一种适用于分散式风电场的组合风电功率预测方法

摘要

本发明提供一种适用于分散式接入的组合风电功率预测方法，包括如下步骤：步骤1，数据采集和预处理、步骤2，利用归一化后的训练样本集和预测样本集建立基于径向基神经网络的风速预测模型并预测分散风机点下一时刻风速和变化趋势、步骤3，根据分散式风场地形、粗糙度、尾流影响等因素建立分散式风电场区CFD模型并外推出场区内每台风机的预测风速、步骤4，通过采集分散式风场SCADA系统风机功率数据、步骤5，采用关联系数；本发明首次提出双层组合神经网络分别对风速和功率进行预测。采取适合各自的有效地神经网络类型进行分别建模，并将加入“改进”“变异”“淘汰”思想的改进微粒群算法对神经网络进行优化，可以有效提高建模的速度和精度，实现风速和功率的解耦。

主权项

一种适用于分散式接入的组合风电功率预测方法，包括如下步骤：步骤1，数据采集和预处理：分散式风电功率预测系统通过收集测风塔点的历史气象数据，对数据进行预处理，剔除坏数据，根据数据和现场要求，统计单位时间的平均值，形成可用于风功率预测的数据样本集，对数据分段，根据实际情况，分为3份，前2/3用于预测训练的样本集，后1/3作为测试和订正预测模型的测试集；步骤2，利用归一化后的训练样本集和预测样本集建立基于径向基神经网络的风速预测模型并预测分散风机点下一时刻风速和变化趋势；步骤3，根据分散式风场地形、粗糙度、尾流影响等因素建立分散式风电场区CFD模型并外推出场区内每台风机的预测风速；步骤4，通过采集分散式风场SCADA系统风机功率数据，结合外推风机处历史气象数据和历史输出功率，利用改进微粒群优化的BP神经网络分散式风机功率进行预测，并结合风机厂商提供的标准功率曲线数据进行订正，采用的输入数据为预测风速和变化趋势，输出风电机组的动态预测功率；步骤5，采用关联系数，对异步、双馈、永磁直驱三种发电机的风电机组进行分群建模，最后根据外推系数得到分散式风场预测功率。