一种风电机组功率预测方法技术

本发明专利技术涉及风机机组功率预测技术领域，尤其是指一种风电机组功率预测方法

【技术实现步骤摘要】
一种风电机组功率预测方法、装置及存储介质


[0001]本专利技术涉及风机机组功率预测
，尤其是指一种风电机组功率预测方法
、
装置
、
设备及计算机存储介质
。

技术介绍

[0002]在传统化石能源资源匮乏和污染严重的现代社会，风能作为一种无污染
、
可再生的新能源而广泛为大众所青睐，风电产业也由此成为国内外大力发展的新型可再生能源产业之一
。
在我国，近十年来有关风电场的建设与相关研究工作无论是从数量上还是质量上来说都有着显著的提升，但在大力发展风力发电行业的同时，也伴随着风机自身的不断退化所导致的一系列负面因素
。
现今风力发电机在使用的过程中，由于风速具有间歇性与高度不确定性的特点，对风力发电机本身的性能评估造成了较大的影响，而正确对风力发电机的性能与健康状况进行评估与诊断则是风力发电运维方面合理规划的重要之处
。
[0003]风电场实际运行中受到环境
、
机组状态
、
运营方式
、
电网调度等多方面影响，无法在各个时段都保持较高的效能水平，造成发电量损失
。
风电机组功率曲线建模是用于预测风机功率的，是进行风电场发电效能评价
、
寻找效能提升途径的必要环节
。
风电机组功率曲线建模方法分为参数方法和非参数方法
。 参数方法主要包括分段平均法（
IEC
）
、
分段线性模型方法
、
多项式拟合
、
多参数 logistic 函数回归等； 非参数方法主要包括模糊逻辑回归
、
神经网络
、K 最近邻方法等
;
然而常规的参数方法对于功率估计值都不够准确，且受离群点影响程度较大，而非参数方法需要进行大量的迭代计算，因此，在大规模的数据下，建模需要消耗大量的时间
。

技术实现思路

[0004]为此，本专利技术所要解决的技术问题在于克服现有技术中功率预测精度较低的问题
。
[0005]为解决上述技术问题，本专利技术提供了一种风电机组功率预测方法，包括：获取风电场风机状态数据集合，并按照风速区对所述风电场风机状态数据集合进行划分；将每一个风速区内的数据作为梯度提升回归树的训练输入，得到每一个风速区的参考功率；利用最小二乘法将多个风速区的参考功率拟合，得到风电机组功率曲线；根据所述风电机组功率曲线对风电机组功率进行预测
。
[0006]优选地，所述获取风电场风机状态数据集合，并按照风速区对所述风电场风机状态数据集合进行划分包括：获取风电场风机状态数据集合，其中，第
i
时刻风机状态，表示风速，表示有功功率，表示环境气压，表示环境温度；
[0007]初始化风速区集合，其中，风速区个数，和分别为风电场风机的切入风速和切出风速，第
k
个风速区，表示第
k
个风速区内包含的风机状态数据集合，表示第
k
个风速区的中心风速
,
表示第
k
个风速区的参考功率；
[0008]遍历所述风电场风机状态数据集合，根据第
i
时刻风机状态的风速计算风速区间号，并将第
i
时刻风机状态加入到第
k
个风速区的风机状态数据集合中
。
[0009]优选地，所述获取风电场风机状态数据集合后还包括
:
将所述有功功率修正为标准大气压和标准环境温度下的功率值：
[0010][0011]其中，为空气密度，为大气压强，为环境温度，表示标准大气压强，表示标准环境温度
。
[0012]优选地，所述梯度提升回归树为利用
k
近邻加权平均改进后的梯度提升回归树
。
[0013]优选地，所述将每一个风速区内的数据作为梯度提升回归树的训练输入，得到每一个风速区的参考功率包括：步骤
a:
将第
t
个风速区的风速作为训练集相关变量，有功功率作为训练集目标变量，得到训练集，并初始化弱学习器；
[0014]步骤
b:
计算当前回归树模型残差；
[0015]步骤
c:
将所述残差作为训练集目标变量得到新的训练集，并利用
cart
算法拟合得到第
m
棵回归树；步骤
d:
计算所述第
m
棵回归树的叶节点区域上所有训练样本与样本均值之间的距离；
[0016]步骤
e:
筛选出所述距离最小的
K
个训练样本，并计算所述
K
个训练样本各自的权重；步骤
f:
计算第
m
棵回归树叶子节点的预测值，并更新强学习器；步骤
g:
当当前训练次数不小于最大训练次数时，得到最终的回归树；步骤
h:
计算当前风速区的中心风速，并输入所述最终的回归树，得到当前风速区的参考功率
。
[0017]优选地，所述计算当前风速区的中心风速，并输入所述最终的回归树，得到当前风速区的参考功率后还包括：
[0018]更新风速
‑
功率计数器
t=t+1
；当时，跳转到所述步骤
a。
[0019]优选地，所述利用最小二乘法将多个风速区的参考功率拟合，得到风电机组功率曲线包括：将所述风速区集合中第
k
个风速区的中心风速作为横坐标，参考功
率作为纵坐标，利用最小二乘法进行功率曲线拟合，得到所述风电机组功率曲线
。
[0020]本专利技术还提供了一种风电机组功率预测装置，包括：数据集划分模块，用于获取风电场风机状态数据集合，并按照风速区对所述风电场风机状态数据集合进行划分；参考功率计算模块，用于将每一个风速区内的数据作为梯度提升回归树的训练输入，得到每一个风速区的参考功率；功率曲线拟合模块，用于利用最小二乘法将多个风速区的参考功率拟合，得到风电机组功率曲线；功率预测模块，用于根据所述风电机组功率曲线对风电机组功率进行预测
。
[0021]本专利技术还提供了一种风电机组功率预测设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种风电机组功率预测方法步骤
。
[0022]本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种风电机组功率预测方法的步骤
。
[0023]本专利技术的上述技术方案相比现有技术具有以下优点：本专利技术所述的风电机组功率预测方法，将参数方法中的区间划分与非参数方法中的梯度提升回归树结合，将每一个风速区内的数据作为梯度提升回归树的训练集输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种风电机组功率预测方法，其特征在于，包括：获取风电场风机状态数据集合，并按照风速区对所述风电场风机状态数据集合进行划分；将每一个风速区内的数据作为梯度提升回归树的训练输入，得到每一个风速区的参考功率；利用最小二乘法将多个风速区的参考功率拟合，得到风电机组功率曲线；根据所述风电机组功率曲线对风电机组功率进行预测
。2.
根据权利要求1所述的风电机组功率预测方法，其特征在于，所述获取风电场风机状态数据集合，并按照风速区对所述风电场风机状态数据集合进行划分包括：获取风电场风机状态数据集合，其中，第
i
时刻风机状态，表示风速，表示有功功率，表示环境气压，表示环境温度；初始化风速区集合，其中，风速区个数，和分别为风电场风机的切入风速和切出风速，第
k
个风速区，表示第
k
个风速区内包含的风机状态数据集合，表示第
k
个风速区的中心风速
, 表示第
k
个风速区的参考功率；遍历所述风电场风机状态数据集合，根据第
i
时刻风机状态的风速 计算风速区间号，并将第
i
时刻风机状态加入到第
k
个风速区的风机状态数据集合中
。3.
根据权利要求2所述的风电机组功率预测方法，其特征在于，所述获取风电场风机状态数据集合后还包括
:
将所述有功功率修正为标准大气压和标准环境温度下的功率值：其中，为空气密度，为大气压强，为环境温度，表示标准大气压强，表示标准环境温度
。4.
根据权利要求2所述的风电机组功率预测方法，其特征在于，所述梯度提升回归树为利用
k
近邻加权平均改进后的梯度提升回归树
。5.
根据权利要求4所述的风电机组功率预测方法，其特征在于，所述将每一个风速区内的数据作为梯度提升回归树的训练输入，得到每一个风速区的参考功率包括：步骤
a:
将第
t
个风速区的风速作为训练集相关变量，有功功率作为训练集目标变量，得到训练集，并初始化弱学习器；步骤
b:
计算当前回归树模型残差；步骤
c:
将所述残差作为训练集目标变量得到新的训练集，并利用

【专利技术属性】
技术研发人员：韦玮，钟明，安娜，杨宁，王春森，任立兵，李小翔，冯帆，邸智，薛丽，黄思皖，史鉴恒，王宝岳，付雄，范风顺，
申请(专利权)人：华能集团技术创新中心有限公司，
类型：发明
国别省市：