一种风功率预测快速降尺度的方法和系统与流程

1.本发明属于风电场气象领域，尤其涉及一种风功率预测快速降尺度的方法和系统。


背景技术：

2.通过对国内外论文、学术会议、科技文献、专利等等数据库的检索发现：
3.丹麦国家实验室开发了以数值天气预报 wasp 功率曲线为基础的prediktor风电功率预测系统，1993年在丹麦东开始应用。1994年实验室联合丹麦技术大学合作开发了prediktor与wppt相结合的zephyr风电功率预测系统，在丹麦全国范围内得到应用，并推广到西班牙、爱尔兰、美国、日本等国家和地区。西班牙电网公司的sipreolico风电功率预测系统采用西班牙气象局数值预报产品和欧洲中期天气预报中心数值天气预报产品，通过8个风电功率预测模型，进行风电功率集合预报，再结合荷兰aeolis预测服务公司、西班牙工程技术研究所(iic)和西班牙meteologica专业风能预报和风电功率预测公司的风电功率预测产品，最终得到未来48小时和10天的风电功率预测。我国的风电功率预测工作起步较晚，2008年11月，中国电力科学研究院开发了我国首套具有自主知识产权的风电功率预测系统wpfs。目前中国电力科学研究院与美国大气科学研究中心(ncar)发展了具有实时快速更新同化和集合预报技术的电力数值天气预报系统，为风电场风电功率预测提供基础数值天气预报。
4.国内普遍采用的风功率预测方法主要有两类，一种是是基于风功率历史时间序列的统计分析预测方法，进行短期风功率预测；另一种是采用结合中尺度天气预报模式和风场实测数据，将神经网络技术模拟为黑箱进行风功率预报，由于无法同时考虑大气热稳定度、风向等气象参数对风功率的影响。特别是针对我国复杂地形和沿海风电场，由于近地层大气做强烈的垂直运动，因此热稳定度除中性外，多呈现稳定和非稳定状态，对风廓线，风切变指数，风速分布有很大影响，导致国内的风功率预测精度较差。因此，导致国外的成熟系统无法直接应用于我国的风电场，因此需要一种适应我国风电场特点的风电功率预测快速动力降尺度方法。
5.现有技术的缺点：在风功率预测过程中，通过模型计算直接将气象预报结果降尺度到风机点位后再进行风到风功率转换，计算效率较低；将神经网络技术模拟为黑箱进行风功率预报难以同时考虑大气热稳定度、风向等气象参数对风功率的影响。


技术实现要素：

6.为解决上述技术问题，本发明提出一种风功率预测快速降尺度的方法的技术方案，以解决上述技术问题。
7.本发明第一方面公开了一种风功率预测快速降尺度的方法，所述方法包括：
8.步骤s1、对风电场及其周边一定区域范围的地形高程和粗糙度数据进行收集和测绘，并建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型；
9.步骤s2、根据不同风向、不同热稳定度对所述微观尺度风流场模型进行定向计算，得到风电场全场风加速因子和风向偏角；
10.步骤s3、以所述风电场全场风加速因子和风向偏角作为风功率预测基础数据库关键参数，生成网格化的文件；
11.步骤s4、将气象预报数据基于其分辨率所代表的区域上的平均状态与微观尺度风流场模型中的三维空间风流场建立关联，进行外推模拟；
12.步骤s5、通过所述关联，根据气象预报结果中不同风向、不同大气稳定度，应用所述网格化的文件对风功率预测基础数据库中风向、热稳定度进行线性插值；
13.步骤s6、根据所述线性插值的比例获得每个预报时间点气象预报数据中风向、大气稳定度状态下对应的风电场全场风加速因子和风向偏角；
14.步骤s7、通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子及风向偏角计算风功率预测结果。
15.根据本发明第一方面的方法，在所述步骤s1中，所述建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型的方法包括：
16.基于定常、绝热和不可压缩的雷诺平均纳维-斯托克斯方程，建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型。
17.根据本发明第一方面的方法，在所述步骤s2中，所述风电场全场风加速因子δk的计算方法包括：
[0018][0019]
其中，u(z)表示山地地面以上高度为z处的风速，u0(z)表示平地地面以上高度为z处的风速。
[0020]
根据本发明第一方面的方法，在所述步骤s4中，所述方法还包括：
[0021]
选择所述气象预报数据与所述微观尺度风流场模型耦合的高度位置。
[0022]
根据本发明第一方面的方法，在所述步骤s7中，所述通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子及风向偏角计算风功率预测结果的方法包括：
[0023]
通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子及风向偏角计算风电场风参数降尺度预报结果；
[0024]
根据所述降尺度预报结果，结合风电场机位点的坐标和功率曲线，获得每一台风机的风功率预测结果。
[0025]
根据本发明第一方面的方法，在所述步骤s7中，所述风功率与将对应时刻风速的计算关系为：
[0026][0027]
其中，p(v)为风功率，v为风速，v
切入
为风电机组切入风速，v
额定
为风电机组额定风
速，v
切出
为风电机组切出风速，s(v)为风功率输出，p
max
为最大功率输出。
[0028]
根据本发明第一方面的方法，在所述步骤s4中，所述关联的具体方法包括：将气象预报数据降尺度后基于其分辨率所代表的区域上的风速、风向以及其他相关气象参数，作为微观尺度风流场模型中的三维空间风流场的输入条件，进行外推模拟。
[0029]
本发明第二方面公开了一种风功率预测快速降尺度的系统，所述系统包括：
[0030]
第一处理模块，被配置为，对风电场及其周边一定区域范围的地形高程和粗糙度数据进行收集和测绘，并建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型；
[0031]
第二处理模块，被配置为，根据不同风向、不同热稳定度对所述微观尺度风流场模型进行定向计算，得到风电场全场风加速因子和风向偏角；
[0032]
第三处理模块，被配置为，以所述风电场全场风加速因子和风向偏角作为风功率预测基础数据库关键参数，生成网格化的文件；
[0033]
第四处理模块，被配置为，将气象预报数据基于其分辨率所代表的区域上的平均状态与微尺度模型中的三维空间风流场建立关联，进行外推模拟；
[0034]
第五处理模块，被配置为，通过所述关联，根据气象预报结果中不同风向、不同大气稳定度，应用所述网格化的文件对风功率预测基础数据库中风向、热稳定度进行线性插值；
[0035]
第六处理模块，被配置为，根据所述线性插值的比例获得每个预报时间点气象预报数据中风向、大气稳定度状态下对应的风电场全场风加速因子和风向偏角；
[0036]
第七处理模块，被配置为，通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子及风向偏角计算风功率预测结果。
[0037]
根据本发明第二方面的系统，所述第一处理模块，具体被配置为，所述建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型包括：
[0038]
基于定常、绝热和不可压缩的雷诺平均纳维-斯托克斯方程，建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型。
[0039]
根据本发明第二方面的系统，所述第二处理模块，具体被配置为，所述风电场全场风加速因子δk的计算包括：
[0040][0041]
其中，u(z)表示山地地面以上高度为z处的风速，u0(z)表示平地地面以上高度为z处的风速。
[0042]
根据本发明第二方面的系统，所述第四处理模块，具体被配置为：
[0043]
选择所述气象预报数据与所述微观尺度风流场模型耦合的高度位置。
[0044]
根据本发明第二方面的系统，所述第七处理模块，具体被配置为，所述通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风功率预测结果包括：
[0045]
通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风电场风参数降尺度预报结果；
[0046]
根据所述降尺度预报结果，结合风电场机位点的坐标和功率曲线，获得每一台风
机的风功率预测结果。
[0047]
根据本发明第二方面的系统，所述第七处理模块，具体被配置为，风功率与将对应时刻风速的计算关系为：
[0048][0049]
其中，p(v)为风功率，v为风速，v
切入
为风电机组切入风速，v
额定
为风电机组额定风速，v
切出
为风电机组切出风速，s(v)为风功率输出，p
max
为最大功率输出。
[0050]
根据本发明第二方面的系统，所述第四处理模块，具体被配置为，关联包括：将气象预报数据降尺度后基于其分辨率所代表的区域上的风速、风向以及其他相关气象参数，作为微观尺度风流场模型中的三维空间风流场的输入条件，进行外推模拟。
[0051]
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本公开第一方面中任一项的一种风功率预测快速降尺度的方法中的步骤。
[0052]
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本公开第一方面中任一项的一种风功率预测快速降尺度的方法中的步骤。
[0053]
本发明提出的方案，通过建立风功率预测基础数据库反应不同大气热稳定度、风向等气象参数对风功率的影响，同时通过插值进行快速风功率预测，使之能满足业务化运行需要。
附图说明
[0054]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0055]
图1为根据本发明实施例的一种风功率预测快速降尺度的方法的流程图；
[0056]
图2为根据本发明实施例的风功率预测快速降尺度的方法的流程图；
[0057]
图3为根据本发明实施例的一种风功率预测快速降尺度的系统的结构图；
[0058]
图4为根据本发明实施例的一种电子设备的结构图。
具体实施方式
[0059]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0060]
本发明第一方面公开了一种风功率预测快速降尺度的方法。图1为根据本发明实
施例的一种风功率预测快速降尺度的方法的流程图，如图1和图2所示，所述方法包括：
[0061]
步骤s1、对风电场及其周边一定区域范围的地形高程和粗糙度数据进行收集和测绘，并建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型；
[0062]
步骤s2、根据不同风向、不同热稳定度对所述微观尺度风流场模型进行定向计算，得到风电场全场风加速因子和风向偏角；
[0063]
步骤s3、以所述风电场全场风加速因子和风向偏角作为风功率预测基础数据库关键参数，生成网格化的文件；
[0064]
步骤s4、将气象预报数据基于其分辨率所代表的区域上的平均状态与微尺度模型中的三维空间风流场建立关联，进行外推模拟；
[0065]
步骤s5、通过所述关联，根据气象预报结果中不同风向、不同大气稳定度，应用所述网格化的文件对风功率预测基础数据库中风向、热稳定度进行线性插值；
[0066]
步骤s6、根据所述线性插值比例获得每个预报时间点气象预报数据中风向、大气稳定度状态下对应的风电场全场风加速因子和风向偏角；
[0067]
步骤s7、通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风功率预测结果。
[0068]
在步骤s1，对风电场及其周边一定区域范围的地形高程和粗糙度数据进行收集和测绘，并建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型。
[0069]
在一些实施例中，在所述步骤s1中，所述建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型的方法包括：
[0070]
基于定常、绝热和不可压缩的雷诺平均纳维-斯托克斯方程，建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型。
[0071]
其中雷诺平均纳维-斯托克斯方程：
[0072][0073][0074]
式中，u是流体速度，p是流体压力，ρ是流体密度，μ是流体动力黏度，fi是其他作用力。在等式中被作为湍流通量，也叫做雷诺应力项。在动量方程中出现的雷诺应力项需要被模拟：
[0075][0076]vt
＝k
1/2
l
t
[0077][0078][0079]
式中，v
t
是湍流粘度。l
t
是长度尺度，k是karman常数，z是地表高度，sm基于通量查
理森数rif求解，而rif的求解是由热稳定度直接决定的。rif在大气稳定度为稳定状态时取正值，在不稳定时取负值，在中性状态时取0。
[0080]
具体地，选择山西某风电场气象预报结果进行风功率预测，首先解析输入气象预报数据，获得其分辨率为9公里。
[0081]
采用流体力学仿真软件建立风电场区域的微观尺度风流场模型，选择自行勘测的风电场100米精度地形文件和300米精度粗糙度文件，反应风电场区域的地形和地貌特性。
[0082]
在步骤s2，根据不同风向、不同热稳定度对所述微观尺度风流场模型进行定向计算，得到风电场全场风加速因子和风向偏角。
[0083]
具体地，计算风电场区域的10
°
扇区步长、10种热稳定度，共计360个模型100米分辨率的定向计算结果，描述不同情况下微观尺度模型的输入输出特性。
[0084]
在步骤s3，以所述风电场全场风加速因子和风向偏角作为风功率预测基础数据库关键参数，生成网格化的文件。
[0085]
在一些实施例中，在所述步骤s3中，其中山体对风流动的加速效应通常用风加速因子来定量描述，所述风电场全场风加速因子δk的计算方法包括：
[0086][0087]
其中，u(z)表示山地地面以上高度为z处的风速，u0(z)表示平地地面以上高度为z处的风速。
[0088]
具体地，将360个定向计算得到的风电场全场风加速因子和风向偏角作为风功率预测基础数据库关键参数，生成网格化的txt文件，如表1所示，作为后续风功率预测插值基础。
[0089]
表1
[0090][0091]
在步骤s4，将气象预报数据基于其分辨率所代表的区域上的平均状态与微尺度模型中的三维空间风流场建立关联，进行外推模拟，进行外推模拟，从而提高精度，降低不确定性。
[0092]
在一些实施例中，在所述步骤s4中，选择所述气象预报数据与所述微观尺度风流场模型耦合的高度位置，以保证该位置处于高空范围，能提供有效的气象预报数据，同时能反映近地参数对微尺度模型的贡献。
[0093]
关联的具体方法包括：将气象预报数据降尺度后基于其分辨率所代表的区域上的
风速、风向以及其他相关气象参数，作为微观尺度风流场模型中的三维空间风流场的输入条件，进行外推模拟。
[0094]
具体地，基于气象预报结果中9公里区域上的平均状态，建立气象预报输入单元，与微尺度模型中的三维空间风流场建立关联，进行外推模拟设置；选择气象预报数据与微观尺度模型耦合的高度位置为400米。
[0095]
在步骤s5，通过所述关联，根据气象预报结果中不同风向、不同大气稳定度，应用所述网格化的文件对风功率预测基础数据库中风向、热稳定度进行线性插值。
[0096]
具体地，具体公式可参考反距离加权插值公式：
[0097][0098]
其中，zi是离散点的属性值，表示由采样点(xi，yi)至插值点(x,y)的距离。
[0099]
在步骤s6，根据所述线性插值比例获得每个预报时间点气象预报数据中风向、大气稳定度状态下对应的风电场全场风加速因子和风向偏角。
[0100]
在步骤s7，通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风功率预测结果。
[0101]
在一些实施例中，在所述步骤s7中，所述通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风功率预测结果的方法包括：
[0102]
通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风电场风参数降尺度预报结果；
[0103]
根据所述降尺度预报结果，结合风电场机位点的坐标和功率曲线，获得每一台风机的风功率预测结果。
[0104]
风功率与与将对应时刻风速的计算关系为，
[0105][0106]
其中，p(v)为风功率，v为风速，v
切入
为风电机组切入风速，v
额定
为风电机组额定风速，v
切出
为风电机组切出风速，s(v)为风功率输出，p
max
为最大功率输出。
[0107]
综上，本发明提出的方案能够通过建立风功率预测基础数据库反应不同大气热稳定度、风向等气象参数对风功率的影响，同时通过插值进行快速风功率预测，使之能满足业务化运行需要。
[0108]
本发明第二方面公开了一种风功率预测快速降尺度的系统。图3为根据本发明实施例的一种风功率预测快速降尺度的系统的结构图；如图3所示，所述系统100包括：
[0109]
第一处理模块101，被配置为，对风电场及其周边一定区域范围的地形高程和粗糙度数据进行收集和测绘，并建立能够表征风电场及其周围区域局地效应的微观尺度风流场
模型；
[0110]
第二处理模块102，被配置为，根据不同风向、不同热稳定度对所述微观尺度风流场模型进行定向计算，得到风电场全场风加速因子和风向偏角；
[0111]
第三处理模块103，被配置为，以所述风电场全场风加速因子和风向偏角作为风功率预测基础数据库关键参数，生成网格化的文件；
[0112]
第四处理模块104，被配置为，将气象预报数据基于其分辨率所代表的区域上的平均状态与微尺度模型中的三维空间风流场建立关联，进行外推模拟；
[0113]
第五处理模块105，被配置为，通过所述关联，根据气象预报结果中不同风向、不同大气稳定度，应用所述网格化的文件对风功率预测基础数据库中风向、热稳定度进行线性插值；
[0114]
第六处理模块106，被配置为，根据所述线性插值比例获得每个预报时间点气象预报数据中风向、大气稳定度状态下对应的风电场全场风加速因子和风向偏角；
[0115]
第七处理模块107，被配置为，通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风功率预测结果。
[0116]
根据本发明第二方面的系统，所述第一处理模块101，具体被配置为，所述建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型包括：
[0117]
基于定常、绝热和不可压缩的雷诺平均纳维-斯托克斯方程，建立能够表征风电场及其周围区域局地效应的微观尺度风流场模型。
[0118]
根据本发明第二方面的系统，所述第二处理模块102，具体被配置为：所述风电场全场风加速因子δk的计算包括：
[0119][0120]
其中，u(z)表示山地地面以上高度为z处的风速，u0(z)表示平地地面以上高度为z处的风速。
[0121]
根据本发明第二方面的系统，所述第四处理模块104，具体被配置为：
[0122]
选择所述气象预报数据与所述微观尺度风流场模型耦合的高度位置。
[0123]
根据本发明第二方面的系统，所述第七处理模块107，具体被配置为，所述通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风功率预测结果包括：
[0124]
通过气象预报数据中的风速、风向信息和对应时间风电场全场风加速因子和风向偏角计算风电场风参数降尺度预报结果；
[0125]
根据所述降尺度预报结果，结合风电场机位点的坐标和功率曲线，获得每一台风机的风功率预测结果。
[0126]
根据本发明第二方面的系统，所述第七处理模块107，具体被配置为，风功率与将对应时刻风速的计算关系为：
[0127][0128]
其中，p(v)为风功率，v为风速，v
切入
为风电机组切入风速，v
额定
为风电机组额定风速，v
切出
为风电机组切出风速，s(v)为风功率输出，p
max
为最大功率输出。
[0129]
根据本发明第二方面的系统，所述第四处理模块104，具体被配置为，关联包括：将气象预报数据降尺度后基于其分辨率所代表的区域上的风速、风向以及其他相关气象参数，作为微观尺度风流场模型中的三维空间风流场的输入条件，进行外推模拟。
[0130]
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本发明公开第一方面中任一项的一种风功率预测快速降尺度的方法中的步骤。
[0131]
图4为根据本发明实施例的一种电子设备的结构图，如图4所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、近场通信(nfc)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0132]
本领域技术人员可以理解，图4中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0133]
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本发明公开第一方面中任一项的一种风功率预测快速降尺度的方法中的步骤中的步骤。
[0134]
请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。