用三维坐标(经度，纬度，高度)来表示。
[0051 ] 基于图3所示的架构，本发明的一个实施方式提供了 一种用于预测风场中的风机的输出功率的方法，包括:基于从风场中的至少一个传感器采集的环境数据，生成校正数据集；利用校正数据集来校正天气预报模型；基于校正的天气预报模型，获取风机处的风况信息的预测值；以及基于预测值和功率预测模型，预测风机的输出功率。
[0052]图4示意性示出了根据本发明一个实施方式的用于预测风场中的风机的输出功率的方法的流程图400。具体地，在步骤S402中，基于从风场中的至少一个传感器采集的环境数据，生成校正数据集。应当注意，在此实施方式中的传感器是风场中现有的传感器，例如风场中的测风塔处的气象传感器、以及风场中的风机处的风速传感器。
[0053]应当注意，测风塔处的气象传感器通常可以测量包括但不限于温度、湿度、气压、风速和风向等诸多方面的气象要素。由于在一个风场中通常只在典型位置处安装一个(或者多个)测风塔，因而来自测风塔的气象传感器的数据是有限的。在本发明的实施方式中，期望预测特定风机的轮毂高度处的风况信息，因而，直接采用在风机处测量的风况信息将是有益的。
[0054]应当注意，通常在风机处安装的传感器仅能够测量风速信息，尽管该传感器可以测量风向与当前风机的偏航朝向之间的相对关系，然而该传感器并不能直接测量风向信息。在下文中，将详细描述如何在不额外设置风向传感器的情况下，计算风机轮毂高度处的风向信息。
[0055]在步骤S404中，利用校正数据集来校正天气预报模型。在本发明的应用环境中，数值天气预报(Numerical Weather Prediction, NWP)是目前的一种较为流行的形式,它的出现全面改变了依靠人工经验来推测未来天气变化的传统局面，从而把“主观定性预报(Subjective Forecast) ”提升到“客观定量预报(Objective Forecast) ”的水平,并且提供较高时空分辨率的预测。
[0056]随着近年来高性能计算机和并行计算技术的发展、以及天气模型、物理过程参数化及其算法的不断完善，数值天气预报的空间分辨率已经从几十公里提升至Ikm以下的水平。然而，由于风机通常在大范围内离散分布，Ikm的分辨率仍然不能满足预测特定风机的输出功率的要求。特定风机的功率预报对于数值天气预报的结果具有特殊要求，例如，需要精确到近地面70m左右的风机轮毂高度处的风速；每个风机之间间距平均小于500m，因而需要较高的模型分辨率；测量数据的分布结构和观测要素均不满足气象常规数据标准，无法直接使用，等等。因而需要利用风机处的观测数据进一步的校正天气预报模型。在本发明的各个实施方式中，可以使用如在步骤S402中所构造的校正数据集中多个数据成员，在多个轮次中对天气预报模型进行校正。
[0057]接着，在步骤S406中，基于校正的天气预报模型，获取风机处的风况信息的预测值。利用已校正的天气预报模型，即可获得风场范围内特定位置(例如，以经纬度和高度指定)处的风况的预测值。
[0058]在步骤S408中，基于预测值和功率预测模型，预测风机的输出功率。根据国际电工委员会颁布的风机功率曲线验证标准(IEC61400-12)的定义，风机的功率曲线即风机的输出功率随10分钟的平均风速变化的关系曲线。通常，风机的功率曲线，不仅能表示能风速和功率之间的关系，还能体现出很多影响功率曲线的因素。
[0059]尽管风机的输出功率将会受到诸如风机自身参数、空气密度以及风速等条件的影响，然而其中风速是最为重要的因素，因而可以基于与风机轮毂高度处的风速相关联的功率预测模型，计算特定风机的功率输出。
[0060]在本发明的一个实施方式中，基于从风场中的至少一个传感器采集的环境数据，生成校正数据集包括:获取所述风场中的多个风机的风况信息以及所述风场内的气象数据中的至少一个；以及基于所述风况信息以及所述气象数据中的至少一个生成校正数据集。在本发明的一个实施方式中，至少一个传感器至少包括以下中的任一项:风场中的测风塔处的气象传感器、以及风场中的风机处的风速传感器。
[0061]还应当注意，在此实施方式中“校正数据集”中的数据成员可以包括两方面的内容:来自测风塔的气象传感器的气象数据，例如以五元组(温度，湿度，气压，风速，风向)表示；以及来自各个风机处的传感器的测量数据、并且还可以包括对所测量数据进行处理后获得的风况信息，例如可以以如下文表I所示的数据结构来表示。[0062]表1
[0063]
【权利要求】
1.一种用于预测风场中的风机的输出功率的方法，包括: 基于从所述风场中的至少一个传感器采集的环境数据，生成校正数据集； 利用所述校正数据集来校正天气预报模型； 基于校正的天气预报模型，获取所述风机处风况信息的预测值；以及 基于所述预测值和功率预测模型，预测所述风机的所述输出功率。
2.根据权利要求1所述的方法，其中基于从所述风场中的至少一个传感器采集的环境数据，生成校正数据集包括: 获取所述风场中的多个风机的风况信息以及所述风场内的气象数据中的至少一个；以及 基于所述风况信息以及所述气象数据中的至少一个生成校正数据集。
3.根据权利要求2所述的方法，其中所述风况信息包括风向和风速，以及基于以下中的至少一项来获取所述风向: 基于所述风场中的风机的偏航角度计算所述风向； 基于所述风场中的测风塔处的风向计算所述风向； 基于流体力学分析获取所述风向；以及 基于功率曲线偏差分析获取所述风向。
4.根据权利要求1-3中任一项所述的方法，其中利用所述校正数据集来校正天气预报模型包括: 根据混合数据同化方法，利用所述校正数据集来校正天气预报模型。
5.根据权利要求4所述的方法，其中利用所述校正数据集来校正天气预报模型包括: 从所述校正数据集中选择至少一个数据成员；以及 在至少一个轮次的每个轮次中，基于所述至少一个数据成员之一来校正所述天气预报模型。
6.根据权利要求5所述的方法，其中从所述校正数据集中选择至少一个数据成员包括: 根据所述天气预报模型的格点信息，过滤所述校正数据集中的数据成员。
7.根据权利要求6所述的方法，其中在多个轮次的每个轮次中，基于所述至少一个数据成员之一来校正所述天气预报模型进一步包括: 根据所述校正数据集中的所述至少一个数据成员之间的依赖关系，将所述至少一个数据成员进行排序；以及 按顺序利用所述至少一个数据成员中的每一个来校正所述天气预报模型。
8.根据权利要求1-7中任一项所述的方法，其中所述天气预报模型是从与所述风场所在区域相关联的全球预报系统数据和地形数据提取的。
9.根据权利要求1-3中任一项所述的方法，其中所述至少一个传感器至少包括以下中的任一项:所述风场中的测风塔处的气象传感器、以及所述风场中的风机处的风速传感器。
10.根据权利要求1-3中任一项所述的方法，其中所述功率预测模型是以下中的至少任一项: 所述风机的功率曲线；以及 与所述风机的属性、空气密度以及所述预测值相关的函数。
11.一种用于预测风场中的风机的输出功率的装置，包括: 生成模块，配置用于基于从所述风场中的至少一个传感器采集的环境数据，生成校正数据集； 校正模块，配置用于利用所述校正数据集来校正天气预报模型； 获取模块，配置用于基于校正的天气预报模型，获取所述风机处的风况信息的预测值；以及 预测模块，配置用于基于所述预测值和功率预测模型，预测所述风机的所述输出功率。
12.根据权利要求11所述的装置，其中所述生成模块包括: 信息获取模块，配置用于获取所述风场中的多个风机的风况信息以及所述风场内的气象数据中的至少一个；以及 数据生成模块，配置用于基于所述风况信息以及所述气象数据中的至少一个生成校正数据集。
13.根据权利要求12所述的装置，其中所述风况信息包括风向和风速，以及所述信息获取模块包括: 第一模块，配置用于 基于所述风场中的风机的偏航角度计算所述风向； 第二模块，配置用于基于所述风场中的测风塔处的风向计算所述风向； 第三模块，配置用于基于流体力学分析获取所述风向；以及 第四模块，配置用于基于功率曲线偏差分析获取所述风向。
14.根据权利要求11-13中任一项所述的装置，其中所述校正模块包括: 数据同化模块，配置用于根据混合数据同化方法，利用所述校正数据集来校正天气预报模型。
15.根据权利要求14所述的装置，其中所述校正模块包括: 选择模块，配置用于从所述校正数据集中选择至少一个数据成员；以及第一校正模块，配置用于在至少一个轮次的每个轮次中，基于所述至少一个数据成员之一来校正所述天气预报模型。
16.根据权利要求15所述的装置，其中所述选择模块包括: 过滤模块，配置用于根据所述天气预报模型的格点信息，过滤所述校正数据集中的数据成员。
17.根据权利要求16所述的装置，其中所述第一校正模块包括: 排序模块，配置用于根据所述校正数据集中的所述至少一个数据成员之间的依赖关系，将所述至少一个数据成员进行排序；以及 第二校正模块，配置用于按顺序利用所述至少一个数据成员中的每一个来校正所述天气预报模型。
18.根据权利要求11-17中任一项所述的装置，其中所述天气预报模型是从与所述风场所在区域相关联的全球预报系统数据和地形数据提取的。
19.根据权利要求11-13中任一项所述的装置，其中所述至少一个传感器至少包括以下中的任一项:所述风场中的测风塔处的气象传感器、以及所述风场中的风机处的风速传感器。
20.根据权利要求11-13中任一项所述的装置，其中所述功率预测模型是以下中的至少任一项: 所述风机的功率曲线；以及 与所述风机的属性、空气密度以及所述预测值相关的函数。
【文档编号】G06Q50/06GK104021424SQ201310063237
【公开日】2014年9月3日 申请日期:2013年2月28日 优先权日:2013年2月28日
【发明者】张盟, 白鑫鑫, 杜辉, 芮晓光, 王海峰, 尹文君, 董进 申请人:国际商业机器公司