[发明专利]具有发电量预测及跟踪控制的风力发电智能网及控制方法

权利要求书

1.一种具有发电量预测及跟踪控制的风力发电智能网，其特征在于，所述具有发电量预测及跟踪控制的风力发电智能网包括：预测单元和控制单元；所述预测单元与控制单元信号连接；

所述预测单元包括：

风力发电综合观测站，通过选择测试节点，获得历史数据、实时数据以及设备参数，并将获得的数据传给预测计算机；

预测计算机，所述预测计算机与预测电量模块连接，用于接收来自风力发电综合观测站的各种数据，并根据对数据的处理精确预测出发电量和最大功率曲线记录表，且将其分别传向预测电量模块和位于风力发电机上的微处理器；

预测电量模块，所述预测电量模块与电力调度中心连接，用于预测电量；

电力调度中心，用于接收来自预测电量模块预测的电量并进行发配电，进而保证电网的安全；

所述控制单元具体包括：

微处理器，用于每隔半小时接收并处理来自风力发电综合观测站、预测计算机、GPS以及转速传感器的数据，还用于计算实时风力发电功率并驱动跟踪控制器实现风能的充分利用；

转速传感器，用于向微处理器传输实时的风轮旋转机械角速度ω；

GPS，用于获取GPS的定位信号；

跟踪控制器，用于接收微处理器的控制指令；

最大功率曲线记录表，用于向微处理器传输输出功率参数值。

2.如权利要求1所述的具有发电量预测及跟踪控制的风力发电智能网，其特征在于，所述微处理器根据风力发电综合观测站和转速传感器传输来的实时数据，计算实时的发电功率P₁，并比较在此转速下由预测计算机传来的最大功率记录表中的数据P₂，如果P₁>P₂根据GPS的定位，将风叶平面旋转到与风向垂直的的方向，如果P₁<P₂则进入下一判断，判断风向与旋转平面的夹角是否大于15度且长时间保持不变，如果是，则将风叶平面旋转到与风向垂直的的方向，如果不是，30分钟后输出实时的数据。

3.一种如权利要求1所述的具有发电量预测及跟踪控制的风力发电智能网的控制方法，其特征在于，所述控制方法包括以下步骤：

步骤一，收集风力发电综合观测站的数据，对数据源中的数据进行清洗、调和、导出、匹配、合并及消除重复，把经过降噪处理的数据统一存储，以此建立数据仓库；进一步对数据库中的数据进行ETL处理；

步骤二，经过处理的数据用遗传算法进行优化处理，并把得到的最优个体解码为BP神经网络的初始参数，也即为权值和阈值；

步骤三，初始化参数:进行BP训练，把历史数据作为输入向量，实时数据作为目标输出向量，训练所述的BP神经网络根据实时数据与经过训练后的BP神经网络，获得中期的发电量数据；

步骤四，计算最大功率曲线记录表，根据风力发电综合观测站传输来的历史数据；计算最大功率曲线记录表，并输出给微处理器；

步骤五，电力调度中心接收来自预测计算机的预测电量，进而实现电力的合理配送和并网的安全。

4.如权利要求3所述的控制方法，其特征在于，所述步骤一中清洗包括：预测计算机接受来自风力发电综合观测站的数据，根据相关性原理对其进行清洗、调和、导出、匹配、合并及消除重复，以此消除无关的和多余的数据。

5.如权利要求3所述的控制方法，其特征在于，所述步骤一中降噪包括清洗、调和、导出、匹配、合并及消除重复；所述步骤一中建立数据仓库为把经过降噪处理的数据进行集中存储的过程；

所述步骤一中ETL处理为:把数据仓库中的数据进行抽取、转换和加载。

6.如权利要求3所述的控制方法，其特征在于，进一步，所述步骤二中的优化处理包括：

第一步，计算数据库中的各个个体的适应值，并保存最优适应值；

第二步，如果达到设定的进化代数或当前最优个体满足条件则进行下一步，否则进行选择、交叉、变异后返回到第一步；

第三步，将第二步中的最优个体解码为BP神经网络的初始参数。