一种风电功率预测方法、装置、设备及存储介质与流程

本发明属于风电场运营管理，具体涉及一种风电功率预测方法、装置、设备及存储介质。

背景技术：

1、近几年来，风能发电在电力系统中所占的比重以每年30％的速度增长。由于风能具有波动性、间歇性、低能量密度和不可控等特点，因而风电功率也是波动和间歇的，这使得在大容量的风电接入电网时，将会对电力系统的安全和稳定运行带来诸多新问题，尤其是对电力系统运行调度的影响最为明显。因此准确地预测风电场在未来时期的风电功率，对电力系统的运行调度具有重大的意义。

2、目前，风电场的风电功率预测仍是一个非常复杂的问题，涉及相关的各种跨学科知识，如气象学、流体动力学和随机过程等学科，其中风电场内的天气预报数值量化是最具挑战性的问题，特别是在地形复杂的地区和有污染物存在的地区，风速的时空变化更为迅速。因此如何提供一种能够对未来时期的风电场风电功率进行准确预测的技术方案，以便利于对电力系统的运行调度，是本领域技术人员亟需研究的课题。

技术实现思路

1、本发明的目的是提供一种风电功率预测方法、装置、计算机设备及计算机可读存储介质，用以解决现有风电场风电功率预测方案所存在准确性较低的问题。

2、为了实现上述目的，本发明采用以下技术方案：

3、第一方面，提供了一种风电功率预测方法，包括：

4、联网查询获取在最近多个未来单位时段的天气预报数据；

5、针对在所述最近多个未来单位时段中的各个未来单位时段以及在风电场内的各个实测点，根据最近多个历史单位时段的历史天气数据和在对应测点的历史风力值以及在对应时段的天气预报数据，估算得到对应的风力预测值，其中，所述风电场内布置有多个所述实测点，所述历史风力值包含有历史风速值/和历史风向值，所述历史风向值采用以正东方为极轴的极坐标角度值来表示；

6、针对所述各个未来单位时段，根据对应的且在所有实测点的风力预测值，反演得到对应的且在所述风电场内的风力三维分布估计情况；

7、针对所述各个未来单位时段，根据对应的且在所述风电场内的风力三维分布估计情况，确定对应的且在所述风电场内各个风力发电机的所处位置的风力估计值；

8、针对所述各个未来单位时段以及所述各个风力发电机，根据对应的风力估计值和对应发电机的且风力值与风电功率的已知换算关系，得到对应的风电功率估计值；

9、针对所述各个未来单位时段，汇总对应的且所述各个风力发电机的风电功率估计值，得到对应的风电场风电功率估计结果。

10、基于上述
技术实现要素：
，提供了一种基于天气预报数据进行风电场风电功率预测的新方案，即在联网查询获取在最近多个未来单位时段的天气预报数据后，先根据历史天气数据和历史风力值以及所述天气预报数据，估算得到各个未来时空位置的风力预测值，并反演得到各个未来单位时段的且在风电场内的风力三维分布估计情况，然后根据该风力三维分布估计情况确定在各个风力发电机的所处位置的风力估计值，再然后基于该风力估计值计算得到各个风力发电机在各个未来单位时段的风电功率估计值，最后汇总得到各个未来单位时段的风电场风电功率估计结果，如此通过对风电场内的风力情况进行时空数值量化，使得对未来时期的风电场风电功率能够进行准确预测，利于提前做好对电力系统的运行调度预案，保障电力系统的安全和稳定运行，便于实际应用和推广。

11、在一个可能的设计中，所述天气预报数据和所述历史天气数据分别包含有风级和风速以及至当天日出时刻的时长、至当天日落时刻的时长、云量、体感温度、能见度、降水概率、湿度和/或露点温度，其中，所述当天是指与单位时段对应的所属日。

12、在一个可能的设计中，针对在所述最近多个未来单位时段中的各个未来单位时段以及在风电场内的各个实测点，根据最近多个历史单位时段的历史天气数据和在对应测点的历史风力值以及在对应时段的天气预报数据，估算得到对应的风力预测值，包括：

13、针对在所述最近多个未来单位时段中的各个未来单位时段以及在风电场内的各个实测点，从最近多个历史单位时段的历史天气数据和在对应测点的历史风力值中，提取得到对应的多个历史日内同期单位时段的历史天气数据和在对应测点的历史风力值，其中，所述历史风力值包含有历史风速值/和历史风向值，所述历史风向值采用以正东方为极轴的极坐标角度值来表示；

14、针对所述各个未来单位时段以及所述各个实测点，将对应的多个历史日内同期单位时段的历史天气数据作为输入项，以及将对应的多个历史日内同期单位时段的且在对应测点的历史风力值作为输出项，对基于支持向量机、k最邻近法、随机梯度下降法、多变量线性回归、多层感知机、决策树、反向传播神经网络或径向基函数网络的人工智能模型进行率定验证建模，得到对应的风力值预测模型；

15、针对所述各个未来单位时段以及所述各个实测点，将在对应时段的天气预报数据作为新的输入项，输入对应的风力值预测模型中，输出得到对应的风力预测值。

16、在一个可能的设计中，针对所述各个未来单位时段，根据对应的且在所有实测点的风力预测值，反演得到对应的且在所述风电场内的风力三维分布估计情况，包括：

17、根据在所述所有实测点的风力预测值，基于克里金插值法反演得到在所述风电场内的风力三维分布估计情况。

18、在一个可能的设计中，根据在所述所有实测点的风力预测值，基于克里金插值法反演得到在所述风电场内的风力三维分布估计情况，包括：

19、根据在所述所有实测点的风力预测值，分别计算所述所有实测点中各对实测点的风力半方差，得到多对实测点的风力半方差值，以及还根据所述所有实测点的已知坐标，计算得到所述多对实测点的距离值；

20、确定滞后距h1以及在所述多对实测点的距离值中的最长距离值hmax，其中，h1表示正数，hmax表示大于h1的正数；

21、根据所述滞后距h1，将第一区间(0,hmax]划分成如下的多个第一子区间：(0,h1],(h1,2*h1],…,((k-1)*h1,k*h1],…,((k-1)*h1,hmax]，其中，k＝ceiling(hmax/h1)，ceiling()表示向上取整函数，k表示小于k的正整数；

22、根据所述多对实测点的距离值与所述多个第一子区间的归属关系，将所述多对实测点划分成与所述多个第一子区间一一对应的多个第一分组；

23、根据所述多对实测点的风力半方差值和距离值，计算得到所述多个第一分组中各个第一分组的风力半方差平均值和距离平均值；

24、根据所述各个第一分组的风力半方差平均值和距离平均值，拟合得到多个实验变差函数模型的模型系数，其中，所述风力半方差平均值在拟合过程中用于作为实验变差函数值，所述距离平均值用于在拟合过程中作为区域化变量到待估测点的距离；

25、根据所述所有实测点的风力预测值，应用所述多个实验变差函数模型的模型系数进行误差分析，得到所述多个实验变差函数模型中各个实验变差函数模型的模型质量评估指标值；

26、根据所述各个实验变差函数模型的模型质量评估指标值，从所述多个实验变差函数模型中确定出最能满足模型优选预设条件的最优实验变差函数模型；

27、根据所述所有实测点的已知坐标和在所述风电场内目标测点的已知坐标，从所述所有实测点中确定位于所述目标测点周围的m个实测点，其中，m表示大于2的正整数；

28、根据所述目标测点的已知坐标和所述m个实测点的已知坐标，计算得到所述目标测点至所述m个实测点中各个实测点的距离值，并将该距离值作为区域化变量到待估测点的距离代入所述最优实验变差函数模型，然后应用所述最优实验变差函数模型的模型系数，计算得到所述目标测点与所述m个实测点中各个实测点的实验变差函数值；

29、根据所述m个实测点中各对实测点的风力半方差值和所述目标测点与所述m个实测点中各个实测点的实验变差函数值，建立如下的普通克里金方程组：

30、

31、式中，i和j分别表示正整数，λi表示与所述m个实测点中第i个实测点对应的且待求解的权重系数，γ(xi,xj)表示与所述第i个实测点和所述m个实测点中第j个实测点对应的风力半方差值，u表示待求解的拉格朗日乘数因子，γ(xi,x0)表示所述目标测点与所述第i个实测点的实验变差函数值；

32、对所述普通克里金方程组进行求解，得到与所述m个实测点一一对应的m个权重系数；

33、根据所述m个实测点的风力预测值，按照如下公式计算得到所述目标测点的风力估计值z(x0)：

34、

35、式中，z(xi)表示所述第i个实测点的风力预测值；

36、将在所述风电场内全域所有所述目标测点的风力估计值，作为所述风电场内的风力三维分布估计情况。

37、在一个可能的设计中，确定滞后距h1，包括有如下步骤s3031～s3034：

38、s3031.在区间(0,hmax]内选取一个值作为滞后距h1的当前值，然后执行步骤s3032，其中，hmax表示在所述多对实测点的距离值中的最长距离值；

39、s3032.针对在多个实验变差函数模型中的各个实验变差函数模型，根据所述滞后距h1的当前值和在所述所有实测点的风力预测值，采用交叉验证方式获取对应的且在所述所有实测点的风力估计值，然后执行步骤s3033；

40、s3033.针对所述各个实验变差函数模型，根据在所述所有实测点的风力预测值和对应的且在所述所有实测点的风力估计值，计算得到对应的模型质量评估指标值，然后执行步骤s3034；

41、s3034.判断所述各个实验变差函数模型的模型质量评估指标值是否均满足预设的迭代停止条件，若是，则将所述滞后距h1的当前值确定为最终值，否则在所述区间(0,hmax]内重新选取一个值作为所述滞后距h1的当前值，然后执行步骤s3032。

42、在一个可能的设计中，所述最近多个未来单位时段为最近的未来24小时、最近的未来48小时或最近的未来72小时。

43、第二方面，提供了一种风电功率预测装置，包括有依次通信连接的联网查询模块、风力预测模块、风力分布反演模块、风力估计模块、风电功率计算模块和风电功率汇总模块；

44、所述联网查询模块，用于联网查询获取在最近多个未来单位时段的天气预报数据；

45、所述风力预测模块，用于针对在所述最近多个未来单位时段中的各个未来单位时段以及在风电场内的各个实测点，根据最近多个历史单位时段的历史天气数据和在对应测点的历史风力值以及在对应时段的天气预报数据，估算得到对应的风力预测值，其中，所述风电场内布置有多个所述实测点，所述历史风力值包含有历史风速值/和历史风向值，所述历史风向值采用以正东方为极轴的极坐标角度值来表示；

46、所述风力分布反演模块，用于针对所述各个未来单位时段，根据对应的且在所有实测点的风力预测值，反演得到对应的且在所述风电场内的风力三维分布估计情况；

47、所述风力估计模块，用于针对所述各个未来单位时段，根据对应的且在所述风电场内的风力三维分布估计情况，确定对应的且在所述风电场内各个风力发电机的所处位置的风力估计值；

48、所述风电功率计算模块，用于针对所述各个未来单位时段以及所述各个风力发电机，根据对应的风力估计值和对应发电机的且风力值与风电功率的已知换算关系，得到对应的风电功率估计值；

49、所述风电功率汇总模块，用于针对所述各个未来单位时段，汇总对应的且所述各个风力发电机的风电功率估计值，得到对应的风电场风电功率估计结果。

50、第三方面，本发明提供了一种计算机设备，包括有依次通信连接的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意可能设计所述的风电功率预测方法。

51、第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意可能设计所述的风电功率预测方法。

52、第五方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面或第一方面中任意可能设计所述的风电功率预测方法。

53、上述方案的有益效果：

54、(1)本发明创造性提供了一种基于天气预报数据进行风电场风电功率预测的新方案，即在联网查询获取在最近多个未来单位时段的天气预报数据后，先根据历史天气数据和历史风力值以及所述天气预报数据，估算得到各个未来时空位置的风力预测值，并反演得到各个未来单位时段的且在风电场内的风力三维分布估计情况，然后根据该风力三维分布估计情况确定在各个风力发电机的所处位置的风力估计值，再然后基于该风力估计值计算得到各个风力发电机在各个未来单位时段的风电功率估计值，最后汇总得到各个未来单位时段的风电场风电功率估计结果，如此通过对风电场内的风力情况进行时空数值量化，使得对未来时期的风电场风电功率能够进行准确预测，利于提前做好对电力系统的运行调度预案，保障电力系统的安全和稳定运行，便于实际应用和推广。