风电场发电功率预测方法及其系统及计算机可读存储介质与流程

1.本技术实施例涉及风力发电领域，尤其涉及一种风电场发电功率预测方法及其系统及计算机可读存储介质。


背景技术：

2.随着煤炭、石油等能源的逐渐枯竭，人类越来越重视可再生能源的利用。风能作为一种清洁的可再生能源越来越受到世界各国的重视。伴随着风电技术的不断发展，风力发电机组在电力系统中的应用日益增加。风力发电机组是将风能转化为电能的大型设备，通常设置于风能资源丰富的地区。
3.随着新能源装机容量的快速增长，新能源发电的间歇性、随机性和波动性对电网造成的冲击愈发明显，各级电网对功率预测的考核也愈趋严格。
4.当前功率预测多采用气象预报数据为输入建立模型，作为关键输入源，功率预测准确率很大程度上受气象预报水平影响。同时，对于山地项目，地形较为复杂，风机覆盖范围较广，海拔差异明显，具有明显的局地微观气候，此时建于风电场主导方向上5公里范围内的功率预测测风塔并不能代表风电场的风资源情况。在山地气象预报本身难度较大的前提下，又同时存在代表性的问题，严重影响了功率预测的准确性。


技术实现要素：

5.本技术实施例的目的在于提供一种风电场发电功率预测方法及其系统及计算机可读存储介质，有效提升了风电场功率预测的准确率。
6.本技术实施例的一个方面提供一种风电场发电功率预测方法，包括：
7.分别获取所述风电场的多个子区域的未来气象预报风况，所述风电场被划分为多个子区域，其中每个所述子区域包含至少一台风机；
8.利用同时段的所述子区域的历史气象预报风况和该子区域的历史实测风况，对该子区域的所述未来气象预报风况进行修正，得到该子区域的修正预报风况；及
9.基于所述多个子区域的所述修正预报风况，对所述风电场的未来总发电功率进行预测。
10.可选地，所述分别获取所述风电场的多个子区域的未来气象预报风况，包括：
11.获取各所述子区域的代表风机所处位置的未来气象预报风况，其中，所述子区域的所述代表风机为该子区域中的其中一台风机；
12.所述利用同时段的所述子区域的历史气象预报风况和该子区域的历史实测风况，对该子区域的所述未来气象预报风况进行修正，得到该子区域的修正预报风况，包括：
13.利用同时段的所述子区域的所述代表风机所在位置的所述历史气象预报风况和所述历史实测风况，对该代表风机所在位置的所述未来气象预报风况进行修正，得到该代表风机所在位置的所述修正预报风况；
14.所述基于所述多个子区域的所述修正预报风况，对所述风电场的未来总发电功率
进行预测，包括：
15.基于所述多个子区域的所述代表风机所在位置的所述修正预报风况，对所述未来总发电功率进行预测。
16.可选地，所述代表风机是通过如下方法确定的：
17.根据所述风电场的地形和海拔，将所述风电场划分为所述多个子区域；及
18.根据所述子区域的地形和海拔，在所述多个子区域中各确定一台风机作为所述代表风机。
19.可选地，所述利用同时段的所述子区域的历史气象预报风况和该子区域的历史实测风况，对该子区域的所述未来气象预报风况进行修正，得到该子区域的修正预报风况，包括：
20.将所述子区域的所述未来气象预报风况输入风况修正模型，得到该子区域的所述修正预报风况，其中，所述风况修正模型是利用同时段的所述历史气象预报风况和所述历史实测风况训练得到的。
21.可选地，所述基于所述多个子区域的所述修正预报风况，对所述风电场的未来总发电功率进行预测，包括：
22.将所述子区域的所述修正预报风况输入该子区域的物理模型，得到该子区域的所述风机的风机未来功率；及
23.根据所述多个子区域的所述风机的所述风机未来功率，对所述风电场的所述未来总发电功率进行预测。
24.可选地，所述将所述子区域的所述修正预报风况输入该子区域的物理模型，得到该子区域的所述风机的风机未来功率，包括：
25.将所述多个子区域的多个所述修正预报风况分别输入所述风机位于的所述子区域的所述物理模型中，得到该风机在各所述修正预报风况下的所述风机未来功率；
26.所述根据所述多个子区域的所述风机的所述风机未来功率，对所述风电场的所述未来总发电功率进行预测，包括：
27.根据所述多个子区域的多个所述风机的多个所述风机未来功率，对所述风电场的所述未来总发电功率进行预测。
28.可选地，所述根据所述多个子区域的多个所述风机的多个所述风机未来功率，对所述风电场的所述未来总发电功率进行预测，包括：
29.将所述风机的多个所述风机未来功率输入该风机对应的功率修正模型，得到该风机的修正风机未来功率；及
30.根据所述多个子区域的多个所述风机的所述修正风机未来功率之和，确定所述风电场的所述未来总发电功率。
31.可选地，所述功率修正模型是通过如下方法得到的：
32.利用所述子区域的所述历史实测风况对所述历史气象预报风况进行修正，得到修正历史风况；
33.根据所述风机位于的所述子区域的所述修正历史风况，确定该风机输出的历史风机预报功率；及
34.利用同时段的所述历史风机预报功率和该风机在该子区域的所述历史实测风况
下实际输出的历史风机实测功率，训练得到该风机对应的所述功率修正模型。
35.可选地，所述利用所述子区域的所述历史实测风况对所述历史气象预报风况进行修正，得到修正历史风况，包括：
36.将所述历史实测风况输入所述风况修正模型中进行修正，得到所述修正历史风况。
37.可选地，所述根据所述多个子区域的多个所述风机的所述修正风机未来功率之和，确定所述风电场的所述未来总发电功率，包括：
38.确定所述多个子区域的多个所述风机的多个所述风机未来功率之和，得到所述风电场的风场未来功率；
39.将所述风场未来功率输入风场功率修正模型中进行修正，得到修正风场未来功率；及
40.将所述多个子区域的多个所述风机的所述修正风机未来功率之和，和所述修正风场未来功率中的一个确定为所述未来总发电功率。
41.可选地，所述根据所述多个子区域的多个所述风机的多个所述风机未来功率，对所述风电场的所述未来总发电功率进行预测，包括：
42.确定所述多个子区域的多个所述风机的多个所述风机未来功率之和，得到所述风电场的风场未来功率；
43.将所述风场未来功率输入风场功率修正模型中进行修正，得到修正风场未来功率，作为所述未来总发电功率。
44.可选地，所述风场功率修正模型是通过如下方法得到的：
45.利用所述子区域的所述历史实测风况对所述历史气象预报风况进行修正，得到修正历史风况；
46.根据所述风机位于的所述子区域的所述修正历史风况，确定所述风机输出的历史风机预报功率；
47.确定所述风电场的多个所述风机输出的所述历史风机预报功率之和，得到所述风电场的历史风场预报功率；
48.利用同时段的所述历史风场预报功率和所述风电场在所述历史实测风况下实际输出的历史风场实测功率，训练得到所述风场功率修正模型。
49.本技术实施例的另一方面提供一种风电场发电功率预测系统：包括一个或多个处理器，用于实现上述风电场发电功率预测方法。
50.本技术实施例的又一个方面还提供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程序，所述程序被处理器执行时，实现如上所述的风电场发电功率预测方法。
51.本技术的风电场发电功率预测方法，利用风电场的多个子区域的历史气象预报风况和历史实测风况，对各子区域的未来气象预报风况进行修正，一定程度上保障了预测的准确性，根据多个子区域的修正预报风况，得到风电场的未来总发电功率的预测结果，可以有效提升复杂山地风电场短期功率预测准确率。
附图说明
52.图1为一风电场的示意图；
53.图2为本技术一实施例的风电场发电功率预测方法的流程图；
54.图3为图2所示的风电场发电功率预测方法的步骤s3的流程图；
55.图4为图3所示步骤s3中的风场功率修正模型的流程图；
56.图5为本技术一个实施例的风电场发电功率预测系统的示意性框图。
具体实施方式
57.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本技术相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置的例子。
58.在本技术实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。除非另作定义，本技术实施例使用的技术术语或者科学术语应当为本技术所属领域内具有一般技能的人士所理解的通常意义。本技术说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“多个”或者“若干”表示两个及两个以上。除非另行指出，“前部”、“后部”、“下部”和/或“上部”等类似词语只是为了便于说明，而并非限于一个位置或者一种空间定向。“包括”或者“包含”等类似词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而且可以包括电性的连接，不管是直接的还是间接的。在本技术说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
59.图1为一风电场的示意图，请参考图1，风电场包括多台风机，该风电场因气象条件复杂和地形复杂，各台风机标高差别较大，各机位间风速风向、风切变明显，场区内区域间风况分布存在差异，若仅使用单台风机进行功率预测，很难满足准确率需求，且由于山地风电场受山谷风的局地环流影响，具有明显的局地微观气候，但由于地形数据精细程度及气象微物理过程研究程度所限，目前的天气预报无法对风电场当地小气候进行细化考虑，导致复杂山地气象预报风况相关系数较低。为提高风电场发电功率预测准确度，本技术提供一种风电场发电功率预测方法。风电场被划分为多个子区域，引入各子区域内的历史气象预报风况和历史实测风况对未来气象预报风况进行修正，以此达到较高的预测准确性，在一些实施例中，本技术的风电场发电功率预测方法包括步骤s1-步骤s3。图2为本技术一实施例的风电场发电功率预测方法的流程图。
60.在步骤s1中，分别获取风电场的多个子区域的未来气象预报风况，风电场被划分为多个子区域，其中每个子区域包含至少一台风机。在一些实施例中，将地形复杂的风场划分为多个子区域，每个子区域内的风况可代表该子区域内的所有风机受到的风况。如此可体现发电功率预测过程中，各位置的风机之间所处地形海拔等因素的差异性，可大幅提高
风电场发电功率预测的准确度。在一些实施例中，可以根据风电场的地形和海拔，将风电场划分为多个子区域。在图示实施例中，子区域的数量为3个。
61.在步骤s2中，利用同时段的子区域的历史气象预报风况和该子区域的历史实测风况，对该子区域的未来气象预报风况进行修正，得到该子区域的修正预报风况。本技术中的风况包括风速和风向。由于复杂山地下，气象预报风况会产生较大偏差，在风电场位置确定情况的下，这种偏差是宏观上持续存在的，因此可以通过对过去的同时段的历史气象预报风况和历史实测风况观测到这一偏差，并利用这点对该子区域的未来气象预报风况进行修正。在一些实施例中，同时段的子区域的历史实测风况为历史实际检测到的风况，由风机的scada系统监测得到，数值可靠性较高。可以利用同时段的历史气象预报风况和历史实测风况训练得到风况修正模型，将子区域的未来气象预报风况输入风况修正模型中，得到该子区域的修正预报风况。在一些实施例中，风况修正模型为神经网络模型，可以同时段的历史气象预报风况和历史实测风况作为输入，训练得到每个子区域的气象预报风况-scada风况神经网络，在本技术中，风况修正模型的数量与子区域的数量相同，风况修正模型与子区域一一对应。如此，利用风况修正模型进行未来气象预报风况的订正，可以减小未来气象预报带来的误差，提高预测的准确性。
62.在确立准确性较高的修正预报风况后即可对该风电场进行发电功率的预测，由于步骤s1中的风电场被划分为多个子区域，在步骤s3中，基于多个子区域的修正预报风况，对风电场的未来总发电功率进行预测。图3为图2所示的风电场发电功率预测方法的步骤s3的流程图。请参考图3，在一些实施例中，步骤s3包括s31-s32。
63.在确定了修正预报风况后，通过代入风电场风况和发电功率的关系即可对风电场的发电功率进行预测，在步骤s31中，将子区域的修正预报风况输入该子区域的物理模型，得到该子区域的风机的风机未来功率。在一些实施例中，该物理模型以风电场的地理数据、机位坐标和机组信息(坐标、功率曲线)、子区域的历史实测风况和历史实测功率作为输入进行全场仿真计算，得到包含尾流、风加速因子、发电量估计的物理模型，该物理模型可通过cfd精细化仿真获得，也可通过其他方法获得，本技术对此不做限制。在一些实施例中，该风电产共有m台风机，则对于每台风机都可带入其所处子区域的物理模型中，最终得到m个风机未来功率。在另一些实施例中，也可利用同时段的历史风机预报功率和历史风机实测功率该风机对风机未来功率进行修正，例如计算同时段历史风机预报功率和历史风机实测功率之间的修正系数，代入风机未来功率进行修正，得到修正风机未来功率，如此可进一步提高本技术风电场发电功率预测的准确性。
64.在步骤s32中，可根据多个子区域的风机的风机未来功率，对风电场的未来总发电功率进行预测。在一些实施例中，可直接根据多个子区域的多个风机的修正风机未来功率之和，确定风电场的未来总发电功率，此时直接将步骤s31中得到的该子区域的风机的风机未来功率相加即可得到该风电场的未来总发电功率，如此计算简便。由于将风电场划分为了不同子区域，各子区域的物理模型准确度较高，如此得到的该子区域的风机的风机未来功率的准确性也随之提高，本技术的风电场发电功率预测方法准确性高。
65.在一些实施例中，也可直接将步骤s31得到的m个风机预测功率相加得到风场未来功率，再利用同时段的历史风场预报功率和历史风场实测功率该风机对风场未来功率进行修正，得到修正风场未来功率，作为未来总发电功率。
66.在另一些实施例中，可更进一步提高预测结果的准确性，可在步骤s31中加入多个子区域的多个修正预报风况，分别输入风机位于的子区域的物理模型中，得到该风机在各修正预报风况下的风机未来功率。在图示实施例中，假设共有n个子区域和m台风机，若在步骤s31中加入多个子区域的多个修正预报风况，分别输入风机位于的子区域的物理模型中，此时得到的风机未来功率共有m*n个。
67.为更进一步提高预测结果的准确性，在一些实施例中可引入风机的功率修正模型对风机未来功率进行修正，得到修正风机未来功率，风机的功率修正模型是通过如下方法得到的：首先利用子区域的历史实测风况对历史气象预报风况进行修正，得到修正历史风况，在一些实施例中，可将子区域的历史实测风况带入步骤s31的风况修正模型，对历史气象预报风况进行修正，得到修正历史风况；其次，根据风机位于的子区域的修正历史风况，确定该风机输出的历史风机预报功率；利用同时段的历史风机预报功率和该风机在该子区域的历史实测风况下实际输出的历史风机实测功率，训练得到该风机对应的功率修正模型。
68.在图示实施例中，假设共有n个子区域和m台风机，此时得到的风机历史预报功率共有m*n个，可利用同时段的该风机在该子区域的历史实测风况下实际输出的m个历史风机实测功率，将这m*n个历史风机预报功率进行训练得到m个风机对应的功率修正模型。通过对这些风机的功率修正模型输入未来风机功率，可得到修正后的修正未来风机功率，在一些实施例中，该训练为神经网络调参训练。
69.由于此时步骤s32可包括根据多个子区域的多个风机的多个风机未来功率，对风电场的未来总发电功率进行预测。在一些实施例中，风电场的未来总发电功率可根据多个风机未来功率之和确定，在引入了风机的功率修正模型后，在一些实施例中，风电场的未来总发电功率为各子区域的多个风机的修正风机未来功率之和。
70.在另一些实施例中，为进一步提高准确性，将修正风机未来功率之和看作风场未来功率，可再引入风场功率修正模型对风场未来功率进行修正，将风场未来功率输入风场功率修正模型中进行修正，即可得到修正风场未来功率，作为未来总发电功率，如此更为准确。
71.请参考图3，在该实施例中，步骤s32包括步骤s321和步骤s322，在步骤s321中，可确定多个子区域的多个风机的多个风机未来功率之和为风电场的风场未来功率，再在步骤s321中，将风场未来功率输入风场功率修正模型中进行修正，可得到修正风场未来功率，作为未来总发电功率。确定风场的多个风机的风机未来功率之和，得到整个风场的风场未来功率，利用风场功率修正模型对风场未来功率进行修正之后，作为未来总发电功率。如此可不对每个风机的未来风机功率进行修正，适用于只需要对整个风场的发电功率进行监测的场景，同时也能保证较高的准确性。
72.图4为图3所示步骤s3中的风场功率修正模型的流程图。请参考图4，在该实施例中，风场功率修正模型由步骤s41-步骤s44得到。首先在步骤s41中，利用子区域的历史实测风况对历史气象预报风况进行修正，得到修正历史风况，在一些实施例中，可将子区域的历史实测风况带入步骤s31的风况修正模型，对历史气象预报风况进行修正，得到修正历史风况；其次在步骤s42中根据风机位于的子区域的修正历史风况，确定风机输出的历史风机预报功率，在一些实施例中，可通过将多个子区域的多个修正历史风况，分别输入风机位于的
子区域的物理模型中，得到该风机在各修正预报风况下的历史风机预报功率；接着在步骤s43中，确定风电场的多个风机输出的历史风机预报功率之和，得到风电场的历史风场预报功率；由于历史风场预报频率是根据通过多个修正历史风况带入对应子区域的物理模型得来，修正历史风况和历史实际风况存在一定误差，相加求出的风电场的历史风场预报功率也会与历史风场实测功率有一定误差；最后在步骤s42中利用同时段的历史风场预报功率和风电场在历史实测风况下实际输出的历史风场实测功率，可求得二者间的修正系数，训练得到风场功率修正模型。在一些实施例中，该风场功率修正模型根据修正历史风况和历史风场实测功率得来，且用于根据修正预报风况到修正风场未来功率，设置合理且能精准降低误差，提高本技术风电场发电功率预测的准确性。
73.在一些实施例中，由于一个子区域的范围可能较大且范围内可能包括不止一台风机，为确定该子区域的未来气象预报风况、历史气象预报风况和历史实测风况。步骤s1包括：获取各子区域的代表风机所处位置的未来气象预报风况；步骤s2包括：利用同时段的子区域的代表风机所在位置的历史气象预报风况和历史实测风况，对该代表风机所在位置的未来气象预报风况进行修正，得到该代表风机所在位置的修正预报风况；步骤s3包括：基于多个子区域的代表风机所在位置的修正预报风况，对未来总发电功率进行预测。其中，代表风机为各子区域中的其中一台风机，根据子区域的地形和海拔确定。请参考图1，图1中的3个子区域中分别包括代表风机n1、代表风机n2和代表风机n3，这些代表风机的scada系统将为本技术的风电场发电功率仿真提供较为准确的、且能代表该子区域事实情况的历史实测风况。如此，可利用各代表风机实现对未来气象预报风况的修正，一定程度上保障了功率预测输入源在区域内的代表性和准确性。
74.本技术的风电场发电功率预测方法，利用风电场的多个子区域的历史气象预报风况和历史实测风况，对各子区域的未来气象预报风况进行修正，一定程度上保障了预测的准确性，根据多个子区域的修正预报风况，得到风电场的未来总发电功率的预测结果，可以有效提升复杂山地风电场短期功率预测准确率。
75.本技术实施例还提供了一种风电场发电功率预测系统200，其可应用于风力发电机。图5为本技术一个实施例的风电场发电功率预测系统200的示意性框图。如图5所示，风电场发电功率预测系统200可以包括一个或多个处理器201，用于实现上面任一实施例的风电场发电功率预测方法。在一些实施例中，风电场发电功率预测系统200可以包括计算机可读存储介质202，计算机可读存储介质202可以存储有可被处理器201调用的程序，可以包括非易失性存储介质。在一些实施例中，风电场发电功率预测系统200可以包括内存203和接口204。在一些实施例中，本技术实施例的风电场发电功率预测系统200还可以根据实际应用包括其他硬件。
76.本技术实施例的风电场发电功率预测系统200具有与上面的风电场发电功率预测方法相类似的有益技术效果，故，在此不再赘述。
77.本技术实施例还提供了一种计算机可读存储介质。计算机可读存储介质上存储有程序，该程序被处理器执行时，实现上面任一实施例的风电场发电功率预测方法。
78.本技术实施例可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息
存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括但不限于：相变存储器/阻变存储器/磁存储器/铁电存储器(pram/rram/mram/feram)等新型存储器、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
79.以上对本技术实施例所提供的风电场发电功率预测方法及其系统及计算机可读存储介质进行了详细的介绍。本文中应用了具体个例对本技术实施例的风电场发电功率预测方法及其系统及计算机可读存储介质进行了阐述，以上实施例的说明只是用于帮助理解本技术的核心思想，并不用以限制本技术。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术的精神和原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也均应落入本技术所附权利要求书的保护范围内。