一种风电群体的功率预测方法及装置制造方法及图纸

本发明专利技术涉及新能源发电及调度运行技术领域，具体提供了一种风电群体的功率预测方法及装置，包括：基于预测时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据确定预测时段内风电群体的第一预测功率；基于预测时段内风电群体内风电场对应的单点数值天气预报数据确定预测时段内风电群体的第二预测功率；基于所述第一预测功率和所述第二预测功率确定预测时段内风电群体的预测功率

【技术实现步骤摘要】
一种风电群体的功率预测方法及装置


[0001]本专利技术涉及新能源发电及调度运行
，具体涉及一种风电群体的功率预测方法及装置
。

技术介绍

[0002]风电出力具有随机性和波动性，为保证大规模风电并网后电网的安全稳定运行，电网调度部门需要根据风电功率预测数据制定调度计划，与此同时，随着风电穿透率的持续增加，在电力系统可承受的不确定性约束下，对风电功率预测精度提出了持续提升要求
。
[0003]从实际应用需求来说，电网调度机构需要全网的风电预测功率开展调度计划的制定，故全网或者分区域的风电群体预测功率是其更为关心的数据，现有风电群体功率预测方法主要以单场站预测累加为主，随着深度学习相关技术的逐步成熟，基于深度学习的风电群体预测也有初步的应用，总结起来现有方法存在以下问题：一是无论是单站累加还是深度学习方法，目前的方法均以风电场对应的单点数值天气预报为输入，由于风资源具有时空连续性，单点数值天气预报未考虑群体所在空间的连续性；二是单站累加法需要每个风电场分别建立一个预测模型，建模效率低，且在有新场站并网的情况下，由于缺乏历史数据，模型预测效果较差，无法适应风电快速发展的需求
。

技术实现思路

[0004]为了克服上述缺陷，本专利技术提出了一种风电群体的功率预测方法及装置
。
[0005]第一方面，提供一种风电群体的功率预测方法，所述风电群体的功率预测方法包括：
[0006]基于预测时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据确定预测时段内风电群体的第一预测功率；
[0007]基于预测时段内风电群体内风电场对应的单点数值天气预报数据确定预测时段内风电群体的第二预测功率；
[0008]基于所述第一预测功率和所述第二预测功率确定预测时段内风电群体的预测功率
。
[0009]优选的，所述基于预测时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据确定预测时段内风电群体的第一预测功率，包括：
[0010]将所述网格化数值天气预报数据进行归一化处理；
[0011]获取归一化后网格化数值天气预报数据的最小值
、
最大值
、
平均值和方差；
[0012]将所述最小值
、
最大值
、
平均值
、
方差和归一化处理的网格化数值天气预报输入至预先构建的第一风电群体功率预测模型，得到预先构建的第一风电群体功率预测模型输出的预测时段内风电群体的第一预测功率
。
[0013]进一步的，所述网格化数值天气预报数据的空间分辨率为
3km
×
3km
，所述网格化数值天气预报数据包括下述中的至少一种：经纬度信息
、
气象参数
。
[0014]进一步的，所述气象参数包括下述中的至少一种：
10m
风速
、10m
风向
、
温度
、
气压
、100m
风速
、100m
风向
。
[0015]进一步的，所述预先构建的第一风电群体功率预测模型的获取过程包括：
[0016]将历史时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据和风电群体的历史总功率数据进行归一化处理；
[0017]获取归一化后的历史网格化数值天气预报数据的历史最小值
、
历史最大值
、
历史平均值和历史方差；
[0018]将所述历史最小值
、
历史最大值
、
历史平均值
、
历史方差
、
归一化后的历史网格化数值天气预报以及归一化后的历史时段内风电群体的总功率数据作为初始残差网络的训练数据，对所述初始残差网络进行训练，得到所述预先构建的第一风电群体功率预测模型
。
[0019]优选的，所述基于预测时段内风电群体内风电场对应的单点数值天气预报数据确定预测时段内风电群体的第二预测功率，包括：
[0020]将所述单点数值天气预报数据进行归一化处理；
[0021]将归一化后单点数值天气预报数据输入至预先构建的第二风电群体功率预测模型，得到预先构建的第二风电群体功率预测模型输出的预测时段内风电群体的第二预测功率
。
[0022]进一步的，所述预先构建的第二风电群体功率预测模型的获取过程包括：
[0023]将历史时段内风电群体内风电场对应的单点数值天气预报数据和风电群体的总功率数据构建训练数据进行归一化处理；
[0024]将归一化后历史时段内风电群体内风电场对应的单点数值天气预报和归一化后历史时段内风电群体的总功率数据作为初始
XGBoost
模型的训练数据，对所述初始
XGBoost
模型进行训练，得到所述预先构建的第二风电群体功率预测模型
。
[0025]优选的，所述基于所述第一预测功率和第二预测功率确定预测时段内风电群体的预测功率，包括：
[0026]基于所述预测时段内风电群体的第一预测功率和第二预测功率确定预测时段内风电群体的预测功率归一化值；
[0027]对所述预测时段内风电群体的预测功率归一化值进行反归一化处理，得到测时段内风电群体的预测功率
。
[0028]进一步的，所述预测时段内风电群体的预测功率归一化值的计算式如下：
[0029]WFCPreComPower
＝
WFCPrePower1×
Coe1+WFCPrePower2×
Coe2+Constant
[0030]上式中，
WFCPreComPower
为预测时段内风电群体的预测功率归一化值，
WFCPrePower1为预测时段内风电群体的第一预测功率，
Coe1为预测时段内风电群体的第一预测功率对应的权重，
WFCPrePower2为预测时段内风电群体的第二预测功率，
Coe2为预测时段内风电群体的第二预测功率对应的权重，
Constant
为拟合常数
。
[0031]第二方面，提供一种风电群体的功率预测装置，所述风电群体的功率预测装置包括：
[0032]第一确定模块，用于基于预测时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据确定预测时段内风电群体的第一预测功率；
[0033]第二确定模块，用于基于预测时段内风电群体内风电场对应的单点数值天气预报
数据确定预测时段内风电群体的第二预测功率；
[0034]第三确定模块，用于基于所述第一预测功率和所述第二预测功率确定预测时段内风电群体的预测功率
。
[0035]优选的，所述第一确定模块具体用于：
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种风电群体的功率预测方法，其特征在于，所述方法包括：基于预测时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据确定预测时段内风电群体的第一预测功率；基于预测时段内风电群体内风电场对应的单点数值天气预报数据确定预测时段内风电群体的第二预测功率；基于所述第一预测功率和所述第二预测功率确定预测时段内风电群体的预测功率
。2.
如权利要求1所述的方法，其特征在于，所述基于预测时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据确定预测时段内风电群体的第一预测功率，包括：将所述网格化数值天气预报数据进行归一化处理；获取归一化后网格化数值天气预报数据的最小值
、
最大值
、
平均值和方差；将所述最小值
、
最大值
、
平均值
、
方差和归一化处理的网格化数值天气预报输入至预先构建的第一风电群体功率预测模型，得到预先构建的第一风电群体功率预测模型输出的预测时段内风电群体的第一预测功率
。3.
如权利要求2所述的方法，其特征在于，所述网格化数值天气预报数据的空间分辨率为
3km
×
3km
，所述网格化数值天气预报数据包括下述中的至少一种：经纬度信息
、
气象参数
。4.
如权利要求3所述的方法，其特征在于，所述气象参数包括下述中的至少一种：
10m
风速
、10m
风向
、
温度
、
气压
、100m
风速
、100m
风向
。5.
如权利要求2所述的方法，其特征在于，所述预先构建的第一风电群体功率预测模型的获取过程包括：将历史时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据和风电群体的历史总功率数据进行归一化处理；获取归一化后的历史网格化数值天气预报数据的历史最小值
、
历史最大值
、
历史平均值和历史方差；将所述历史最小值
、
历史最大值
、
历史平均值
、
历史方差
、
归一化后的历史网格化数值天气预报以及归一化后的历史时段内风电群体的总功率数据作为初始残差网络的训练数据，对所述初始残差网络进行训练，得到所述预先构建的第一风电群体功率预测模型
。6.
如权利要求1所述的方法，其特征在于，所述基于预测时段内风电群体内风电场对应的单点数值天气预报数据确定预测时段内风电群体的第二预测功率，包括：将所述单点数值天气预报数据进行归一化处理；将归一化后单点数值天气预报数据输入至预先构建的第二风电群体功率预测模型，得到预先构建的第二风电群体功率预测模型输出的预测时段内风电群体的第二预测功率
。7.
如权利要求6所述的方法，其特征在于，所述预先构建的第二风电群体功率预测模型的获取过程包括：将历史时段内风电群体内风电场对应的单点数值天气预报数据和风电群体的总功率数据构建训练数据进行归一化处理；将归一化后历史时段内风电群体内风电场对应的单点数值天气预报和归一化后历史时段内风电群体的总功率数据作为初始
XGBoost
模型的训练数据，对所述初始
XGBoost
模型
进行训练，得到所述预先构建的第二风电群体功率预测模型
。8.
如权利要求1所述的方法，其特征在于，所述基于所述第一预测功率和第二预测功率确定预测时段内风电群体的预测功率，包括：基于所述预测时段内风电群体的第一预测功率和第二预测功率确定预测时段内风电群体的预测功率归一化值；对所述预测时段内风电群体的预测功率归一化值进行反归一化处理，得到测时段内风电群体的预测功率
。9.
如权利要求8所述的方法，其特征在于，所述预测时段内风电群体的预测功率归一化值的计算式如下：
WFCPreComPower
＝
WFCPrePower1×
Coe1+WFCPrePower2×
Coe2+Constant
上式中，
WFCPreComPower
为预测时段内风电群体的预测功率归一化值，
WFCPrePower1为预测时段内风电群体的第一预测功率，
Coe1为预测时段内风电群体的第一预测功率对应的权重，
WFCPrePower2为预测时段内风电群体的第二预测功率，
Coe2为预测时段内风电群体的第二预测功率对应的权重，
Constant
为拟合常数
。10.
一种风电群体的功率预测装置，其特征在于，所述装置包括：第一确定模块，用于基于预测时段内覆盖风电群体内全部风电场空间地理位置分布的网格化数值天气预报数据确定预测时段内风电群体的第一预测功率；第二确定模块，用于基于预测时段内风电群体内...

【专利技术属性】
技术研发人员：车建峰，王勃，刘纯，冯双磊，张菲，王钊，王铮，赵艳青，靳双龙，刘晓琳，郭于阳，滑申冰，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：