[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

说明书

本发明涉及一种基于混合建模策略的风机功率预测方法和系统，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，载入风机功率预测模型中，获取风机功率预测结果；风机功率预测模型包括风速‑功率曲线模型，其功率转换系数通过人工神经网络模型获取；风机功率预测模型的训练过程包括：获取训练数据；对人工神经网络模型中的参数进行优选，并对风机功率预测模型的预测性能进行验证；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、修正和参数更新。与现有技术相比，本发明具有模型精度高、模型复杂度低、泛化能力强、可用于多时间尺度功率预测等优点，能够有效地保障风力发电系统安全、稳定、高效运行。

技术领域

本发明涉及风机功率预测领域，尤其是涉及一种基于混合建模策略的风机功率预测方法及系统。

背景技术

风力发电是一种具有巨大开发潜力和广阔商业化应用前景的新型发电方式。但是，风力发电能力高度依赖气象条件，具有极强的不确定性和随机性，严重影响了风电并网系统的运行可靠性。因此，需要构建精准可靠的风机发电功率预测模型，并基此提前制定合理的调度及控制方案，以保障系统的安全、稳定、高效运行。

目前，已提出的针对风力发电系统的功率预测模型可以分为物理模型方法、风速-功率曲线方法、数据驱动方法等。但这些方法普遍存在以下问题：

1)物理模型方法需要构建复杂的流体力学和热力学方程组，计算复杂度高，多用于风机的设计过程，而较少应用于运行与调度场景。

2)风速-功率曲线方法通过构建风速与功率的函数关系，在风机发电功率中长期预测中应用广泛，但由于模型比较简单，在短时预测的精度不高。

3)数据驱动方法基于历史数据构建气象条件与风电功率的非线性关系，在风机发电功率的短期预测中表现出良好性能，但是由于模型高度依赖气象条件，而在中长期预测中该类数据较为缺乏，故在中长期预测时的实用性低。

因此，开发一种能够应用于不同时间尺度的风机功率预测方法及系统，对实现风机系统的高效安全运行具有重要意义。

发明内容

本发明的目的就是为了克服上述现有技术存在风机功率预测精度低、多时间尺度场景适应性差的缺陷而提供一种基于混合建模策略的风机功率预测方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种基于混合建模策略的风机功率预测方法，基于现用的常用的风速-功率曲线模型，对模型中功率转换系数项采用人工神经网络模型(Artificial neural network，ANN)进行修正，构建基于混合建模策略的功率预测模型，并基于历史数据对模型参数进行优化，提升模型在不同时间尺度的预测性能。

具体地，该方法包括步骤：

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。

进一步地，所述风速-功率曲线模型的表达式为：