[发明专利]基于尾流偏转效应和2DJensen模型的风力机功率预测方法

说明书

本发明公开了一种基于尾流偏转效应和2DJensen模型的风力机功率预测方法，采集并预处理风场内风力机的SCADA数据；基于风场内风力机的地理位置数据构建每台风力机的相对位置坐标；确定风场内风力机的节点集合和全局属性；确定风场内风力机之间的边集合和邻接矩阵；构建输入矢量图集；构建基于尾流偏转效应和2DJensen模型的改进的图神经网络模型；依据预处理后的SCADA数据集和输入矢量图进行参数优化，确定风场内风力机功率预测模型，确定风场中所有风力机节点的预测功率。本发明能够准确预测不同风况下整个风场内具有偏航误差角的风电机组的功率输出值。

技术领域

本发明属于风电机组功率预测领域，具体涉及一种基于尾流偏转效应和2DJensen模型的风力机功率预测方法。

背景技术

我国正在大力发展新能源产业，而风能因其分布广泛、无污染等优点，成为比较有发展前景的新能源之一。随着风力发电技术的不断发展，出现了越来越多的大型风电场。由于成本以及场地等因素导致大型风电场会出现风力机间相互影响、内部风场复杂多变等情况。通过预测功率不仅可以分析风电场功率损失情况，还可以通过预测功率结合场控系统有效提升风电场发电效率。因此通过风电场风况信息准确地预测风电场全部风力机的功率具有重要的意义。通常风电场拥有丰富的SCADA历史数据，因此通过历史数据提升风电场功率预测准确率也具有重要的意义。

发明内容

本发明目的在于提出一种基于尾流偏转效应和2DJensen模型的风力机功率预测方法。

实现本发明目的的技术解决方案为：一种基于尾流偏转效应和2DJensen模型的风力机功率预测方法，具体步骤如下：

步骤1、采集并预处理风场内风力机的SCADA数据；

步骤2、基于风场内风力机的地理位置数据构建每台风力机的相对位置坐标；

步骤3、根据预处理后的SCADA数据集得到风场内风力机的节点集合和全局属性；

步骤4、根据风力机相对位置坐标、当前时刻的输入风向、尾流偏转效应和2DJensen模型得到风场内风力机之间的边集合和邻接矩阵；

步骤5、基于风场内风力机的节点集合、边集合、全局属性和邻接矩阵构建输入矢量图集；

步骤6、基于尾流偏转效应和2DJensen模型构建改进的图神经网络模型，确定图神经网络的设置参数；

步骤7、使用优化算法，根据损失函数，依据预处理后的SCADA数据集和输入矢量图对改进的图神经网络进行参数优化，参数优化完成后确定的图神经网络模型作为风场内风力机功率预测模型；

步骤8、利用风力机功率预测模型处理输入的风速和风向，得到风场中所有风力机节点的预测功率。

一种基于尾流偏转效应和2DJensen模型的风力机功率预测系统，利用所述的基于尾流偏转效应和2DJensen模型的风力机功率预测方法，实现风力机功率预测。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，利用所述的基于尾流偏转效应和2DJensen模型的风力机功率预测方法，实现风力机功率预测。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，利用所述的基于尾流偏转效应和2DJensen模型的风力机功率预测方法，实现风力机功率预测。

本发明与现有技术相比，其显著优点在于：结合图神经网络、尾流偏转效应和2DJensen模型来预测风力机的功率，能够准确预测不同风况下整个风场内具有偏航误差角的风电机组的功率输出值。

附图说明

图1为本发明基于尾流偏转效应和2DJensen模型的风力机功率预测方法流程图。