風(fēng)功率預(yù)測(cè)系統(tǒng)

預(yù)測(cè)原理
風(fēng)電功率預(yù)測(cè)的原理是根據(jù)風(fēng)電場(chǎng)的地理數(shù)據(jù)、歷史測(cè)風(fēng)數(shù)據(jù)、風(fēng)電機(jī)組坐
標(biāo)、風(fēng)電機(jī)組工況等數(shù)據(jù)，應(yīng)用計(jì)算流體動(dòng)力學(xué)理論方法，建立風(fēng)場(chǎng)的模擬風(fēng)流
模型。以氣象數(shù)據(jù)、中尺度數(shù)值天氣預(yù)報(bào)、風(fēng)電機(jī)組運(yùn)行狀態(tài)等作為模型的輸入，進(jìn)行模擬計(jì)算以及時(shí)頻調(diào)和分析和神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到風(fēng)電場(chǎng)未來的輸出功率。
超短期預(yù)測(cè)技術(shù)需要在短期模型基礎(chǔ)上，加上測(cè)風(fēng)塔的實(shí)時(shí)數(shù)據(jù)修正，以提高預(yù)測(cè)準(zhǔn)確度。

技術(shù)優(yōu)勢(shì)
風(fēng)電功率預(yù)測(cè)的原理已經(jīng)在業(yè)內(nèi)形成比較一致的認(rèn)識(shí)。首先，要建立目標(biāo)地區(qū)的中尺度數(shù)值天氣預(yù)報(bào)的模型，獲得目標(biāo)地區(qū)的高質(zhì)量衛(wèi)星云圖，再以衛(wèi)星云圖作為輸入，通過超級(jí)計(jì)算機(jī)進(jìn)行海量運(yùn)算，得到該地區(qū)的中尺度數(shù)值天氣預(yù)報(bào)。第二步，建立目標(biāo)地區(qū)的風(fēng)電場(chǎng)微尺度的數(shù)值模型，再以中尺度數(shù)值天氣預(yù)報(bào)為輸入，經(jīng)過海量計(jì)算得到該風(fēng)電場(chǎng)的輸出功率預(yù)測(cè)曲線。第三步，結(jié)合風(fēng)電場(chǎng)的實(shí)際出力狀況，利用人工智能神經(jīng)網(wǎng)絡(luò)，對(duì)模型進(jìn)行參數(shù)修正，得到誤差可以接受的風(fēng)電功率預(yù)測(cè)模型系統(tǒng)。

步 建立中尺度數(shù)值天氣預(yù)報(bào)模型
建立目標(biāo)地區(qū)的中尺度模型，獲得中尺度數(shù)值天氣預(yù)報(bào)。
技術(shù)可以選擇運(yùn)用 21 種以上的中尺度模型進(jìn)行模擬計(jì)算，從中遴選出準(zhǔn)確率高，穩(wěn)定度好的模型。在不同的地區(qū)、不同的地形、以及不同的季節(jié)所適用的中尺度模型是不同的，有的時(shí)候，根據(jù)需要，將幾種模型加以組合才能得到比較滿意的結(jié)果。
第二步 建立風(fēng)電場(chǎng)微尺度數(shù)值模型
目標(biāo)地區(qū)的風(fēng)電場(chǎng)微尺度數(shù)值模型的建立方法。技術(shù)是使用計(jì)算流體動(dòng)力學(xué)方法(CFD)進(jìn)行風(fēng)流建模，專門為解決大氣邊界層問題而專門研究的高度復(fù)雜的非線性技術(shù)。
計(jì)算流體動(dòng)力學(xué)（CFD）是指借助計(jì)算機(jī)模擬實(shí)際流體，使分析者在沒有測(cè)量流體變量工具幫助的情況下，仿真和了解所給地點(diǎn)的流體流動(dòng)。CFD 技術(shù)具有功
能強(qiáng)大的應(yīng)用模塊，可以將多個(gè)測(cè)風(fēng)塔以及每個(gè)測(cè)風(fēng)塔不同高度的風(fēng)流數(shù)據(jù)載入軟件當(dāng)中進(jìn)行綜合分析與計(jì)算，是風(fēng)資源計(jì)算的一種有效工具，國(guó)外風(fēng)電領(lǐng)域的大型開發(fā)商、咨詢公司及風(fēng)機(jī)制造商很多采用此此項(xiàng)技術(shù)進(jìn)行風(fēng)工程計(jì)算。
CFD 技術(shù)的工作原理：
（1）工程地形描述
包括載入地形數(shù)據(jù)（地形與粗糙度）；定義繪圖區(qū)域；定義測(cè)風(fēng)點(diǎn)以及結(jié)果點(diǎn)（測(cè)風(fēng)塔、風(fēng)電機(jī)位置…）。
（2）定向計(jì)算
按照一系列風(fēng)向進(jìn)行模擬計(jì)算獲得定向結(jié)果，可以得知風(fēng)電場(chǎng)空間任一點(diǎn)處的風(fēng)流情況（加速因數(shù)，湍流強(qiáng)度，入流角…）并可進(jìn)行可視化，同時(shí)也可以在點(diǎn)處可視化相對(duì)應(yīng)的風(fēng)廓線并得到相應(yīng)的結(jié)果。
第三步 人工智能神經(jīng)網(wǎng)絡(luò)修正
人工智能神經(jīng)網(wǎng)絡(luò)修正模型是指對(duì)已經(jīng)建成的物理風(fēng)流模型的部分參數(shù)，運(yùn)用統(tǒng)計(jì)學(xué)原理進(jìn)行修正。
計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)是一種模擬人類實(shí)際神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)方法。神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)在于神經(jīng)元。神經(jīng)元是以生物神經(jīng)系統(tǒng)的神經(jīng)細(xì)胞為基礎(chǔ)的生物模型。在人們對(duì)生物神經(jīng)系統(tǒng)進(jìn)行研究，以探討人工智能的機(jī)制時(shí)，把神經(jīng)元數(shù)學(xué)化，從而產(chǎn)生了神經(jīng)元數(shù)學(xué)模型。
大量的形式相同的神經(jīng)元連結(jié)在一起就組成了神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一個(gè)高度非線性動(dòng)力學(xué)系統(tǒng)。雖然，每個(gè)神經(jīng)元的結(jié)構(gòu)和功能都不復(fù)雜，但是神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)行為則是十分復(fù)雜的；因此，用神經(jīng)網(wǎng)絡(luò)可以表達(dá)實(shí)際物理的各種現(xiàn)象。神經(jīng)網(wǎng)絡(luò)模型是以神經(jīng)元的數(shù)學(xué)模型為基礎(chǔ)來描述的。神經(jīng)網(wǎng)絡(luò)模型由網(wǎng)絡(luò)拓?fù)?、?jié)點(diǎn)特點(diǎn)和學(xué)習(xí)規(guī)則來表示。此項(xiàng)技術(shù)在人工智能網(wǎng)絡(luò)數(shù)據(jù)挖掘方面的應(yīng)用積累了豐富的經(jīng)驗(yàn)，擁有 20 種以上的人工神經(jīng)網(wǎng)絡(luò)的模型，在這些模型中選擇適用的風(fēng)電信號(hào)時(shí)頻調(diào)和分析模型和隨機(jī)序列分析模型。*的計(jì)算機(jī)人人工神經(jīng)網(wǎng)絡(luò)技術(shù)，可以保證針對(duì)各種不同類型的風(fēng)電場(chǎng)。