【技术实现步骤摘要】
本专利技术属于新能源电力，特别是涉及到一种基于山谷风的风机风速预测方法及装置。
技术介绍
1、随着风电场建设速度不断加快，风电装机容量也不断增长。但是风电场建设中风机装机位置选取要求比较高，一般建设在风资源丰富的山地。而对于地形多变的山地，易形成山谷风。
2、山谷风的成因主要为昼夜交替过程中山坡-山谷和山地-平原间的气温差。气温差带来了近地面大气的密度和气压差，气压梯度力推动气流由高压(低温)区域向低压(高温)区域运动。
3、山风和谷风是山岭地区因为山顶和山谷一日当中热效应不同所引起。白昼时，在山坡地区由于受太阳照射，温度较高，空气膨胀，气压降低，因此空气由山谷沿山坡爬升，而产生谷风。午前时由谷内沿山坡而上，温度愈高，风势愈强，到午后风力最大时可达3级，以后逐渐减弱；到晚上，山坡地带因地势较高，散热较快，于是气温迅速降低，冷空气自山顶沿山坡下降，流入谷内，形成山风。
4、总体而言：白天吹谷风，晚上吹山风。白天山顶增温快，山谷增温慢，故山谷气温比山顶低，气压比山顶高，吹谷风；夜晚山谷降温慢，山顶降温快，故山谷气温比山顶高，气压比山顶低，吹山风。山风风速正常情况下会高于谷风。
5、由于山谷风的形成，会导致风机风速的预测准确率不高，不利于电网安全稳定运行。尤其是绝大部份地形为山地的区域，在没有特殊天气或季风影响月份，风力发电受山谷风影响明显。
技术实现思路
1、本专利技术提出一种基于山谷风的风机风速预测方法及装置，解决风机因山谷风干扰导致全
2、为达到上述目的，本专利技术的技术方案是这样实现的：
3、一种基于山谷风的风机风速预测方法，包括：
4、基于前馈神经网络构建风机风速预测模型，以风机所在位置的山谷信息数据、气象预报信息数据、山风与谷风切换的预测时间作为输入，进行风机风速预测；
5、所述山风与谷风切换的预测时间的获取基于计算风机所在地的日出时间和日落时间而得到。
6、进一步的，构建风机风速预测模型的方法包括：
7、s201、构建风机所在位置的山谷信息矩阵；
8、s202、采集风机历史气象预报数据，构建不同时段的风机所在位置的历史气象预报信息矩阵；
9、s203、获取步骤s202所述不同时段的山风与谷风切换的预测时间，得到历史谷风开始时间和历史山风开始时间；
10、s204、获取步骤s202所述不同时段的风机风速数据；
11、s205、以步骤s201-s204得到的数据作为训练风机风速预测模型的数据集；分别训练山风叠加后的风机风速预测模型和谷风叠加后的风机风速预测模型；二者合并得到全天的风机风速预测模型。
12、更进一步的，步骤205中，山风叠加后的风机风速预测模型以山谷信息矩阵、历史山风开始时间、转天历史谷风开始时间、以及历史山风开始时间至转天历史谷风开始时间之间时段的历史气象预报信息矩阵作为输入，对应时段的风机风速数据作为输出进行训练；
13、谷风叠加后的风机风速预测模型以山谷信息矩阵、历史谷风开始时间、同日的历史山风开始时间、以及历史谷风开始时间至历史山风开始时间之间时段的历史气象预报信息矩阵作为输入，对应时段的风机风速数据作为输出进行训练。
14、更进一步的，步骤s205还包括：
15、基于动态时间弯曲算法，用风机的实测风速与所述风机风速预测模型预测风速进行对比，计算出实测风速与预测风速的差异矩阵，将所述差异矩阵作为输入参数，优化风机风速预测模型参数。
16、进一步的，山风与谷风切换的预测时间的获取方法包括：基于经纬度计算风机所在地的日出时间和日落时间，以所述日出时间加上第一参数时间作为谷风开始时间，以所述日落时间减去第二参数时间作为山风开始时间；所述第一参数时间和第二参数时间取自经验数据。
17、本专利技术另一方面还提出了一种基于山谷风的风机风速预测装置，包括：
18、模型构建模块：基于前馈神经网络构建风机风速预测模型；
19、预测模块：以风机所在位置的山谷信息数据、气象预报信息数据、山风与谷风切换的预测时间作为输入，进行风机风速预测；所述山风与谷风切换的预测时间的获取基于计算风机所在地的日出时间和日落时间而得到。。
20、进一步的，模型构建模块包括：
21、山谷信息矩阵单元：构建风机所在位置的山谷信息矩阵；
22、气象预报信息矩阵单元：采集风机历史气象预报数据，构建不同时段的风机所在位置的历史气象预报信息矩阵；
23、山谷风切换数据单元：获取气象预报信息矩阵单元所述不同时段的历史山风与谷风切换的预测时间，得到历史谷风开始时间和历史山风开始时间；
24、风速数据单元：获取气象预报信息矩阵单元所述不同时段的风机风速数据；
25、模型单元：以山谷信息矩阵单元、气象预报信息矩阵单元、山谷风切换数据单元、风速数据单元得到的数据作为训练风机风速预测模型的数据集；分别训练山风叠加后的风机风速预测模型和谷风叠加后的风机风速预测模型；二者合并得到全天的风机风速预测模型。
26、更进一步的，模型单元中，山风叠加后的风机风速预测模型以山谷信息矩阵、历史山风开始时间、转天历史谷风开始时间、以及历史山风开始时间至转天历史谷风开始时间之间时段的历史气象预报信息矩阵作为输入，对应时段的风机风速数据作为输出进行训练；
27、谷风叠加后的风机风速预测模型以山谷信息矩阵、历史谷风开始时间、同日的历史山风开始时间、以及历史谷风开始时间至历史山风开始时间之间时段的历史气象预报信息矩阵作为输入，对应时段的风机风速数据作为输出进行训练。
28、更进一步的，模型单元中还包括：
29、基于动态时间弯曲算法，用风机的实测风速与所述风机风速预测模型预测风速进行对比，计算出实测风速与预测风速的差异矩阵，将所述差异矩阵作为输入参数，优化风机风速预测模型参数。
30、进一步的，预测模块中以及山谷风切换数据单元中，山风与谷风切换的预测时间基于经纬度计算风机所在地的日出时间和日落时间，以所述日出时间加上第一参数时间作为谷风开始时间，以所述日落时间减去第二参数时间作为山风开始时间；所述第一参数时间和第二参数时间取自经验数据。
31、与现有技术相比，本专利技术具有如下的有益效果：
32、本专利技术根据山风、谷风开始时间差异，针对风机风速提出时序组合预测模型，能够解决风机因山谷风干扰导致的全天风速难以预测问题，提高风机风速的预测准确率，有利于电网安全稳定运行。
本文档来自技高网...【技术保护点】
1.一种基于山谷风的风机风速预测方法，其特征在于，包括：
2.根据权利要求1所述的基于山谷风的风机风速预测方法，其特征在于，构建风机风速预测模型的方法包括：
3.根据权利要求2所述的基于山谷风的风机风速预测方法，其特征在于，步骤205中，山风叠加后的风机风速预测模型以山谷信息矩阵、历史山风开始时间、转天历史谷风开始时间、以及历史山风开始时间至转天历史谷风开始时间之间时段的历史气象预报信息矩阵作为输入，对应时段的风机风速数据作为输出进行训练；
4.根据权利要求2或3所述的基于山谷风的风机风速预测方法，其特征在于，步骤S205还包括：
5.根据权利要求1或2所述的基于山谷风的风机风速预测方法，其特征在于，山风与谷风切换的预测时间的获取方法包括：基于经纬度计算风机所在地的日出时间和日落时间，以所述日出时间加上第一参数时间作为谷风开始时间，以所述日落时间减去第二参数时间作为山风开始时间；所述第一参数时间和第二参数时间取自经验数据。
6.一种基于山谷风的风机风速预测装置，其特征在于，包括：
7.根据权利要求6所述的基于
8.根据权利要求7所述的基于山谷风的风机风速预测装置，其特征在于，模型单元中，山风叠加后的风机风速预测模型以山谷信息矩阵、历史山风开始时间、转天历史谷风开始时间、以及历史山风开始时间至转天历史谷风开始时间之间时段的历史气象预报信息矩阵作为输入，对应时段的风机风速数据作为输出进行训练；
9.根据权利要求7或8所述的基于山谷风的风机风速预测装置，其特征在于，模型单元中还包括：
10.根据权利要求6或7所述的基于山谷风的风机风速预测装置，其特征在于，预测模块中以及山谷风切换数据单元中，山风与谷风切换的预测时间基于经纬度计算风机所在地的日出时间和日落时间，以所述日出时间加上第一参数时间作为谷风开始时间，以所述日落时间减去第二参数时间作为山风开始时间；所述第一参数时间和第二参数时间取自经验数据。
...【技术特征摘要】
1.一种基于山谷风的风机风速预测方法，其特征在于，包括：
2.根据权利要求1所述的基于山谷风的风机风速预测方法，其特征在于，构建风机风速预测模型的方法包括：
3.根据权利要求2所述的基于山谷风的风机风速预测方法，其特征在于，步骤205中，山风叠加后的风机风速预测模型以山谷信息矩阵、历史山风开始时间、转天历史谷风开始时间、以及历史山风开始时间至转天历史谷风开始时间之间时段的历史气象预报信息矩阵作为输入，对应时段的风机风速数据作为输出进行训练；
4.根据权利要求2或3所述的基于山谷风的风机风速预测方法，其特征在于，步骤s205还包括：
5.根据权利要求1或2所述的基于山谷风的风机风速预测方法，其特征在于，山风与谷风切换的预测时间的获取方法包括：基于经纬度计算风机所在地的日出时间和日落时间，以所述日出时间加上第一参数时间作为谷风开始时间，以所述日落时间减去第二参数时间作为山风开始时间；所述第一参数时间和第二参数时间取自经验数据。
<...【专利技术属性】
技术研发人员：张丽萍，王逢浩，李琦，贺小龙，
申请(专利权)人：国能日新科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。