【技术实现步骤摘要】
本专利技术涉及功率预测，具体涉及一种风力发电功率预测方法、系统及介质。
技术介绍
1、风力发电是一种将自然风动能转化为电能的发电方式，具有可再生、清洁无污染、技术成熟等优势。随着风电装机容量的提升，风力发电已成为电力供应的重要组成部分。然而，对于以山地、高原和盆地地形为主，复杂的地形特征将会影响风向和风速大小，从而造成风力发电的随机性与间歇性增大，进而影响电网调度。因此，探索复杂地形风电功率预测方法将对地形复杂地区的风电消纳具有积极的意义。
2、许多学者对复杂地形的风电预测做了大量研究：基于梯度提升树法、风加速效应法、卷积循环神经网络方法、及时间注意力机制等方法进行复杂地形风电功率预测，然而复杂地形中风向、风速变化快，具有较大的不确定性，上述方法依旧存在预测准确性问题。
技术实现思路
1、本专利技术所要解决的技术问题是：传统的复杂地形风电功率预测方法依旧存在预测准确性问题，本专利技术目的在于提供一种风力发电功率预测方法、系统及介质，在传统的预测技术基础上进行方法上的改进,分析风场与复杂地形的关系构建出精细化风场模型，精细化风场模型考虑了风向、风速变化，将风向、风速变化模型化，以精细化风场模型预测出目标区域的风力发电功率，更适用于复杂地形下的风力发电功率预测。
2、本专利技术通过下述技术方案实现：
3、本方案提供一种风力发电功率预测方法，包括：
4、获取目标区域的地形数据，并基于所述地形数据构建目标区域的地形模型；
5、对所
6、采集目标区域的历史风力发电功率数据，并结合所述精细化风场模型预测出目标区域的风力发电功率。
7、进一步优化方案为，所述获取目标区域的地形数据，并基于所述地形数据构建目标区域的地形模型，包括方法：
8、采集目标区域的地形数据，并对所述地形数据进行预处理；
9、从预处理后的地形数据中获取目标区域地形的点云数据，并结合三维点云算法构建目标区域的三维地形模型；所述点云数据包括：地形结构数据、地形反射数据和地形颜色识别数据。
10、进一步优化方案为，所述预处理包括方法：对所述地形数据进行格式变换、坐标配准和数据滤波。
11、进一步优化方案为，所述对所述地形模型进行网格划分得到微地形网格，包括方法：
12、在目标区域地形的点云数据所对应的所有点中：任意选中第一点、第二点和第三点作为种子点，未选中的点作为待识别点；
13、连接所述种子点构成第一三角形；
14、基于所述第一三角形识别待识别点得到微地形网格。
15、进一步优化方案为，所述基于所述第一三角形识别待识别点得到微地形网格，包括方法：
16、g1，获取地形模型的坐标系最小值和坐标系最大值，将所述坐标系最小值作为不规则三角网格的最小值，将所述坐标系最大值作为不规则三角网格的最大值；并以此地形分辨率确定三角网格的间距；
17、g2，计算当前待识别点到所述第一三角形的反复距离与反复角，将所述反复距离与预设距离阈值进行比较，将所述反复角与预设角度阈值进行比较；若所述反复距离小于预设距离阈值，且所述反复角小于预设角度阈值，则判定在当前待识别点为目标区域地形的地面点，并在不规则三角网格中迭代、内插和重构地形三角网；若所述反复距离大于预设距离阈值，且所述反复角大于预设角度阈值，则判定在当前待识别点不是目标区域地形的地面点，并进行分离；
18、g3，根据步骤g2遍历所有待识别点，最终输出微地形网格。
19、进一步优化方案为，所述计算当前待识别点到所述第一三角形的反复距离与反复角，包括方法：
20、以当前待识别点到所述第一三角形所在平面的垂直距离作为反复距离；
21、当前待识别点到所述第一三角形的反复角包括第一反复角、第二反复角和第三反复角；
22、连接当前待识别点与所述第一点为线段l1，线段l1在所述第一三角形所在平面上的
23、垂直投影为线段l11，线段l1与线段l11的夹角作为第一反复角；
24、连接当前待识别点与所述第二点为线段l2，线段l2在所述第一三角形所在平面上的
25、垂直投影为线段l22，线段l2与线段l22的夹角作为第二反复角；
26、连接当前待识别点与所述第三点为线段l3，线段l3在所述第一三角形所在平面上的
27、垂直投影为线段l33，线段l3与线段l33的夹角作为第三反复角。
28、进一步优化方案为，所述基于计算流体力学分析出风力在微地形网格上的流动变化关系，以构建出精细化风场模型，包括方法：
29、考虑微地形网格的风力和风电场风力尾流，根据第一公式获得目标区域第 k台风力发电机组的风力：
30、
31、式中：为微地形网格内风力发电机组k未受到尾流影响的风力大小； m为目标区域的风电站内所有的风力发电机组数量； w i为风力发电机组i投影交叉的面积； γ i为风力发电机组i叶片的半径；为风力发电机组i所处微地形网格的未受尾流影响原始风速；为风力发电机组i对第 k台目标区域的风力发电机组的尾流影响大小。
32、进一步优化方案为，所述采集历史风力发电功率数据，并结合所述精细化风场模型预测出目标区域的风力发电功率，包括方法：
33、对所述历史风力发电功率数据进行加权平均修复处理；
34、基于加权平均修复处理后的历史风力发电功率数据，结合所述精细化风场模型进行风力发电机微网格风力计算；
35、基于长短期记忆网络和风力发电机微网格风力计算结果预测出目标区域的风力发电功率。
36、本方案还提供一种风力发电功率预测系统，用于实现上述的风力发电功率预测方法，所述系统包括：
37、采集模块，用于获取目标区域的地形数据，并基于所述地形数据构建目标区域的地形模型；
38、计算模块，用于对所述地形模型进行网格划分得到微地形网格，并基于计算流体力学分析出风力在微地形网格上的流动变化关系，以构建出精细化风场模型；
39、预测模块，用于采集目标区域的历史风力发电功率数据，并结合所述精细化风场模型预测出目标区域的风力发电功率。
40、本方案还提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如上述的一种风力发电功率预测方法。
41、本专利技术与现有技术相比，具有如下的优点和有益效果：
42、本专利技术提供的一种风力发本文档来自技高网...
【技术保护点】
1.一种风力发电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种风力发电功率预测方法，其特征在于，所述获取目标区域的地形数据，并基于所述地形数据构建目标区域的地形模型，包括方法：
3.根据权利要求2所述的一种风力发电功率预测方法，其特征在于，所述预处理包括方法：对所述地形数据进行格式变换、坐标配准和数据滤波。
4.根据权利要求3所述的一种风力发电功率预测方法，其特征在于，所述对所述地形模型进行网格划分得到微地形网格，包括方法：
5.根据权利要求4所述的一种风力发电功率预测方法，其特征在于，所述基于所述第一三角形识别待识别点得到微地形网格，包括方法：
6.根据权利要求5所述的一种风力发电功率预测方法，其特征在于，所述计算当前待识别点到所述第一三角形的反复距离与反复角，包括方法：
7.根据权利要求1所述的一种风力发电功率预测方法，其特征在于，所述基于计算流体力学分析出风力在微地形网格上的流动变化关系，以构建出精细化风场模型，包括方法：
8.根据权利要求1所述的一种风力发电功率预测方法，其
9.一种风力发电功率预测系统，其特征在于，用于实现权利要求1-8任意一项所述的风力发电功率预测方法，所述系统包括：
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行可实现如权利要求1-8任意一项所述的一种风力发电功率预测方法。
...【技术特征摘要】
1.一种风力发电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种风力发电功率预测方法，其特征在于，所述获取目标区域的地形数据，并基于所述地形数据构建目标区域的地形模型，包括方法：
3.根据权利要求2所述的一种风力发电功率预测方法，其特征在于，所述预处理包括方法：对所述地形数据进行格式变换、坐标配准和数据滤波。
4.根据权利要求3所述的一种风力发电功率预测方法，其特征在于，所述对所述地形模型进行网格划分得到微地形网格，包括方法：
5.根据权利要求4所述的一种风力发电功率预测方法，其特征在于，所述基于所述第一三角形识别待识别点得到微地形网格，包括方法：
6.根据权利要求5所述的一种风力发电功率预测方法，其特征在于，所...
【专利技术属性】
技术研发人员：唐冬来，何明，丁理杰，陈文康，杨梅，钟声，陈泽宇，谢飞，龚奕宇，聂潇，刘光智，邓创，康乐，钟旭，付世峻，周朋，陈居利，何书宇，罗维斯，张淇铭，毛强，李亦秋，余林倩，袁山山，唐轶，王盼，邹怡，
申请(专利权)人：四川思极科技有限公司，
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。