[发明专利]一种短期风电功率预报方法

摘要

本发明公开了一种短期风电功率预报方法，该风电功率预报方法包括以下步骤：(1)采集全球大尺度气象预报场数据；(2)建立RAMS模型；所述RAMS模式利用如下方程组进行风速、温度、气压等预报场的计算；(3)将步骤(1)采集的大尺度气象预报场数据输入步骤(2)中的RAMS模型获得风电场范围内的风向风速预报数据；(4)通过风电场范围内的风速、风向和气压的历史预报数据结合同期风电场的功率记录数据利用BP神经网络建立风电功率统计模型；(5)将所述预报日期的风向风速数据作为原始参数输入风电功率统计模型后计算得到预报日的风电功率预报结果。由于本发明采用90米分辨地形资料可以对平坦地形、丘陵地形、复杂地形等区域利用不同分辨率进行计算，预报方案灵活、限制条件较少。

主权项

一种短期风电功率预报方法，其特征在于，该风电功率预报方法包括以下步骤：(1)采集全球大尺度气象预报场数据；(2)建立RAMS模型；所述RAMS模式利用如下方程组进行风速、温度、气压等预报场的计算，动力学方程： ∂ u ∂ t = - u ∂ u ∂ x - v ∂ u ∂ y - w ∂ u ∂ z - θ ∂ π ′ ∂ x + fv + ∂ ∂ x ( K m ∂ u ∂ x ) + ∂ ∂ y ( K m ∂ u ∂ y ) + ∂ ∂ z ( K m ∂ u ∂ z ) ∂ v ∂ t = - u ∂ v ∂ x - v ∂ v ∂ y - w ∂ v ∂ z - θ ∂ π ′ ∂ x + fu + ∂ ∂ x ( K m ∂ v ∂ x ) + ∂ ∂ y ( K m ∂ v ∂ y ) + ∂ ∂ z ( K m ∂ v ∂ z ) ∂ w ∂ t = - u ∂ w ∂ x - v ∂ w ∂ y - w ∂ w ∂ z - θ ∂ π ′ ∂ z - g θ v ′ ∂ z + ∂ ∂ x ( K m ∂ w ∂ x ) + ∂ ∂ y ( K m ∂ w ∂ y ) + ∂ ∂ z ( K m ∂ w ∂ z ) 热力学方程 ∂ θ il ∂ t = - u ∂ θ il ∂ x - v ∂ θ il ∂ y - w ∂ θ il ∂ z + ( ∂ θ il ∂ t ) rad + ∂ ∂ x ( K h ∂ θ il ∂ x ) + ∂ ∂ y ( K h ∂ θ il ∂ y ) + ∂ ∂ z ( K h ∂ θ il ∂ z ) 水汽混合比连续方程 ∂ r n ∂ t = - u ∂ r n ∂ x - v ∂ r n ∂ y - w ∂ r n ∂ z + ∂ ∂ x ( K h ∂ r n ∂ x ) + ∂ ∂ y ( K h ∂ r n ∂ y ) + ∂ ∂ z ( K h ∂ r n ∂ z ) 质量连续方程 ∂ θ ′ ∂ t = - R π 0 c v ρ 0 θ 0 ( ∂ ρ 0 θ 0 u ∂ x + ∂ ρ 0 θ 0 v ∂ y + ∂ ρ 0 θ 0 w ∂ z ) 其中f是科氏力参数，ρ是空气密度，g为重力加速度，R为气体常数，cv为大气定容比热，Km是动量涡动粘性系数，Kh是热量和水汽涡动粘性系数，θ是位温，θil为冰-水位温，θv为虚位温，π为Exner函数，π′为其扰动量，rn是大气中总水量、雨、冰晶、聚合物和雪的水汽混合比，rt为总水量混合比，rv为水汽混合比，脚标“rad”代表辐射参数化倾向，“0”表示大气基本状态；(3)将步骤(1)采集的大尺度气象预报场数据输入步骤(2)中的RAMS模型获得风电场范围内的风向风速预报数据；(4)通过风电场范围内的风速、风向和气压的历史预报数据结合同期风电场的功率记录数据利用BP神经网络建立风电功率统计模型；(5)将所述预报日期的风向风速数据作为原始参数输入风电功率统计模型后计算得到预报日的风电功率预报结果。