新能源风电场中长期发电量预测系统及预测方法

摘要

本发明提出一种新能源风电场中长期发电量预测系统以及预测方法，包括：后台采集子系统从风电场的功率预测服务器上采集数据并输送给数据库服务器；数据层子系统对采集到的数据进行去噪，修订处理，生成完整的数据序列，并存储到数据库；业务层子系统根据传输来的数据，建立时间序列预测算法模型，输出预测数据；显示层子系统通过发电量预测工作站展示系统界面及预测数据。本发明实现了精确预测新能源电站发电能力的功能，可以实现新能源电站在参与电力市场交易时提供基础数据，辅助电力交易，为电站带来可观的效益。

说明书

技术领域

本发明属于新能源风力发电领域，特别是涉及到一种新能源风电场中长期发电量预测系统及预测方法。

背景技术

目前新能源电场在预测未来1个月乃至未来1年的发电量时，经常用到的预测技术是利用电场历史2年到3年的同时间段的实际发电量数据进行加和求平均数，再结合未来的天气预报，进行数据的修正，最后得出预测发电量数据。

上述预测技术存在的主要问题是该技术为人工计算，只进行了初步计算，无法针对特定场景进行综合计算并预测，因此导致预测的发电量数据不准。

发明内容

本发明提出一种新能源风电场中长期发电量预测系统及预测方法，利用计算模型，辅以自动采集的大量历史数据进行计算，提升预测精准度。

为达到上述目的，本发明的技术方案是这样实现的：

一种新能源风电场中长期发电量预测系统，包括：

后台采集子系统：其功能是从风电场的功率预测服务器上采集数据，包括风电场预测日的气象资源数据，风电场历史的实际发电量数据、风电场装机容量数据、风电场历史时期气象资源数据，并输送给数据库服务器；

数据层子系统：其功能是在数据库服务器对采集到的数据进行去噪，修订处理，生成完整的数据序列，并存储到数据库，并提供数据库的数据给发电量预测服务器；

业务层子系统：其功能是在发电量预测服务器，根据传输来的数据，建立时间序列预测算法模型，输出预测数据；

显示层子系统：其功能是通过发电量预测工作站展示系统界面及预测数据。

进一步的，所述后台采集子系统通过104规约数据接口、modbus标准规约数据接口从功率预测服务器上采集数据。

进一步的，所述数据层子系统设有数据质量分析规则和数据修订规则，根据数据质量分析规则发现无效数据，则根据数据修订规则进行数据修订，自动把有缺陷的数据剔除，并根据前后的有效数据推测所缺陷的数据，最后统一整理。

进一步的，所述业务层子系统采用时间序列预测算法中的复合型序列分解预测，对风电场的历史数据进行强关联分析，选取时间、风速、历史实际发电量的强关联影响因素，最后与发电量构成预测输入量，预测风电场未来月发电量和未来年发电量，得到预测结果。

进一步的，显示层子系统主要包括：发电量预测模块、数据统计模块、电场信息模块、系统管理功能模块；

所述发电量预测模块包括：月发电量预测子模块、年发电量预测子模块，月发电量预测子模块展示电场未来12个月的发电量预测数值，年发电量预测子模块展示电场次年的发电量预测数值；

所述电场信息模块包括电场运行信息子模块、气象资源信息子模块；电场运行信息子模块主要采集电场机组运行实时状态信息数据，查看电站实时运行是否正常，并且在预测数值的基础上减去电场因突发故障、限电而损失的电量，得出新的预测数值；气象资源信息子模块主要是展示从功率预测服务器上采集到的电站实时气象数据、未来气象数据；

所述数据统计模块包括实发电量与预测电量对比子模块、电场运行信息统计子模块；所述实发电量与预测电量对比子模块主要功能是在可调时间段内，电站的实际发电量与预测发电量的数据对比，并计算预测准确率；所述电场运行信息统计子模块主要功能是在可调时间段内，电站的运行状态数据评价，供用户直观的查看电站运行状态的数据对比；

所述系统管理模块包括：用户管理子模块、角色管理子模块；所述用户管理子模块主要是对账户是否启用进行权限管理，设置账户是否有修改，查看，删除数据等权利；所述角色管理子模块主要是对账户菜单配置进行分配。

本发明还提出了一种新能源风电场中长期发电量预测方法，包括：

S1、采集风电场预测日的气象资源数据，风电场历史的实际发电量数据、风电场装机容量数据、风电场历史时期气象资源数据；

S2、通过数据质量分析规则判断数据是否完整，如发现无效数据，则进行数据修订，自动把有缺陷的数据剔除，并根据前后的有效数据推测所缺陷的数据，最后统一整理；

S3、采用时间序列预测算法中的复合型序列分解预测，对风电场的历史数据进行强关联分析，选取时间、风速、历史实际发电量的强关联影响因素，最后与发电量构成预测输入量，预测风电场未来月发电量和未来年发电量，得到预测结果。

进一步的，步骤S2所述数据质量分析规则包括：

S201、数据采集风速、风向，各采集数据每日有96个数据，15min生成一个数据；

S202、风速数据连续4个数据(1小时内)的相邻绝对误差＝0；

S203、风速的合理范围为0～60m/s，小时平均风速的合理范围为0～40m/s；风向的合理范围为0～360°；气压的变化范围为500～1100hPa；湿度的合理范围0～100％RH；温度的合理范围–40～60℃。

进一步的，步骤S2所述数据修订的方法包括：

S211、以前一时刻的风速数据补全缺测的风速数据；

S212、对于风机异常数据根据风机之间的相关性原理进行修正，不能修正的数据以前一时刻的数据替代异常的数据；

S213、所有经过修正的数据以特殊标示记录。

进一步的，步骤S3所述复合型序列分解预测的分解法预测步骤包括：

S301、确定并分离季节成分：计算季节指数，以确定时间序列中的季节成分，然后将季节成分从时间序列中分离出去，即用每一个时间序列观察值除以相应的季节指数，以消除季节性；

S302、建立预测模型并进行预测：对消除了季节成分的时间序列建立预测模型，并根据这一模型进行预测；

S303、计算最终的预测值：用预测值乘以相应的季节指数，得到最终的预测值。

更进一步的，所述计算季节指数的方法为：

S311：计算移动平均值,若是季节数据，采用4项移动平均，月份数据则采用12项移动平均，并对其结果进行中心化处理，即将移动平均的结果再进行一次二项移动平均，即得出中心化移动平均值；

S312：计算移动平均的比值，即季节比率，即将序列的各观察值除以相应的中心化移动平均值，然后计算出各比值的季度或月份的平均值；

S313：季节指数调整，由于各季节指数的平均数应应等于1或100％，若根据第二步计算的季节比率的平均值不等于1，则需要进行调整，具体方法：将第二步计算的每个季节比率的平均值除以总平均值。

与现有技术相比，本发明具有如下的有益效果：

1)本发明实现了系统自动采集新能源电场机组运行信息数据、每日的实发电量数据、电站所在区域气象资源数据(风速、光照)，并形成数据库，进行数据的存储，比现有需要手动输入计算参数数据，录入效率提高了将近90％；

2)本发明实现了计算机自动计算预测发电量数据的功能，而现有技术需要手动计算，且计算数据精准较差，此系统结合数据库中的场站参数、气象数据，快速而精确的计算出场站在未来的出力情况，年发电量预测精度能达到95％及以上；

3)本发明实现了精确预测新能源电站发电能力的功能，可以实现新能源电站在参与电力市场交易时提供基础数据，辅助电力交易，为电站带来可观的效益。

附图说明

图1是本发明的流程步骤示意图；

图2是本发明的系统结构示意图；

图3是本发明实施例的网络拓扑图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

为使本发明专利的目的、特征更明显易懂，下面结合附图对本发明专利的具体实施方式作进一步的说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本发明专利实施例的目的。

如图1所示，本发明提出的中长期发电量预测计算方法的流程步骤如下：

步骤一：通过104规约、modbus标准规约数据接口从风电场功率预测系统中采集风电场预测日的气象资源，风电场历史的实际发电量、风电场装机容量、风电场历史时期气象资源；

气象资源数据包括：风速、大气压、湿度、温度数据。

步骤二：通过数据质量分析规则判断数据是否完整，是否存在死数、缺数等无效数据，如发现无效数据，则进行数据修订，系统自动把有缺陷的数据剔除，并根据前后的有效数据推测所缺陷的数据，最后统一整理；

所述数据质量分析规则包括：

1)数据采集风速、风向，各采集数据每日有96个数据(15min生成一个数据)。

2)风速数据连续4个数据(1小时内)的相邻绝对误差＝0；

3)风速的合理范围为0～60m/s，小时平均风速的合理范围为0～40m/s；风向的合理范围为0～360°；气压的变化范围为500～1100hPa；湿度的合理范围0～100％RH；温度的合理范围–40～60℃。

所述数据修订的方式为：

1)以前一时刻的风速数据补全缺测的风速数据；

2)对于风机风速等异常数据根据风机之间的相关性原理进行修正，不能修正的数据以前一时刻的风速替代异常的风速等数据；

3)所有经过修正的数据以特殊标示记录。

步骤三：把处理好的数据存储到数据库中。

步骤四：从数据库中提取已经处理好的，计算预测发电量所需要的参数数据：历史发电数据、发电站装机容量、气候影响因素、发电站可调出力。采用时间序列预测算法中的复合型序列分解预测，对风电场的历史数据进行强关联分析，选取时间、风速、历史实际发电量的强关联影响因素，最后与发电量构成预测输入量，预测风电场未来1个月～12个月，未来1年的发电量，得到预测结果。

所述复合型序列分解预测包括：

复合型序列是指含有趋势、季节、周期和随机成分的序列。对这类序列的预测方法是将时间序列的各个因素依次分解出来，然后进行预测，采用的分解模型为：

Y

其中Y

分解预测步骤包括：

第一步：确定并分离季节(月、年)成分。计算季节指数，以确定时间序列中的季节成分。然后将季节成分从时间序列中分离出去，即用每一个时间序列观察值除以相应的季节指数，以消除季节性；

第二步：建立预测模型并进行预测。对消除了季节成分的时间序列建立适当的预测模型，并根据这一模型进行预测；

第三步：计算最后的预测值。用预测值乘以相应的季节指数，得到最终的预测值。

其中第一步中所述的确定并分离季节成分的具体方法是采用季节性因素分析，即通过季节指数来表示各年的季节成分，以此描述各年的季节变动模式，具体如下：

1)计算季节指数(seasonal index)

季节指数刻画了序列在一个年度内各月或各季度的典型季节特征。在乘法模型中，季节指数以其平均数等于100％为条件而构成的，反映了某一月份或季度的数值占全年平均值的大小。若现象的发展没有季节变动，则各期的季节指数应等于100％；若某一月份或季度有明显的季节变化，则各期的季节指数应大于或小于100％。因此，季节变动的程度是根据各季节指数与其平均数(100％)的偏差程度来测定的。

季节指数计算方法较多，优选采用移动平均趋势剔除法，步骤为：

1.1)计算移动平均值(若是季节数据，采用4项移动平均，月份数据则采用12项移动平均)，并对其结果进行中心化处理，即将移动平均的结果再进行一次二项移动平均，即得出中心化移动平均值(CMA)。

1.2)计算移动平均的比值，即季节比率，即将序列的各观察值除以相应的中心化移动平均值，然后计算出各比值的季度或月份平均值。

1.3)季节指数调整。由于各季节指数的平均数应应等于1或100％，若根据第二步计算的季节比率的平均值不等于1，则需要进行调整。具体方法：将第二步计算的每个季节比率的平均值除以它们的总平均值。

2)分离季节成分

计算出季节指数后，可将各实际观察值分别除以相应的季节指数，将季节成分从时间序列中分离出去：

结果即为季节成分分离后的序列，反映了在没有季节因素影响下时间序列的变化形态。

3)建立预测模型并进行预测。

将没有季节因素影响下时间序列使用小波分析的方法提取出主要频率特征作为预测模型中平稳时间序列成分T

步骤五：把通过算法模型得出的预测数据进行展示，利用“月发电量预测”、“年发电量预测”两个系统模块展示。

如图2所示为本发明所述预测系统的系统结构，包括：

1.后台采集子系统：其功能是与风电场功率预测服务器连接，通过104、modbus规约，从功率预测服务器上采集风速、实际发电量、风电场运行信息等数据；

2.数据层子系统：其功能是数据库服务器通过对采集到的数据进行去噪，修订处理，生成完成的数据表格，建立数据库，把建立好的数据库传输到发电量预测服务器中；

3.业务层子系统：其功能是发电预测服务器通过传输来的完整的数据库，建立时间序列预测算法模型，输出预测值；所述建立时间序列预测算法模型的内容即为上述步骤四所述的内容。

4.显示层子系统：其功能是通过发电量预测工作站，展示系统界面及数据，系统主要包括以下几大模块；发电量预测模块、数据统计模块、电场信息模块、系统管理功能模块。

(1)发电量预测模块

包括：月发电量预测、年发电量预测两个子模块。

功能：本模块由月发电量预测、年发电量预测两个子模块组成，主要展示电场未来12个月、次年的发电量预测数值，时间为可调，月发电量的数据为每一个月的10号预测出下个月的数据，年发电量数据为每年的10月初预测次年的整年发电量数据；

(2)电场信息模块

包括：电场运行信息、气象资源信息两个子模块。

功能：本模块由电场运行信息、气象资源信息两个子模块组成，其中电站运行信息子模块主要采集电场机组运行实时状态信息数据，如装机容量，正常运行机组数量，可调出力数据。可查看电站实时运行是否正常，有此运行信息后能在预测数值的基础上减去电场因突发故障，限电而损失的电量，最终得出新的预测数值。

气象资源信息子模块主要是展示从功率预测服务器上采集到的电站实时气象数据、未来气象数据。

(3)数据统计模块

包括：实发电量与预测电量对比、电场运行信息统计两个子模块。

功能：实发与预测电量对比子模块主要功能是可调时间段内，电站的实际发电量与预测发电量的数据对比，并计算预测准确率。

电场运行信息统计子模块主要功能是可调时间段内，电站的运行状态数据评价，可供用户直观的查看电站运行状态的数据对比。

(4)系统管理模块

包括：用户管理、角色管理两个子模块。

功能：为满足国家电力系统二次安防要求，对系统进行账户的三权分立，用户管理子模块就是针对三权分立而创建，主要是对账户是否启用进行权限管理，设置账户是否有修改，查看，删除数据等权利；角色管理子模块主要是对账户菜单配置进行分配。

下面以某地的新能源风电中长期发电量预测项目实施情况作为本发明应用的具体实施例。

项目周期：2020年1月-2020年8月

项目目的：通过发电量预测系统，精准预测国电云南下属风电场的月、年的发电量数据，最终目的是用以辅助电力市场交易。

如图3所示为该项目的网络拓扑图，具体设备如下：

项目主要设备及型号表：

本项目实施方案：

此系统的发电量预测服务器、数据库服务器、工作站部署在发电站安全二区，与电站功率预测系统连接，通过104、modbus规约从功率预测系统中采集电站的实际发电量数据、电站运行信息数据信息、装机容量、电站可调出力数据、电站实时气象数据，经过数据处理，存储到数据库服务器中；

此系统增加了一台天气预报服务器，部署到安全三区，内部通过反向隔离器与发电量预测服务器连接，外部通过Internet连接我司气象数据中心，获取气象预测数据，最后通过反向隔离器传输给数据库服务器；

发电量预测服务器向数据库服务器获取内、外部所需的参数数据，通过服务器内的时间序列预测算法模型文件，进行数据的计算；

最后通过发电量预测工作站进行数据展示。

该项目中系统自动采集新能源电场机组运行信息数据、每日的实发电量数据、电站所在区域气象资源数据(风速、光照)，并形成数据库，进行数据的存储，比现有需要手动输入计算参数数据，录入效率提高了将近90％。

该项目系统实现了计算机自动计算预测发电量数据的功能，结合数据库中的场站参数、气象数据，快速而精确的计算出场站在未来的出力情况，年发电量预测精度能达到95％及以上。

该项目系统实现了精确预测新能源电站发电能力的功能，在新能源电站参与电力市场交易时提供基础数据，辅助电力交易，为电站带来可观的效益。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。