微尺度流场调制的复杂地形风电功率预测方法及系统

摘要: 本技术涉及新能源风电功率预测、数值气象仿真与人工智能时序建模交叉,特别涉及一种微尺度流场调制的复杂地形风电功率预测方法及系统。背景技术:1、当前主流风电功率预测...
微尺度流场调制的复杂地形风电功率预测方法及系统

本技术涉及新能源风电功率预测、数值气象仿真与人工智能时序建模交叉,特别涉及一种微尺度流场调制的复杂地形风电功率预测方法及系统。

背景技术:

1、当前主流风电功率预测方案分为两类,其一直接依托数值天气预报时序数据搭建纯数据驱动模型拟合风速-功率映射关系;其二融合中尺度气象场与固定计算流体力学仿真系数对局地风速做静态校正。仅采用时序模型的方案完全忽略地形起伏、地表粗糙度、大气稳定度带来的机位差异化流场扰动,不同山脊、谷地机位来流特征无法被模型捕捉,新建风电场实测样本稀缺时预测误差显著扩大;而采用固定仿真系数校正的手段仅能引入单一风速缩放信息,无法区分不同风向、稳定工况下湍流与边界层变化对局地风场的差异化作用,校正参数不具备实时气象自适应能力。同时两类方案在线预测阶段均缺少分层耦合风场求解逻辑,要么重复开展高分辨率流体仿真带来巨大算力开销,要么依靠静态参数造成工况适配偏差,理论功率曲线与实际机组运行工况的系统性偏差也难以依托少量运行数据完成校准,综合预测精度难以满足电网调度精细化需求。

技术实现思路

1、本技术的目的是提供一种微尺度流场调制的复杂地形风电功率预测方法及系统,旨在解决现有技术中复杂山地风电场机位局地流场差异化刻画难、短期功率预测精度低的技术问题。

2、为实现上述目的,本技术提供一种微尺度流场调制的复杂地形风电功率预测方法,包括:

3、获取目标风电场全域基础数据,所述全域基础数据至少包括风场地形数据、风机参数数据以及气象观测数据、风机功率时序数据;

4、利用所述全域基础数据建立多尺度层级耦合风场模型,结合所述风场地形数据与风机参数数据分层推演宏观气象场,生成经风场地形数据校正后的中尺度基准风场;

5、配置针对风机近场的微尺度流场调制单元,基于局部风场地形数据扰动特征对所述中尺度基准风场进行轮毂高度局部流场修正,离线提取并保存流场空间先验特征;

6、将所述流场空间先验特征作为条件输入,经条件参数生成网络输出逐通道缩放参数与逐通道偏移参数,对时序主干网络的时序隐特征执行特征线性调制,构建嵌入微尺度流场修正特征的风电预测模型并完成离线训练;

7、在线预测阶段,采集历史气象观测数据、数值天气预报数据以及目标预测时刻的数值天气预报数据,调用离线保存的所述流场空间先验特征,输入训练完成的风电预测模型,经特征线性调制与残差风速预测得到机位预测风速,并经空气密度修正得到等效风速后完成功率转换,输出机组及场站风电功率预测值。

8、在一些可选的实施例中,利用所述全域基础数据建立多尺度层级耦合风场模型,结合所述风场地形数据与风机参数数据分层推演宏观气象场,生成经风场地形数据校正后的中尺度基准风场,包括:

9、基于所述全域基础数据提取原始宏观气象场;

10、将所述风场地形数据叠加至原始宏观气象场实施地形扰动校正,得到初步校正风场;

11、利用所述风机参数数据对所述初步校正风场进行空间网格尺度适配以及风机点位映射处理,得到风机分区对应风场;

12、对所述风机分区对应风场执行跨尺度风场信息融合耦合计算,得到中尺度基准风场。

13、在一些可选的实施例中,配置针对风机近场的微尺度流场调制单元,基于局部风场地形数据扰动特征对所述中尺度基准风场进行轮毂高度局部流场修正,离线提取并保存流场空间先验特征,包括:

14、基于风场地形高程数据和地表粗糙度分布,结合近地层风速廓线和基于所述中尺度基准风场确定的高空数值天气预报风速廓线,经平滑权重函数融合得到流体仿真入口风速廓线;

15、按照不同风向扇区和大气稳定度工况开展离线计算流体力学仿真;

16、从仿真结果中提取各风机轮毂高度处的局地风速和湍流强度;

17、根据所述局地风速计算机位局地风速比和稳定度敏感性,将所述局地风速比、湍流强度、稳定度敏感性和风机静态位置属性拼接,得到并保存流场空间先验特征。

18、在一些可选的实施例中,所述近地层风速廓线表达式为:

19、,

20、式中,为近地层风速廓线计算值;为风向扇区、大气稳定度工况的摩擦速度;为冯·卡门常数;为离地高度;为地表粗糙度长度;为莫宁-奥布霍夫长度;为动量稳定度修正函数。

21、在一些可选的实施例中,所述高空数值天气预报风速廓线表达式为:

22、,

23、式中,为高空数值天气预报风速廓线计算值;为第d个风向扇区对应的幂律系数;为第d个风向扇区对应的幂律风切变指数,由高空数值天气预报风速拟合得到。

24、在一些可选的实施例中,所述流体仿真入口风速廓线表达式为:

25、,

26、式中,为流体仿真入口风速廓线计算值;为随高度变化的平滑权重函数。

27、在一些可选的实施例中,将所述流场空间先验特征作为条件输入,经条件参数生成网络输出逐通道缩放参数与逐通道偏移参数,对时序主干网络的时序隐特征执行特征线性调制,构建嵌入微尺度流场修正特征的风电预测模型并完成离线训练,包括:

28、对历史气象观测数据、数值天气预报数据和风机运行时序数据进行时间戳对齐和异常值剔除,流场空间先验按机位工况关联,风机运行时序数据作为监督数据;

29、搭建时序特征提取主干网络,提取历史时序特征,并设置流场特征调制模块,利用流场空间先验特征对所述时序特征执行条件调制;

30、按照预设比例对特征数据集进行划分,获得训练子集、验证子集与测试子集,配置模型训练超参数;

31、基于训练子集执行多轮迭代训练,利用验证子集实时监控过拟合状态并迭代调参,借助测试子集完成模型泛化性能评估,迭代调参后输出收敛的风电功率预测模型。

32、在一些可选的实施例中,搭建时序特征提取主干网络,并利用流场空间先验特征对时序特征执行条件调制,包括:

33、构建门控循环单元时序编码器,将历史气象观测数据与同期数值天气预报历史数据输入所述门控循环单元时序编码器,提取历史时序窗口末端隐状态;

34、将所述历史时序窗口末端隐状态与目标预测时刻的数值天气预报特征拼接,经全连接层映射得到时序特征;

35、根据目标预测时刻的数值天气预报特征确定目标风向扇区和大气稳定度类别,将流场空间先验特征、目标风向扇区编码和大气稳定度类别编码拼接形成条件输入向量;

36、将所述条件输入向量输入条件参数生成网络,生成与所述时序特征各通道对应的缩放参数和偏移参数;

37、利用所述缩放参数和偏移参数对所述时序特征执行逐通道仿射调制,得到调制后的时序特征;

38、将所述调制后的时序特征输入残差预测网络,得到局地风速残差修正量。

39、在一些可选的实施例中,按照预设比例对特征数据集进行划分,获得训练子集、验证子集与测试子集,配置模型训练超参数,包括:

40、根据风机机位数量、不同风向扇区、大气稳定度工况分层抽样划分数据集,保证三类子集均均衡包含各类微尺度流场工况样本;

41、设定训练子集、验证子集、测试样本数据分配比例,划分完成后根据训练子集计算并保存标准化统计参数,采用同一组参数对训练子集、验证子集和测试子集进行标准化处理;

42、配置自适应梯度下降优化器、基础学习率、学习率衰减周期与梯度裁剪阈值;

43、设置迭代轮次、早停监控指标以及监控阈值,以验证子集微尺度流场工况平均预测误差作为早停判定依据。

44、此外,本技术还提供一种微尺度流场调制的复杂地形风电功率预测系统,用于执行上文所述的微尺度流场调制的复杂地形风电功率预测方法,所述系统包括:

45、全域基础数据获取模块,用于获取目标风电场全域基础数据,所述全域基础数据至少包括风场地形数据、风机参数数据以及气象观测数据、风机功率时序数据;

46、多尺度层级耦合风场建模模块,用于利用所述全域基础数据建立多尺度层级耦合风场模型,结合所述风场地形数据与风机参数数据分层推演宏观气象场,生成经风场地形数据校正后的中尺度基准风场;

47、微尺度流场调制单元模块,用于配置风机近场微尺度流场调制单元,基于局部风场地形数据扰动特征对所述中尺度基准风场进行轮毂高度局部流场修正,离线提取并保存流场空间先验特征;

48、预测模型构建训练模块,用于将所述流场空间先验特征作为条件输入,经条件参数生成网络输出逐通道缩放参数与逐通道偏移参数,对时序主干网络的时序隐特征执行特征线性调制,构建嵌入微尺度流场修正特征的风电预测模型并完成离线训练;

49、实时功率预测运算模块,用于在线采集历史气象观测数据、数值天气预报数据以及目标预测时刻的数值天气预报数据,调用微尺度流场调制单元模块离线保存的流场空间先验特征,输入训练完成的风电预测模型,经特征线性调制与残差风速预测得到机位预测风速,并经空气密度修正得到等效风速后完成功率转换,输出机组及场站风电功率预测值。

50、本技术的上述技术方案至少具有如下有益技术效果:

51、本技术的技术方案通过构建多尺度层级耦合风场模型,分层推演宏观气象场并结合全域地形数据生成校正后的中尺度基准风场,先实现大范围气象背景精准还原;再配套专用微尺度流场调制单元,依托局部地形扰动特征对轮毂高度风场精细化修正,输出贴合真实机位工况的流场空间先验特征,由此将地形、大气分层扰动全部量化为模型可识别特征。利用该流场空间先验特征对时序网络隐特征执行条件调制并完成预测模型离线训练,可让网络充分学习山地机位专属流场规律;在线预测时直接调用离线保存的流场空间先验特征,无需重复开展多尺度风场推演与流体仿真,大幅降低在线算力消耗。一方面轻量化实现多工况局地流场自适应校正,弱化新建风电场样本不足带来的模型过拟合风险;另一方面精准还原轮毂真实入流条件,缩小理论功率曲线与机组实际出力的偏差,最终同步提升单台风机与全场功率预测准确度,适配电网精细化调度工作需求。