[发明专利]一种基于混合建模策略的风机功率预测方法及系统

权利要求书

1.一种基于混合建模策略的风机功率预测方法，其特征在于，包括：

获取待测风机所在地的天气预报数据及风电场数据采集与监控系统数据，载入预先建立并训练好的风机功率预测模型中，获取风机功率预测结果；

所述风机功率预测模型包括风速-功率曲线模型，该风速-功率曲线模型中的功率转换系数通过人工神经网络模型获取；

所述风机功率预测模型的训练过程包括以下步骤：

A1：获取待测风机所在地的天气预报数据及风电场数据采集与监控系统数据，作为用于模型训练和测试的历史数据库；

A2：基于步骤A1中的所述历史数据库对所述人工神经网络模型中的参数进行优选，并对所述风机功率预测模型的预测性能进行验证；

A3：基于步骤A2获得的风机功率预测模型，采用不同输入参数对不同时间尺度下的风机发电功率预测性能进行测试，并根据系统实时数据更新历史数据库对模型进行定期修正和参数更新；

所述人工神经网络模型选用径向基函数神经网络模型，该选用径向基函数神经网络模型的表达式为：

式中，C_p为功率转换系数，x_k为RBFNN的输入层神经元，h为隐藏层节点数，c_i为隐藏层节点中心点位置，σ为内核宽度，β_i为输出层权重，β₀为输出层偏置；

对人工神经网络模型中的参数进行优选，具体为：

基于K-means聚类方法选取隐含层节点中心点位置；

基于最大距离法优选内核宽度；

基于LASSO回归模型优选隐含层节点数和权重矩阵；

基于BARON全局算法对权重矩阵进行优化。

2.根据权利要求1所述的一种基于混合建模策略的风机功率预测方法，其特征在于，所述风速-功率曲线模型的表达式为：

C_p＝f(*)

式中，P为输出功率，ρ为空气密度，R为风轮机叶片半径，C_p为功率转换系数，v为风速，f(*)为用于关联功率转换系数和气象条件、风机运行条件的人工神经网络模型，所述气象条件由天气预报数据获取，所述风机运行条件由风电场数据采集与监控系统数据获取。

3.根据权利要求2所述的一种基于混合建模策略的风机功率预测方法，其特征在于，所述空气密度的计算表达式为：

式中，Pa为气压，所述天气预报数据包括气压数据，R_g为理想气体常数。

4.根据权利要求1所述的一种基于混合建模策略的风机功率预测方法，其特征在于，所述天气预报数据包括风速、环境温度、湿度和气压，所述风电场数据采集与监控系统数据包括输出功率、叶片桨距角和风机旋转速度。

5.根据权利要求1所述的一种基于混合建模策略的风机功率预测方法，其特征在于，所述基于最大距离法优选内核宽度的计算表达式为：

式中，σ为内核宽度，h为隐含层节点数，d_max为中心点的最大距离，m为输入参数的种类数。

6.根据权利要求1所述的一种基于混合建模策略的风机功率预测方法，其特征在于，所述基于LASSO回归模型优选隐含层节点数和权重矩阵，具体采用了带有惩罚项的L1正则化项来修正风机功率预测模型的优化目标，

所述风机功率预测模型的优化目标的表达式为：

式中，RMSE为功率预测值与实际测量值的均方根误差，λ为正则化参数，h为隐含层节点数，β_i为权值矩阵。