風功率預測系統(tǒng)

預測原理
風電功率預測的原理是根據(jù)風電場的地理數(shù)據(jù)、歷史測風數(shù)據(jù)、風電機組坐
標、風電機組工況等數(shù)據(jù)，應(yīng)用計算流體動力學理論方法，建立風場的模擬風流
模型。以氣象數(shù)據(jù)、中尺度數(shù)值天氣預報、風電機組運行狀態(tài)等作為模型的輸入，進行模擬計算以及時頻調(diào)和分析和神經(jīng)網(wǎng)絡(luò)訓練，得到風電場未來的輸出功率。
超短期預測技術(shù)需要在短期模型基礎(chǔ)上，加上測風塔的實時數(shù)據(jù)修正，以提高預測準確度。

技術(shù)優(yōu)勢
風電功率預測的原理已經(jīng)在業(yè)內(nèi)形成比較一致的認識。首先，要建立目標地區(qū)的中尺度數(shù)值天氣預報的模型，獲得目標地區(qū)的高質(zhì)量衛(wèi)星云圖，再以衛(wèi)星云圖作為輸入，通過超級計算機進行海量運算，得到該地區(qū)的中尺度數(shù)值天氣預報。第二步，建立目標地區(qū)的風電場微尺度的數(shù)值模型，再以中尺度數(shù)值天氣預報為輸入，經(jīng)過海量計算得到該風電場的輸出功率預測曲線。第三步，結(jié)合風電場的實際出力狀況，利用人工智能神經(jīng)網(wǎng)絡(luò)，對模型進行參數(shù)修正，得到誤差可以接受的風電功率預測模型系統(tǒng)。

步 建立中尺度數(shù)值天氣預報模型
建立目標地區(qū)的中尺度模型，獲得中尺度數(shù)值天氣預報。
技術(shù)可以選擇運用 21 種以上的中尺度模型進行模擬計算，從中遴選出準確率高，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 建立風電場微尺度數(shù)值模型
目標地區(qū)的風電場微尺度數(shù)值模型的建立方法。技術(shù)是使用計算流體動力學方法(CFD)進行風流建模，專門為解決大氣邊界層問題而專門研究的高度復雜的非線性技術(shù)。
計算流體動力學（CFD）是指借助計算機模擬實際流體，使分析者在沒有測量流體變量工具幫助的情況下，仿真和了解所給地點的流體流動。CFD 技術(shù)具有功
能強大的應(yīng)用模塊，可以將多個測風塔以及每個測風塔不同高度的風流數(shù)據(jù)載入軟件當中進行綜合分析與計算，是風資源計算的一種有效工具，國外風電領(lǐng)域的大型開發(fā)商、咨詢公司及風機制造商很多采用此此項技術(shù)進行風工程計算。
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；定義測風點以及結(jié)果點（測風塔、風電機位置…）。
（2）定向計算
按照一系列風向進行模擬計算獲得定向結(jié)果，可以得知風電場空間任一點處的風流情況（加速因數(shù)，湍流強度，入流角…）并可進行可視化，同時也可以在點處可視化相對應(yīng)的風廓線并得到相應(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)修正模型是指對已經(jīng)建成的物理風流模型的部分參數(shù)，運用統(tǒng)計學原理進行修正。
計算機神經(jīng)網(wǎng)絡(luò)是一種模擬人類實際神經(jīng)網(wǎng)絡(luò)的數(shù)學方法。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)細胞為基礎(chǔ)的生物模型。在人們對生物神經(jīng)系統(tǒng)進行研究，以探討人工智能的機制時，把神經(jīng)元數(shù)學化，從而產(chǎn)生了神經(jīng)元數(shù)學模型。
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)是一個高度非線性動力學系統(tǒng)。雖然，每個神經(jīng)元的結(jié)構(gòu)和功能都不復雜，但是神經(jīng)網(wǎng)絡(luò)的動態(tài)行為則是十分復雜的；因此，用神經(jīng)網(wǎng)絡(luò)可以表達實際物理的各種現(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)拓撲、節(jié)點特點和學習規(guī)則來表示。此項技術(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，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電信號時頻調(diào)和分析模型和隨機序列分析模型。*的計算機人人工神經(jīng)網(wǎng)絡(luò)技術(shù)，可以保證針對各種不同類型的風電場。