CN102945508B - 一种基于模型校正的风电功率预测预报方法 - Google Patents
一种基于模型校正的风电功率预测预报方法 Download PDFInfo
- Publication number
- CN102945508B CN102945508B CN201210391408.7A CN201210391408A CN102945508B CN 102945508 B CN102945508 B CN 102945508B CN 201210391408 A CN201210391408 A CN 201210391408A CN 102945508 B CN102945508 B CN 102945508B
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- prediction
- correct
- production capacity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012937 correction Methods 0.000 title abstract description 12
- 238000013277 forecasting method Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000004088 simulation Methods 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims description 58
- 230000005611 electricity Effects 0.000 claims description 22
- 230000009467 reduction Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000006467 substitution reaction Methods 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 7
- 230000001915 proofreading effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 208000033182 PLCG2-associated antibody deficiency and immune dysregulation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于模型校正的风电功率预测预报方法，首先将数值天气预报模式预报的模拟风速校正到测风塔点的预测风况；然后由测风塔点的预测风况校正至风机点的预测风况，风机点的预测风况与经校正的风电功率预测模型得到风电场预测理论功率，再结合风电场折减系数校正后的结果得出风电场预测的实际功率；所述风电功率预测模型校正的流程为：首先通过风机理论功率曲线进行风机机舱功率曲线测试和功率系数计算，然后将风机点的预测风况代入风机机舱功率曲线中结合功率系数得出实际风机功率。采用此方法减小了各种模型误差，保证了预报结果的准确率。
Description
技术领域
本发明涉及一种风电功率预测预报方法，尤其涉及一种基于模型校正的风电功率预测预报方法。
背景技术
在我国新增风电场装机容量迅速上升的时期，风电产业的发展对电网安全和调度造成了困难。为了满足电网需要，提高风电利用效率，国家相关部门出台了一系列标准和要求，风电功率预报***在各个大型风场的安装使用势在必行。
目前，我国风电产业发展时间较短，业界主要的风功率预测方法和预报***都处在摸索和初级发展阶段。根据国家相关部门的规定，现有风电功率预报***的考核主要从准确率、上报率和合格率3个指标衡量。其中的准确率和合格率取决于预报功率数据和实际功率数据的误差。业界主流风功率预报的流程涉及数值天气模拟，风场测风塔数据预测，风电场产能预测等几个主要环节。上述每个环节的输出结果会作为其下个环节的输入参数，任何一个环节的模型误差将被带入至下一个环节中去。这其中几个主要的模型误差有数值天气模拟误差，测风塔、风机风速计量误差，测风塔数据和数值天气预报数据关联性分析误差，测风塔测风数据代表性，风机功率曲线偏差，风场产能折减估计误差等。
风电功率预测是较为复杂的物理模拟过程。业界的主流风电功率预测***的模型参数一般是不可调整的，所以其预测结果准确率随项目变更很难保证。
目前业界风电功率预报***的存在几个主要问题有：
1、直接采用代表性测风塔预测数据预测整个风电场功率：采用这种方法的前提假设是测风塔的风速、风向、温度、气压等测量数据要具有相当的代表性，可以代表风场每个风机的点的风速、风向等数据；在复杂地形风电场，测风塔风况并不能代替所有风机点的风况，若在这种情况下仍直接采用测风塔预测数据预测风电场功率，其结果将和实际情况相差较远。
2、采用厂家的保证风电机组功率曲线预测风电场功率：在实际风场中，风机的实际功率曲线和理论功率曲线存在差异，这主要是由于实际风场的风机工况和理论测试条件下的工况存在较大的差异，另外，风机的机舱风速功率曲线（NACP）和实际功率曲线也有所差异，在业界部分风功率预报***中直接采用厂家提供的功率曲线开展预测，其结果准确度难以保证。
3、风电场各项折减系数估计依靠工程经验：在一个特定的风场里，客观存在着折减系数，主要包含：机组可利用率、功率曲线、环境因子等。
发明内容
本发明所要解决的技术问题是提供一种基于模型校正的风电功率预测预报方法，能有效的减小测风塔预测风况数据、风电功率曲线、风电场各项折减系数引发的上述数据在各种模型应用过程中的误差。
本发明解决上述技术问题的技术方案如下：一种基于模型校正的风电功率预测预报方法，
首先将数值天气预报模式预报的模拟风速校正到测风塔点的预测风况；
然后由测风塔点的预测风况校正至风机点的预测风况，风机点的预测风况与经校正的风电功率预测模型得到风电场预测理论功率，再结合风电场折减系数校正后的结果得出风电场预测的实际功率；
所述风电功率预测模型校正的流程为：首先通过风机理论功率曲线进行风机机舱功率曲线测试和功率系数计算，然后将风机点的预测风况代入风机机舱功率曲线中结合功率系数得出实际风机功率。
一种基于模型校正的风电功率预测预报方法，首先利用气象部门提供的数值气象预报模型，对风电场的天气情况(主要包括风速、风向、气温、气压、湿度等参数)进行预测，建立实时预测模型，将数值气象预报模型的预测值转化成风电场的功率输出。具体地，将WRF（天气预报模式)预报的模拟风速MOS（模式输出统计方法）校正到测风塔点的预测风况，测风塔点的预测风况是由测风塔预测的，然后由测风塔点的预测风况校正至风机点的预测风况，将风机点的预测风况与经校正的风电功率预测模型得到风电场预测理论功率，再结合风电场折减系数校正后的结果得出风电场预测的实际功率。
所述风机点的预测风况校正利用测风塔点预测风况结合测风塔和风机历史数据通过MCP（先测量再关联最后预测）方法建立关联，将测风塔处预测风况校正到风机位点预测风况，MCP方法为：假定同期测风塔和风机数据的关系能够被数学模拟，例如线性和非线性回归、方差比方法。
所述校正的风电功率预测模型为实际风功率曲线，所述风电功率预测模型校正的主要流程为：首先通过风机理论功率曲线进行风机机舱功率曲线测试和功率系数计算，然后将风机点的预测风况代入风机机舱功率曲线中结合功率系数得出实际风机功率；所述功率系数采用回算历史风机机舱有效风速数据代入理论功率曲线的产能和实际产能的差异来计算，其中，有效风速数据库中数据剔除的原则主要有：1、风速等外部条件超出风机的工作范围，2、外部条件超出测试设备的工作范围，3、风机不能上网，4风机输出功率收到如电网等外部条件的限制，5、测试设备失效或者性能降低，6、10min平均风速超出了测量的扇区以外，7、风速超出了机舱风速转移函数的合理范围。
所述风电场折减系数校正包括可利用率校正、电气损失校正、环境影响损失校正；
所述可利用率校正包括时间可利用率校正和产能可利用率校正，所述时间可利用率校正是通过分析风机数据***中对历史的事件记录信息，结合不 同工况所占的时间来校正各个风机的时间可利用率，其定义为：一段时期内风电机组在正常工况下运行时间的百分比；所述产能可利用率校正包含评估风电机组的潜在产能、计算风电机组的实际产能，利用风机机舱风速经过转换为无扰流上风向风速后，代入功率曲线测试中的实际功率曲线计算风电机组的潜在产能，产能可利用计算用公式表达为：
其中,Pavail为产能可利用率，PPotential为潜在产能，Pactual为实际产能，结合风机数据监控***提供的风机运行状态信息，基于信息分类的理论，对不同状态下的风机潜在产能和实际产能开展评估，进而计算可利用率的季节变化规律；
所述电气损失校正采用获取风电场出口端电能计量器的电量，计算风电场风电机组的总发电量，风电场出口端电能计量器的电量与风电场风电机组的总发电量的比值即为电气损失的折减；
所述环境影响损失在产能可利用率无法精确计算的情况下作为折减因子的补充项目，主要由于外部环境（温度，风速Hysteresis）等参数超出风机设计指标时所损失的产能，环境影响损失校正首先假设风机在没有超出环境限制的条件下计算产能，再计算外部环境参数超出风机设计指标时所损失的产能；所述环境影响损失校正的规则为：
1、当风速大于切出风速时，则替换所有产能数据为0；
2、当观测温度大于切出高温时，则替换所有产能数据为0，当之前数据为0且观测温度数据大于切入高温时，则替换所有产能数据为0；
3、当观测温度低于切出低温时，则替换所有产能数据为0，当之前数据为0且观测温度数据小于重新切入低温时，则替换所有产能数据为0。
本发明的有益效果是：采用一种基于模型校正的风电功率预测预报***及方法有效的减小测风塔预测风况数据、风电功率曲线、风电场各项折减系 数引发的各种模型应用过程中的误差，保证了预报结果的准确率。
附图说明
图1为本发明基于模型校正的风电功率预测预报***的物理框架图；
图2为本发明基于模型校正的风电功率预测预报方法流程图；
图3为本发明模型校正测风塔预测风况的风机点预测风况方法流程图；
图4为本发明风电机组理论功率曲线预测模型校正的流程图；
图5为本发明基于模型校正的风电功率预测预报流程图；
图6为本发明超短期预报的统计外推训练样本的自回归系数。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，图1为一种基于模型校正的风电功率预测预报***的拓扑结构，包括数值天气预报服务器、风机、测风塔、风功率服务器、数据库服务器、风功率预报***客户端，所述风功率预报服务器通过Internet或专线分别与数值天气预报服务器、风机、测风塔相连，所述数据服务器与风功率预报服务器相连，所述风功率预报***客户端与所述数据库服务器相连，风功率预报服务器通过Internet或专线方式获取数值天气预报服务***的数值天气预报数据、测风塔的气象数据、风机的实时运行信息以及电网下达的限电调度指令信息对风电功率进行预报，风功率预报服务器将预报结果存储到数据库服务器上并实时将预报结果采用国家电网E格式上传到电网安全区Ⅱ/Ⅲ区。
图2为基于模型校正的风电功率预测预报方法流程图，首先将WRF预报的模拟风速MOS校正到测风塔点的预测风况，然后由测风塔点的预测风况校 正至风机点的预测风况，将风机点的预测风况代入经校正的风电功率预测模型得到风电场预测理论功率，再结合风电场折减系数校正后的结果，计算出风电场预测的实际功率。其中，风机点的预测风况、实际风机功率曲线、风电场各项折减系数的评估为本项目创新点设计的流程。
风机点的预测风况方法如图3所示，此图为通过MCP方法建立的风速风向关联的流程，根据地形、地表粗糙度、风场设计阶段的风况，利用测风塔点预测风况结合测风塔和风机历史数据通过MCP建立关联，将测风塔处预测风况校正到风机点预测风况。
MCP方法简介：假定同期测风塔和风机数据的关系能够被数学模拟，例如线性和非线性回归、方差比方法等。
1.线性和非线性回归：以同期测风塔的数据为自变量，同期风机的数据为因变量，建立二者的回归关系式，线性回归以其简单和易操作性，并且合宜的精度而被普遍采用。
2、方差比法只是进行过一个方差相等的处理，该方法直接给出了斜率和截距的表达式，方便简单、合理。
其中，ux,uy为同期的测风塔和风机点数据集
图4为风电机组理论功率曲线预测模型校正的主要流程图，首先通过风机理论功率曲线进行风机机舱功率曲线测试和功率系数计算，然后将风机点的预测风况代入风机机舱功率曲线中结合功率系数得出实际风机功率表现，最后得出风电场预测功率。功率曲线测试流程可以参考IEC系列标准，功率系数计算采用回算历史机舱有效风速数据代入理论功率曲线的产能和实际产能的差异来计算。
其中，有效风速数据库中数据剔除的原则主要有：
（1）风速等外部条件超出风机的工作范围，
（2）外部条件超出测试设备的工作范围，
（3）风机不能上网，
（4）风机输出功率收到如电网等外部条件的限制，
（5）测试设备失效或者性能降低，
（6）10min平均风速超出了测量的扇区以外，
（7）风速超出了机舱风速转移函数的合理范围。
风电场各项系数的校正：主要包含了可利用率、电气损失、环境影响损失。
可利用率估算包含了时间可利用率和产能可利用率两个估算方法，其中：
时间可利用率计算通过分析风机数据***中对历史的事件记录信息，结合不同工况所占的时间可以校正各个风机的时间可利用率。其定义为：一段时期内风电机组在正常工况下运行时间的百分比。产能可利用率的校正主要包含：评估风机电机组的潜在产能，计算风电机组的实际产能。通常采用的方法是利用风机机舱风速经过转换为无扰流上风向风速后，代入功率曲线测试中的实际功率曲线计算风电机组的潜在产能，产能可利用计算用公式表达为：
其中,PPotential为潜在产能；Pactual为实际产能。
结合风机数据监控***提供的风机运行状态信息，基于信息分类的理论，对不同状态下的风机潜在产能和实际产能开展评估，进而计算可利用率的季节变化规律。
电气损失校正采用获取风电场出口端电能计量器的电量，计算风电场风电机组的总发电量，风电场出口端电能计量器的电量与风电场风电机组的总发电量的比值即为电气损失的折减；
环境影响损失在产能可利用率无法精确计算的情况下作为折减因子的补充项目，主要由于外部环境（温度，风速）等参数超出风机设计指标时所损失的产能，环境影响损失校正首先假设风机在没有超出环境限制的条件下计算产能，再计算外部环境参数超出风机设计指标时所损失的产能；所述环境影响损失校正的规则为：
（1）、当风速大于切出风速时，则替换所有产能数据为0；
（2）、当观测温度大于切出高温时，则替换所有产能数据为0，当之前数据为0且观测温度数据大于切入高温时，则替换所有产能数据为0；
（3）、当观测温度低于切出低温时，则替换所有产能数据为0，当之前数据为0且观测温度数据小于重新切入低温时，则替换所有产能数据为0。
基于模型校正的风电功率预测预报方法，本项目采用WRF(Weather Research Forecast)模式进行模拟，该模式***具有可移植、易维护、可扩充、高效率、方便等诸多特性，并将有更为先进的数值计算和资料同化技术、多重移动嵌套网格性能以及更为完善的物理过程(尤其是对流和中尺度降水过程)。它将有助于开展针对不同类型、不同地域天气过程的高分辨率数值模拟，提高天气预报的分辨率和准确性,使得新的科研成果运用于业务预报模式更为便捷。
本研究选用的是WRFV3版本，采用一层网格，模式中心位于：31.0°N，112.5°E。水平格点数为201×182，水平分辨率为15km；垂直方向有35层；时间步长为60s。（可针对不同的研究区域调整）主要的物理过程：WRF Single-Moment6-class微物理方案，Grell-Devenyi ensemble积云参数化方案、RRTM长波辐射方案、Dudhia短波辐射方案、近地面层方案、四层土壤的热扩散方案、MRF边界层方案等。
为了与实际业务接轨，采用NCEP预报场GFS数据作为WRF模式初始场和边界条件，模式从每日08时（北京时，下同）开始起报，积分84小时， 逐小时输出模拟物理量（如：风速、温度、气压、比湿、经向风、纬向风、云量等）。模式输出的其它物理量可以用于太阳辐射模式预报输出的统计校正。
图5为基于模型校正的风电功率预测预报***流程图，图中，实时风机数据、数值天气数据、实时测风塔数据和国家电网的限电计划均存入数据库，经过风电预报制作***进行短期预报和超短期预报，然后将预报结构上传到国家电网，然后将短期预报和超短期预报结果反馈给数据库。
1、短期风电功率预测
短期风电功率预测为未来3天内的风电输出功率预测，时间分辨率为15min。按照预测方法及适应条件的不同，基本涵盖风电场风电功率预报可能遇到的各种情况。
1.1、原理法
原理法是先对风场风速进行预测，再经过和历史数据的带入实际风电功率曲线，最终得到功率预测值。本方法可以不需要大量的、长期的实测数据，更适用于复杂地形。
根据对数值模拟风速校正与否及风电功率预报模型建立方法的不同分以下方法进行预测。
WRF预报风速MOS校正后代入拟合的实际风机功率曲线
采用风场历史实测风速数据和风电功率数据建立风电功率预测模型，将WRF预报的模拟风速校正到测风塔后，再由测风塔风速校正至每台风电机组。将预测风速带入风电功率预测模型，得到预测理论功率，在结合对各项折减系数校正后的结果，计算出风电场预测的实际功率。本方法适用于风电场有测风塔数据，也有历史风电功率数据的情况，图2为本方法的主要流程图。
固定效应的模型校正
采用一整年的历史数值模拟数据和相应的风电功率数据分月或季节建 立固定效应的风电功率模型校正，并且将这些校正参数保存。
其中测风塔点和任意风机点的MCP关联在一定的时期内是一个较为固定的映射关系。风机的功率特性和各项折减的校正系数也是和季节有较为紧密的关系。
（1）建立模拟风速校正模型的资料和方法
（2）建立风电功率预测模型的资料和方法
建模资料：运行一整年的风电场实测风速资料、风电功率资料和风机运行状况资料。实际单机风电功率资料需用整个风场15min风电功率除以开机台数。
风电机组实际功率曲线建模方法：采用IEC推荐的bin方法和基于机舱风速计的功率特性测试计算功率曲线。
1.2动力统计法
动力统计法就是在***的输入(数值气象预报模型、风电场的测量数据等)和风电场的功率之间建立一种映射关系，包括线性的和非线性的方法，具体有自回归技术、神经网络等。
本方法的优点是预测自发地适应风电场位置，所以***误差自动减小了。缺点是需要长期测量数据和额外的训练并且忽略了整个风能向电能转化的物理本质，在极端天气条件下，***很难准确预测，对这些罕见天气状况的修正预测是十分重要的，否则将会导致很大的预测误差。
滚动建模
采用预报当日前某个时期的的数值模拟数据/测风塔测风数据与相应的风电功率数据每日滚动建立风电功率预测模型，将资料带入风电功率预测模型，便可得到预测功率。本方法适用于风电场有近两个月风电功率数据的情况。
建模资料：预报当日前推30天的数值模拟资料，包括风速(70m)、风向 正弦(70m)、风向余弦(70m)、温度(2m)、地面气压、湿度(2m)；以及相应的风电功率和风机运行状况资料。
数学建模方法：多元线性回归、神经网络方法
1.3持续法
当数值模拟天气预报资料缺报，以上方法均无法正常运行的情况下，为确保风电场风电功率预测上报率，可采用持续法进行风电功率预报，即使用前一日实况风电功率结果作为当日预报结果，此种情况只能在尽量达到不迟报漏报的基础上，人工参考天气预报进行经验修正以提高预报准确率。
2超短期预测
2.1基于短期预测功率的实时校正
基于短期风电功率预报结果，利用实时更新的实况风电功率数据，对短期风电功率预报结果进行实时校正。
建立模型：
式中，i为超短期预报时次，Yi为i时次超短期功率预测，Fi为i时次短期功率预测，
为过去一段时间实况风电功率平均值，
为过去一段时间短期功率预测平均值。
模型采用逐时次（15分钟）滚动建立，
均取过去2个小时内的算数平均值。
当短期预报结果与实况功率存在一定***性偏差，该方法效果比较理想。
2.2统计外推
利用最近时刻的200个左右样本，分别建立16个自回归方程，预报因子分别为滞后15、30、45、···240分钟的滞后功率因子。
自回归方程：Yt=aiYt-i+bi，式中，Y为实况功率，i为滞后时次，通过训练样本确定系数a、b，如图6所示。为提高预报准确率，方程系数应通 过每次滚动训练获得。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于模型校正的风电功率预测预报方法，其特征在于：
首先将数值天气预报模式预报的模拟风速校正到测风塔点的预测风况；
然后由测风塔点的预测风况校正至风机点的预测风况，风机点的预测风况与经校正的风电功率预测模型得到风电场预测理论功率，再结合风电场折减系数校正后的结果得出风电场预测的实际功率；
所述风电功率预测模型校正的流程为：首先通过风机理论功率曲线进行风机机舱功率曲线测试和功率系数计算，然后将风机点的预测风况代入风机机舱功率曲线中结合功率系数得出实际风机功率。
2.根据权利要求1所述的一种基于模型校正的风电功率预测预报方法，其特征在于：所述测风塔点预测风况校正利用测风塔点预测风况、测风塔历史数据和风机历史数据通过先测量再关联最后预测的方法建立风速风向之间的关联，将测风塔点预测风况校正到风机点预测风况。
3.根据权利要求1或2所述的一种基于模型校正的风电功率预测预报方法，其特征在于：所述功率系数采用回算历史风机机舱有效风速数据代入理论功率曲线的产能和实际产能的差异来计算。
4.根据权利要求1或2所述的一种基于模型校正的风电功率预测预报方法，其特征在于：所述风电场折减系数校正包括可利用率校正、电气损失校正、环境影响损失校正；
所述可利用率校正包括时间可利用率校正和产能可利用率校正，所述时间可利用率校正是通过分析风机数据***中对历史的事件记录信息，结合不同工况所占的时间来校正各个风机的时间可利用率；所述产能可利用率校正包含评估风电机组的潜在产能、计算风电机组的实际差能，利用风机机舱风速经过转换为无扰流上风向风速后，代入功率曲线测试中的实际功率曲线计算风电机组的潜在产能，产能可利用率计算用公式表达为：
其中,Pavail为产能可利用率，PPotential为潜在产能，Pactual为实际产能，结合风机监控***提供的风机运行状态信息，基于信息分类的理论，对不同状态下的风机潜在产能和实际产能开展评估，进而计算可利用率的季节变化规律；
所述电气损失校正采用获取风电场出口端电能计量器的电量，计算风电场风电机组的总发电量，风电场出口端电能计量器的电量与风电场风电机组的总发电量的比值即为电气损失的折减；
所述环境影响损失校正首先假设风机在没有超出环境限制的条件下计算产能，再计算外部环境参数超出风机设计指标时所损失的产能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210391408.7A CN102945508B (zh) | 2012-10-15 | 2012-10-15 | 一种基于模型校正的风电功率预测预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210391408.7A CN102945508B (zh) | 2012-10-15 | 2012-10-15 | 一种基于模型校正的风电功率预测预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102945508A CN102945508A (zh) | 2013-02-27 |
| CN102945508B true CN102945508B (zh) | 2014-01-29 |
Family
ID=47728447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210391408.7A Active CN102945508B (zh) | 2012-10-15 | 2012-10-15 | 一种基于模型校正的风电功率预测预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102945508B (zh) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104021424B (zh) | 2013-02-28 | 2018-12-07 | 乌托巴斯洞察公司 | 用于预测风场中的风机的输出功率的方法和装置 |
| CN103984986B (zh) * | 2014-05-06 | 2018-04-27 | 国家电网公司 | 实时校正的自学习arma模型风电功率超短期预测方法 |
| CN104008284A (zh) * | 2014-05-20 | 2014-08-27 | 国家电网公司 | 测风塔在数值天气预报中的校正方法 |
| CN104200280B (zh) * | 2014-08-22 | 2017-09-22 | 北方大贤风电科技（北京）有限公司 | 一种用于风电功率预测的方法及*** |
| CN106875037B (zh) * | 2016-12-30 | 2020-11-10 | 东软集团股份有限公司 | 风力预测方法及装置 |
| CN106875038B (zh) * | 2017-01-03 | 2021-09-28 | 国能日新科技股份有限公司 | 基于集合局地多点不同气候特征的风功率预测方法及装置 |
| CN107153894B (zh) | 2017-06-02 | 2018-11-27 | 北京金风科创风电设备有限公司 | 一种风电场的预测风速校正方法及装置 |
| CN108345996B (zh) * | 2018-02-06 | 2021-07-20 | 北京天润新能投资有限公司 | 一种降低风电功率考核电量的***及方法 |
| CN108197843B (zh) * | 2018-02-26 | 2020-11-06 | 中国电建集团西北勘测设计研究院有限公司 | 一种平坦地形风电出力特性评估方法 |
| CN111325376A (zh) * | 2018-12-14 | 2020-06-23 | 北京金风科创风电设备有限公司 | 风速预测方法及装置 |
| CN110705769B (zh) * | 2019-09-26 | 2022-07-05 | 国家电网公司华北分部 | 新能源发电功率预测优化方法和装置 |
| CN110705772B (zh) * | 2019-09-26 | 2022-08-02 | 国家电网公司华北分部 | 区域电网风力发电功率预测优化方法和装置 |
| CN111639437B (zh) * | 2020-06-08 | 2021-03-23 | 中国水利水电科学研究院 | 一种基于地面气压分布形势动态改变wrf模式参数化方案组合的方法 |
| CN111950764B (zh) * | 2020-07-03 | 2024-03-22 | 国网冀北电力有限公司 | 一种极端天气条件电网风电功率预测修正方法 |
| CN112761896B (zh) * | 2020-09-24 | 2024-05-14 | 国网内蒙古东部电力有限公司 | 提高风力发电站发电量预测精度的计算方法、装置和计算机设备 |
| CN112700134A (zh) * | 2020-12-30 | 2021-04-23 | 华润电力技术研究院有限公司 | 一种测风塔代表性分析的方法、***及设备 |
| CN113869604A (zh) * | 2021-10-25 | 2021-12-31 | 山东大学 | 基于wrf风速预测的风电功率预测方法及*** |
| CN114791749B (zh) * | 2021-12-27 | 2023-05-05 | 中国船舶工业综合技术经济研究院 | 一种局部天气情况模拟体验的隔离密闭胶囊舱 |
| CN117394306B (zh) * | 2023-09-19 | 2024-06-14 | 华中科技大学 | 基于新能源并网的风电功率预测模型建立方法及其应用 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102269124A (zh) * | 2011-06-30 | 2011-12-07 | 内蒙古电力勘测设计院 | 超短期风电场发电功率预测*** |
-
2012
- 2012-10-15 CN CN201210391408.7A patent/CN102945508B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102269124A (zh) * | 2011-06-30 | 2011-12-07 | 内蒙古电力勘测设计院 | 超短期风电场发电功率预测*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102945508A (zh) | 2013-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
| Stathopoulos et al. | Wind power prediction based on numerical and statistical models | |
| Kubik et al. | Exploring the role of reanalysis data in simulating regional wind generation variability over Northern Ireland | |
| KR101035398B1 (ko) | 특정지점 기상예측 기반 신재생에너지 발전량 실시간 예측방법 및 그 시스템 | |
| CN109726867B (zh) | 一种基于多模式集合的高分辨率电力气象预报方法 | |
| CN109784563B (zh) | 一种基于虚拟测风塔技术的超短期功率预测方法 | |
| CN108388962A (zh) | 一种风电功率预测***及方法 | |
| CN113496311A (zh) | 光伏电站发电功率预测方法及*** | |
| CN110705771B (zh) | 区域电网新能源发电功率预测优化方法和装置 | |
| CN109978242A (zh) | 基于统计升尺度的光伏发电集群功率预测方法及装置 | |
| CN101794996A (zh) | 风电场出力实时预测方法 | |
| CN111458769B (zh) | 用于输电线路环境气象数据预测的方法及*** | |
| De Araujo | WRF wind speed simulation and SAM wind energy estimation: A case study in Dili Timor Leste | |
| Tan et al. | Short term wind energy resource prediction using WRF model for a location in western part of Turkey | |
| Lopes et al. | Improved ECMWF forecasts of direct normal irradiance: A tool for better operational strategies in concentrating solar power plants | |
| CN104008284A (zh) | 测风塔在数值天气预报中的校正方法 | |
| CN117117819A (zh) | 一种光伏发电短期功率预测方法、***、设备和介质 | |
| Cabezon et al. | Comparison of methods for power curve modelling | |
| CN110416996A (zh) | 一种基于云平台的分布式光伏集群功率预测*** | |
| CN106355264B (zh) | 一种参考作物腾发量组合预测方法 | |
| CN116976518A (zh) | 集中式风电场风功率预测方法及装置 | |
| Cao et al. | Development of short-term wind power forecasting methods | |
| CN115912334A (zh) | 风电场出力保证率的预测模型创建方法及预测方法 | |
| CN112761896B (zh) | 提高风力发电站发电量预测精度的计算方法、装置和计算机设备 | |
| CN108345996A (zh) | 一种降低风电功率考核电量的***及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C56 | Change in the name or address of the patentee | ||
| CP03 | Change of name, title or address |
Address after: 15, building 430206, building A, overseas talent building, future science and Technology City, East Lake Development Zone, Wuhan, Hubei Patentee after: WINDMAGICS (WUHAN) CO.,LTD. Address before: 430073 Hubei city of Wuhan province East Lake high tech Development Zone, Optics Valley Software Park Avenue, block E3 room 1503 Patentee before: WINDMAGICS (WUHAN) RENEWABLE ENERGY TECHNOLOGY CO.,LTD. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A kind of wind power prediction methods based on model tuning Effective date of registration: 20170217 Granted publication date: 20140129 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) CO.,LTD. Registration number: 2017420000005 |
|
| PLDC | Enforcement, change and cancellation of contracts on pledge of patent right or utility model | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20180413 Granted publication date: 20140129 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) CO.,LTD. Registration number: 2017420000005 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Model correction based wind power forecasting method Effective date of registration: 20180423 Granted publication date: 20140129 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) CO.,LTD. Registration number: 2018420000019 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20190412 Granted publication date: 20140129 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) CO.,LTD. Registration number: 2018420000019 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A wind power forecasting method based on model correction Effective date of registration: 20210329 Granted publication date: 20140129 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) Co.,Ltd. Registration number: Y2021420000014 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220328 Granted publication date: 20140129 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) CO.,LTD. Registration number: Y2021420000014 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A wind power prediction method based on model correction Effective date of registration: 20220329 Granted publication date: 20140129 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) CO.,LTD. Registration number: Y2022420000088 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230410 Granted publication date: 20140129 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) CO.,LTD. Registration number: Y2022420000088 |