一种海上风电场轮毂高度风速预测方法及系统与流程

本发明属于海上风电场风速预测，尤其涉及一种海上风电场轮毂高度风速预测方法及系统。

背景技术：

1、海上风电场处于复杂的海洋下垫面环境中，轮毂高度风速不仅受常规大气环流、温度、湿度、气压、风向等气象因素影响，还受海表温度、海流、波浪、海表粗糙度以及海气动量和热量交换过程影响，具有更强的时空非平稳性和边界层耦合特征，因此，准确预测轮毂高度风速对于风电功率预测、机组安全控制、出力计划和并网调度具有重要意义。

2、现有海上风速预测通常依赖wrf等中尺度大气模式，然而单一大气模式对海洋过程和波浪过程的反馈考虑不足，难以充分表征海表温度、海流、有效波高、波周期、波长、波浪耗散以及海表粗糙度变化对近海边界层和轮毂高度风速的动态影响。

3、为提升数值模拟精度，已有方法尝试引入海洋模式roms或波浪模式swan，与wrf进行耦合，以增强海气界面和风浪流相互作用的表征能力。然而即使采用耦合模式，模式输出仍可能存在系统偏差，例如物理参数化方案区域适应性不足、边界条件误差、网格分辨率不足、局地海陆风和波流相互作用刻画不完整等问题。

4、对于数值模式输出误差，现有技术通常采用统计模型、机器学习模型或深度学习模型进行统一误差订正。然而统一模型将全部风速样本混合训练，忽略了低风速、中风速和高风速区间在误差分布、风场演变机制和非线性增强程度方面的差异，容易出现参数折中，尤其在高风速或突变风速情景下订正稳定性不足。

5、总结起来，目前在进行轮毂高度风速预测时，往往存在如下问题：

6、1. 单一wrf大气模式未充分考虑海洋和波浪过程，导致海上风电场轮毂高度风速模拟精度不足；2.现有耦合模式虽然引入海气或海气浪相互作用，但模式输出仍存在系统误差，直接用于风电功率预测和调度决策时可靠性不足；3.现有误差订正模型多采用全样本统一建模，难以适应不同风速区间的误差非平稳性和极端化特征；4.单一机器学习或单一深度学习模型难以同时兼顾模式误差的静态非线性映射和时间序列动态依赖关系。

7、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，并不必然构成在先技术。

技术实现思路

1、本发明的目的在于提出一种海上风电场轮毂高度风速预测方法，将海气浪耦合数值模拟与分风速段误差订正相结合，使其既能够从物理机制上增强风场模拟，又能够从数据驱动层面对不同风速区间进行针对性误差压缩，从而利于提高轮毂高度风速预测准确性。

2、本发明为了实现上述目的，采用如下技术方案：

3、一种海上风电场轮毂高度风速预测方法，包括如下步骤：

4、步骤1. 建立wrf-roms-swan海气浪耦合数值模拟框架，并从wrf-roms-swan耦合模式输出中提取轮毂高度处包括风速、风向、温度、湿度及气压数据在内的气象基础变量，并基于基础变量构造风向周期编码特征、时间周期特征、历史滞后特征、滚动统计特征；

5、步骤2. 构建并训练多组风速订正模型，以分别实现对原始耦合模式输出风速的订正，订正结果包括线性订正风速、xgboost订正风速和bilstm-attention订正风速；

6、步骤3. 根据耦合模式输出风速大小与预设风速阈值的大小关系，选择调用相应风速区间预选练好的xgboost元学习器作为风速预测模型；

7、其中预先按照耦合模式输出风速大小进行风速分段，并划分为多个风速区间；然后在每个风速区间分别单独对应构建并预训练一个xgboost元学习器；

8、步骤4. 将步骤2的线性订正风速、xgboost订正风速、bilstm-attention订正风速和原始耦合模式输出风速共同作为步骤3的风速预测模型的输入，输出最终风速订正结果。

9、此外，在上述海上风电场轮毂高度风速预测方法的基础上，本发明还提出了一种与之对应的海上风电场轮毂高度风速预测系统，其采用如下技术方案：

10、一种海上风电场轮毂高度风速预测系统，包括如下模块：

11、数据获取模块，用于建立wrf-roms-swan海气浪耦合数值模拟框架，并从wrf-roms-swan耦合模式输出中提取轮毂高度处包括风速、风向、温度、湿度及气压数据在内的气象基础变量，并基于基础变量构造风向周期编码特征、时间周期特征、历史滞后特征、滚动统计特征；

12、订正风速模块，用于构建并训练多组风速订正模型，以分别实现对原始耦合模式输出风速的订正，订正结果包括线性订正风速、xgboost订正风速和bilstm-attention订正风速；

13、风速区间判断以及模型调用模块，用于根据耦合模式输出风速大小与预设风速阈值的大小关系，选择调用相应风速区间预选练好的xgboost元学习器作为风速预测模型；

14、其中预先按照耦合模式输出风速大小进行风速分段，并划分为多个风速区间；然后在每个风速区间分别单独对应构建并预训练一个xgboost元学习器；

15、以及风速预测模块，用于线性订正风速、xgboost订正风速、bilstm-attention订正风速和原始耦合模式输出风速共同作为风速预测模型的输入，输出最终风速订正结果。

16、本发明具有如下优点：

17、如上所述，本发明提出了一种海上风电场轮毂高度风速预测方法，该方法通过构建wrf-roms-swan海气浪全耦合模拟框架，利用mct耦合器实现大气、海洋与波浪模式之间的双向信息交换，与单一wrf大气模式相比，本发明通过引入海洋和波浪过程，能够更全面地刻画海气界面动量交换、热量交换、海表粗糙度变化及波流相互作用对轮毂高度风速的影响。此外，与传统仅进行耦合数值模拟的方法相比，本发明进一步构建数据驱动误差订正模型，对耦合模式输出风速与实测风速之间的系统性偏差和非线性误差进行学习与修正，能够有效弥补由于物理参数化方案、模式空间分辨率、初始边界条件以及局地复杂气象过程刻画不足所导致的模拟误差，提高模式输出风速与实际风况之间的一致性。进一步地，与采用单一数据驱动误差订正模型的方法相比，本发明在第一层构建xgboost与bilstm-attention组成的异构集成订正架构。其中，xgboost模型能够充分挖掘气象变量、历史变化特征及非线性组合特征与风速误差之间的映射关系，增强复杂非线性误差的解析能力；bilstm-attention模型能够利用双向时序信息和注意力机制捕获风速误差随时间变化的长期依赖关系和关键影响时段特征。因此，二者优势互补，能够同时提高风速误差空间特征解析能力和时间动态变化刻画能力，降低单一模型因结构限制导致的预测偏差。此外，与采用全样本统一误差订正模型的方法相比，本发明在第二层引入基于风速区间划分的分区订正策略，根据不同风速水平下误差分布特征的差异建立针对性的误差学习模型，使模型能够适应低风速、中风速和高风速条件下不同的误差变化规律，避免统一模型在局部风速区间内因样本分布不均或误差特征差异导致的订正不足，从而提高不同风速范围内的偏差控制能力、误差压缩能力以及风速变化趋势拟合能力。通过上述物理模拟与数据驱动相结合的方法，本发明充分融合海气浪耦合模式提供的物理一致性信息以及数据驱动模型对复杂误差模式的学习能力，实现了对海上风电场轮毂高度风速的精细化订正与预测。与传统数值模拟方法和单一数据驱动方法相比，本发明方法能够有效降低模式风速预测误差，提高风速预测结果的准确性、稳定性和泛化能力，从而为海上风电功率预测、运行调度以及风电资源评估提供更加可靠的风速输入数据。