本發(fā)明屬于新能源功率預(yù)測(cè)，具體地涉及一種覆冰狀態(tài)下的短期風(fēng)電功率組合預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、近些年來，降低碳排放量對(duì)環(huán)境保護(hù)、生態(tài)平衡起到很大的作用，目前，我國(guó)能源相關(guān)二氧化碳排放量每年10億噸，電力作為我國(guó)煤炭消費(fèi)與碳排放占比最大的單一行業(yè)，碳排放占比超40%。因此大力發(fā)展以風(fēng)能、太陽能為代表的新能源電力，促進(jìn)高比例可再生能源并網(wǎng)消納，將成為降低電力系統(tǒng)碳排放的當(dāng)務(wù)之急。

2、隨著以光伏、風(fēng)電為代表的新能源，逐步替代傳統(tǒng)能源，呈現(xiàn)出良好的發(fā)展前景。近年來，我國(guó)極端天氣頻發(fā)并呈現(xiàn)增多、增強(qiáng)趨勢(shì)。受寒潮、暴雪等極端天氣過程影響，風(fēng)電場(chǎng)氣溫較低、濕度大，極易發(fā)生覆冰災(zāi)害且持續(xù)時(shí)間較長(zhǎng)，研究表明氣溫在-10～0℃，相對(duì)濕度達(dá)70%以上，平均風(fēng)速≤6?m/s時(shí)，最有利于冰凍的產(chǎn)生。風(fēng)電覆冰易引發(fā)風(fēng)電/光伏新能源發(fā)電的大幅波動(dòng)，源荷雙側(cè)均存在較大的不確定性，新能源功率預(yù)測(cè)難度大，電網(wǎng)面臨極端/轉(zhuǎn)折性天氣過程下系統(tǒng)防御能力不足的風(fēng)險(xiǎn)，給電網(wǎng)電力電量平衡帶來了巨大挑戰(zhàn)。

3、因此，亟需對(duì)短期風(fēng)電功率進(jìn)行預(yù)測(cè)。

技術(shù)實(shí)現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種覆冰狀態(tài)下的短期風(fēng)電功率組合預(yù)測(cè)方法及系統(tǒng)，以降低風(fēng)電功率預(yù)測(cè)難度，提高覆冰風(fēng)電功率預(yù)測(cè)的準(zhǔn)確性。

2、本發(fā)明采用如下的技術(shù)方案。

3、本發(fā)明的第一方面提供了一種覆冰狀態(tài)下的短期風(fēng)電功率組合預(yù)測(cè)方法，包括：

4、基于歷史氣象數(shù)據(jù)及功率數(shù)據(jù)，構(gòu)建覆冰標(biāo)簽數(shù)據(jù)集，建立覆冰辨識(shí)模型；

5、結(jié)合多源氣象預(yù)報(bào)，獲取場(chǎng)站中風(fēng)機(jī)風(fēng)速，構(gòu)建風(fēng)機(jī)結(jié)冰增長(zhǎng)模型；

6、基于不同風(fēng)速、覆冰程度及風(fēng)機(jī)類型，構(gòu)建覆冰風(fēng)機(jī)cfd（computational?fluiddynamics，計(jì)算機(jī)流體動(dòng)力學(xué)）仿真模型，獲取覆冰風(fēng)機(jī)功率特性曲線，并通過仿真計(jì)算，構(gòu)建風(fēng)機(jī)覆冰下風(fēng)速功率修正系數(shù)表；

7、基于不同的機(jī)器學(xué)習(xí)模型至少建立兩個(gè)功率預(yù)測(cè)模型，采用ipos算法和/或bo算法優(yōu)化模型參數(shù)，構(gòu)建并訓(xùn)練短期風(fēng)電功率組合預(yù)測(cè)模型；

8、通過覆冰辨識(shí)與結(jié)冰增長(zhǎng)模型，結(jié)合風(fēng)機(jī)覆冰下風(fēng)速-功率修正系數(shù)表，計(jì)算覆冰場(chǎng)站逐時(shí)功率修正系數(shù)，基于冰場(chǎng)站逐時(shí)功率修正系數(shù)對(duì)短期風(fēng)電功率組合預(yù)測(cè)模型輸出的功率預(yù)測(cè)值進(jìn)行修正，得到覆冰狀態(tài)下風(fēng)電功率預(yù)測(cè)值。

9、可選地，基于場(chǎng)站歷史數(shù)據(jù)對(duì)覆冰進(jìn)行標(biāo)定1，未覆冰標(biāo)定0，通過劃分訓(xùn)練集和測(cè)試集，采用邏輯回歸算法完成覆冰辨識(shí)模型創(chuàng)建和驗(yàn)證。

10、可選地，風(fēng)機(jī)結(jié)冰增長(zhǎng)模型如下式所示：

11、?，

12、式中，

13、為覆冰質(zhì)量，單位為kg；

14、為結(jié)冰時(shí)間，單位為s，結(jié)冰起始時(shí)間通過覆冰辨識(shí)模型獲得，

15、分別表示過冷卻水滴的碰撞、捕獲、凍結(jié)系數(shù)，

16、為水滴質(zhì)量分?jǐn)?shù)，為無量綱參數(shù)，

17、為碰撞的水滴相對(duì)于風(fēng)機(jī)葉輪的相對(duì)速度，單位為m/s，

18、為水滴碰撞物體有效截面積，單位為m2。

19、可選地，碰撞的水滴相對(duì)于風(fēng)機(jī)葉輪的相對(duì)速度按以下公式計(jì)算：

20、?，

21、其中，為風(fēng)機(jī)葉輪切線速度，單位為m/s，為基于尾流模型所獲取的風(fēng)機(jī)風(fēng)速，單位為m/s。

22、可選地，基于尾流模型計(jì)算得到風(fēng)機(jī)的風(fēng)速包括：

23、在當(dāng)前風(fēng)機(jī)處于平坦地形的情況下，按照第一尾流模型計(jì)算得到當(dāng)前風(fēng)機(jī)的風(fēng)速；和/或，

24、在當(dāng)前風(fēng)機(jī)前排無風(fēng)機(jī)的情況下，按照第二尾流模型計(jì)算得到當(dāng)前風(fēng)機(jī)的風(fēng)速；和/或，

25、在當(dāng)前風(fēng)機(jī)前排有風(fēng)機(jī)的情況下，按照第三尾流模型計(jì)算得到當(dāng)前風(fēng)機(jī)的風(fēng)速。

26、可選地，按照如下公式，根據(jù)場(chǎng)站內(nèi)每個(gè)風(fēng)機(jī)的覆冰功率修正系數(shù)值，確定覆冰場(chǎng)站的覆冰功率修正系數(shù)值：

27、?，

28、其中，

29、為第i時(shí)刻覆冰期間場(chǎng)站覆冰功率修正系數(shù)值，

30、為覆冰期間第i時(shí)刻風(fēng)機(jī)k的功率修正系數(shù)值，

31、為風(fēng)機(jī)k的額定容量，

32、n為場(chǎng)站總風(fēng)機(jī)數(shù)。

33、可選地，基于不同的機(jī)器學(xué)習(xí)模型至少建立兩個(gè)功率預(yù)測(cè)模型，構(gòu)建并訓(xùn)練短期風(fēng)電功率組合預(yù)測(cè)模型包括：

34、將訓(xùn)練數(shù)據(jù)集劃分多個(gè)子集；所述訓(xùn)練集中的數(shù)據(jù)包括無覆冰時(shí)的歷史氣象數(shù)據(jù)和風(fēng)機(jī)的歷史功率數(shù)據(jù)；

35、對(duì)每個(gè)子集使用至少兩個(gè)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練和預(yù)測(cè)，分別在每個(gè)機(jī)器學(xué)習(xí)模型上進(jìn)行交叉驗(yàn)證，將所有交叉驗(yàn)證的驗(yàn)證結(jié)果堆疊形成預(yù)測(cè)結(jié)果；

36、將所有機(jī)器學(xué)習(xí)模型的預(yù)測(cè)結(jié)果組成一個(gè)新的訓(xùn)練數(shù)據(jù)集，使用新的訓(xùn)練數(shù)據(jù)集對(duì)元模型進(jìn)行訓(xùn)練，得到短期風(fēng)電功率組合預(yù)測(cè)模型；

37、其中，對(duì)機(jī)器學(xué)習(xí)模型和/或元模型以適應(yīng)度函數(shù)最小化為目標(biāo)進(jìn)行訓(xùn)練。

38、可選地，采用ipos算法，在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中尋找最優(yōu)參數(shù)，包括：

39、隨機(jī)生成一個(gè)種群粒子，所述種群粒子包括機(jī)器學(xué)習(xí)模型的超參數(shù)，并對(duì)種群粒子的各個(gè)超參數(shù)限定區(qū)間；

40、構(gòu)建粒子的適應(yīng)度函數(shù)，計(jì)算每個(gè)粒子位置對(duì)應(yīng)的適應(yīng)度值；

41、根據(jù)初始粒子適應(yīng)度值確定個(gè)體極值和群體極值，并將每個(gè)粒子的個(gè)體極值作為其歷史最佳位置；

42、在每一次迭代中，根據(jù)適應(yīng)度值和慣性權(quán)重通過個(gè)體極值和全局極值更新粒子自身的速度和位置；

43、在達(dá)到最大迭代次數(shù)或者適應(yīng)度函數(shù)值最小時(shí)，停止迭代，獲得最優(yōu)參數(shù)。

44、可選地，構(gòu)建粒子的適應(yīng)度函數(shù)，包括：

45、基于驗(yàn)證樣本和訓(xùn)練樣本的擬合誤差構(gòu)建粒子的適應(yīng)度函數(shù)，所述驗(yàn)證樣本和訓(xùn)練樣本擬合誤差的權(quán)重相同；

46、適應(yīng)度函數(shù)按如下公式所示：

47、，

48、其中，

49、、分別為訓(xùn)練數(shù)據(jù)集中第j個(gè)樣本數(shù)據(jù)的預(yù)測(cè)值和真實(shí)值，

50、、分別為驗(yàn)證數(shù)據(jù)集中第j個(gè)樣本數(shù)據(jù)的預(yù)測(cè)值和真實(shí)值。

51、可選地，采用動(dòng)態(tài)非線性方式計(jì)算慣性權(quán)重，按如下公式表示：

52、，

53、其中，為最大慣性權(quán)重，為最小慣性權(quán)重，t為當(dāng)前迭代次數(shù)，為最大迭代次數(shù)。

54、本發(fā)明的第二方面提供了一種短期風(fēng)電功率組合預(yù)測(cè)系統(tǒng)，包括第一構(gòu)建模塊、第二構(gòu)建模塊、第三構(gòu)建模塊、第四構(gòu)建模塊和計(jì)算模塊。其中，第一構(gòu)建模塊用于基于歷史氣象數(shù)據(jù)及功率數(shù)據(jù)，構(gòu)建覆冰標(biāo)簽數(shù)據(jù)集，建立覆冰辨識(shí)模型。第二構(gòu)建模塊用于結(jié)合多源氣象預(yù)報(bào)，獲取場(chǎng)站中風(fēng)機(jī)風(fēng)速，構(gòu)建風(fēng)機(jī)結(jié)冰增長(zhǎng)模型。第三構(gòu)建模塊用于基于不同風(fēng)速、覆冰程度及風(fēng)機(jī)類型，構(gòu)建覆冰風(fēng)機(jī)cfd仿真模型，獲取覆冰風(fēng)機(jī)功率特性曲線，并通過仿真計(jì)算，構(gòu)建典型風(fēng)機(jī)覆冰下風(fēng)速-功率修正系數(shù)表。第四構(gòu)建模塊用于基于不同的機(jī)器學(xué)習(xí)模型至少建立兩個(gè)功率預(yù)測(cè)模型，采用ipos?和/或bo算法優(yōu)化模型參數(shù)，構(gòu)建并訓(xùn)練短期風(fēng)電功率組合預(yù)測(cè)模型。計(jì)算模塊用于通過覆冰辨識(shí)與結(jié)冰增長(zhǎng)模型，結(jié)合風(fēng)機(jī)覆冰下風(fēng)速-功率修正系數(shù)表，計(jì)算覆冰場(chǎng)站逐時(shí)功率修正系數(shù)，基于短期風(fēng)電功率組合預(yù)測(cè)模型，計(jì)算覆冰狀態(tài)下功率預(yù)測(cè)值。

55、本發(fā)明的第三方面提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被加載至處理器時(shí)實(shí)現(xiàn)上述覆冰狀態(tài)下的短期風(fēng)電功率組合預(yù)測(cè)方法。

56、本發(fā)明的第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述覆冰狀態(tài)下的短期風(fēng)電功率組合預(yù)測(cè)方法。

57、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果至少包括：

58、本發(fā)明通過對(duì)風(fēng)機(jī)覆冰情況進(jìn)行辨識(shí)，并在辨識(shí)結(jié)果為覆冰的情況下，采用cfd仿真計(jì)算方法，計(jì)算風(fēng)機(jī)的風(fēng)速，然后結(jié)合風(fēng)機(jī)結(jié)冰增長(zhǎng)模型定量分析不同覆冰狀態(tài)、不同風(fēng)速下的覆冰風(fēng)機(jī)功率特性，得到覆冰功率修正系數(shù)值?；诟脖β市拚禂?shù)值對(duì)功率預(yù)測(cè)模型輸出的預(yù)測(cè)結(jié)果進(jìn)行修正，從而能夠更高效更精確地得到場(chǎng)站風(fēng)電功率的預(yù)測(cè)值，進(jìn)而更高效更精準(zhǔn)地得到場(chǎng)站出力。本發(fā)明解決了因氣象惡劣導(dǎo)致的風(fēng)機(jī)覆冰，致使功率波動(dòng)而造成風(fēng)力發(fā)電功率預(yù)測(cè)出現(xiàn)大偏差問題，降低了預(yù)測(cè)難度，提高了覆冰風(fēng)機(jī)功率預(yù)測(cè)的準(zhǔn)確性。