一种风电场的短期风速预测方法及系统技术方案

本申请公开了一种风电场的短期风速预测方法及系统，本方法及系统首先获取风电场的风速，然后将风速代入预先构建的神经网络，从而计算出将来时段的风速数据。即本预测方法能够对风电场将来时段的风速数据进行预测，进而能够根据该风速数据和风机的功率曲线预测输出功率，从而电力调度部门能够及时调整调度计划。

【技术实现步骤摘要】
【专利摘要】本申请公开了一种风电场的短期风速预测方法及系统，本方法及系统首先获取风电场的风速，然后将风速代入预先构建的神经网络，从而计算出将来时段的风速数据。即本预测方法能够对风电场将来时段的风速数据进行预测，进而能够根据该风速数据和风机的功率曲线预测输出功率，从而电力调度部门能够及时调整调度计划。【专利说明】-种风电场的短期风速预测方法及系统
本申请涉及风电
，更具体地说，涉及一种风电场的短期风速预测方法及 系统。
技术介绍
风能是一种洁净的可再生能源，它的优势在于不需要燃料、不占用耕地、污染少、 储量大。随着能源与环保问题日益突出，世界各国都在不遗余力地发展可再生能源发电技 术。风力发电是可再生能源发电技术中发展最快和最为成熟的一种，已具备大规模商业开 发的技术和经济条件。 近年来，我国投资风能、太阳能等新能源的热情不减，从2009年岸上风电标杆上 网电价实施以来，中国风电发展经历了高速发展，突然萎缩以及短暂调整期。2014年，中国 风电将会在稳定及积极的政策环境中，稳健发展。据预测，2014年全国新增风电装机规模为 1400万千瓦。 但由于风的高度随机性和间歇性等特点，大量风电接入电网给电力供需平衡、电 力系统安全以及电能质量带来严峻挑战，从而限制了风电发展的规模。解决此问题的一个 有效途径即为对风电场的风速进行短期预测，进而根据风机的功率曲线预测其输出功率； 借助预测结果，电力调度部门能够提前并及时调整调度计划，同时减少电力系统的备用容 量、降低电力系统运行成本。因此亟需一种对分电场风速进行短期预测的短期风速预测方 法及系统。
技术实现思路
有鉴于此，本申请提供一种风电场的短期风速预测方法及系统，用于对风电场将 来时段的风速数据进行预测，用于向电力调度部门提供电力调度依据。 为了实现上述目的，现提出的方案如下： -种风电场的短期风速预测方法，包括如下步骤： 获取风电场的风速信号； 将所述风速信号代入到预先构建的神经网络，计算得到将来时段的风速数据。 优选的，所述神经网络通过如下步骤进行构建： 构建初始神经网络； 选取训练样本； 利用所述训练样本对所述初始神经网络进行训练； 利用训练结果对所述初始神经网络赋初值，获得所述神经网络。 优选的，所述神经网络包括3层BP子网。 优选的，所述神经网络的隐藏节点数为6?10个。 优选的，所述隐藏节点数为9个。 一种风电场的短期风速预测系统，包括如下步骤： 获取模块，配置于风电场，用于获取所述风速； 计算输出模块，用于将所述风速信号代入到预先构建的神经网络，计算得到并输 出将来时段的风速数据。 优选的，所述计算输出模块包括： 构建单元，用于构建初始神经网络； 输入单元，用于接收训练样本； 训练单元，用于利用所述训练样本对所述初始神经网络进行训练； 赋值单元，用于利用训练结果对所述初始神经网络赋初值，获得神经网络； 计算单元，用于将所述风速代入所述神经网络计算得到并输出所述风速数据。 优选的，所述神经网络包括3层BP子网。 优选的，所述神经网络的隐藏节点数为6?10个。 优选的，所述隐藏节点数为9个。 从上述技术方案可看出，本申请提供了一种风电场的短期风速预测方法及系统， 本方法及系统首先获取风电场的风速，然后将风速代入预先构建的神经网络，从而计算出 将来时段的风速数据。即本预测方法能够对风电场将来时段的风速数据进行预测，进而能 够根据该风速数据和风机的功率曲线预测输出功率，从而电力调度部门能够及时调整调度 计划。 【专利附图】【附图说明】 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 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，下面描述中的附图仅仅是本 申请的一些实施例，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。 图1为本申请实施例提供的一种风电场的短期风速预测方法的流程图； 图2为本申请实施例的初始神经网络的结构图； 图3为本申请实施例的标准三层BP网络的结构图； 图4为本申请实施例的短期风速预测结果图； 图5为本申请另一实施例提供的一种风电场的短期风速预测系统的结构图。 【具体实施方式】 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于 本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本申请保护的范围。 实施例一 图1为本申请实施例提供的一种风电场的短期风速预测方法的流程图。 如图1所示，本实施例提供的风电场的短期风速预测方法包括如下步骤： S100 :获取风电场的的风速。 S200 :计算将来时段的风速数据。 将获取的风电场的风速代入预先构建的神经网络，计算得到将来时段的风速数 据。 从上述技术方案可看出，本实施例提供了一种风电场的短期风速预测方法，首先 获取风电场的风速，然后将风速代入预先构建的神经网络，从而计算出将来时段的风速数 据。即本预测方法能够对风电场将来时段的风速数据进行预测，进而能够根据该风速数据 和风机的功率曲线预测输出功率，从而电力调度部门能够及时调整调度计划。 本实施例中的神经网络通过如下步骤构建： S201 :构建初始神经网络。 初始神经网络的结构如图2所示，ANN、ANN、...、ANN构成了 BP网络群，其中 ANN.....ANN为网络群的BP子网。为第i个BP子网的输入（其中，i = 1、2.....n ；j = 1、2.....m)，为的网络输出。网络群减少了每个网络的输入数量，从而加快了网络的收敛速 度。 对于神经网络群的BP子网，它的输入均为实测风速值，输出为与实测风速时间对 应点的预测风速。本专利技术中选取的BP子网为标准三层BP网络，如图3所示。 风速时间需要相互匹配。如表1所示，当τ和m都取8时，预测的误差最小，为 6. 68 %，而其它组合的预测误差也比较小，较接近6. 68 %。 【权利要求】1. 一种风电场的短期风速预测方法，其特征在于，包括如下步骤： 获取风电场的风速； 将所述风速信号代入到预先构建的神经网络，计算得到将来时段的风速数据。2. 如权利要求1所述的短期风速预测方法，其特征在于，所述神经网络通过如下步骤 进行构建： 构建初始神经网络； 选取训练样本； 利用所述训练样本对所述初始神经网络进行训练； 利用训练结果对所述初始神经网络赋初值，获得所述神经网络。3. 如权利要求2所述的短期风速预测方法，其特征在于，所述神经网络包括3层BP子 网。4. 如权利要求2所述的短期风速预测方法，其特征在于，所述神经网络的隐藏节点数 为6?10个。5. 如权利要求4所述的短期风速预测方法，其特征在于，所述隐藏节点数为9个。6. -种风电场的短期风速预测系统，其特征在于，包括如下步骤： 获取模块，配置于风电场，用于获取所述风本文档来自技高网...

【技术保护点】
一种风电场的短期风速预测方法，其特征在于，包括如下步骤：获取风电场的风速；将所述风速信号代入到预先构建的神经网络，计算得到将来时段的风速数据。

【技术特征摘要】

【专利技术属性】
技术研发人员：谷悦，贺俊杰，李广渊，吴文影，张晓义，吴淘，简哲，李世明，王伟，雷明，贾剑波，盛武容，
申请(专利权)人：国家电网公司，国网冀北电力有限公司检修分公司，
类型：发明
国别省市：北京;11