本發(fā)明屬于風電功率預測，尤其涉及一種考慮氣象條件及流體力學的風電功率預測方法及系統(tǒng)。

背景技術：

1、風能作為一種無污染、可廣泛利用的可再生能源，風電已成為電網(wǎng)的重要組成部分，在電力供應中發(fā)揮著重要作用。然而，由于風能的隨機性和有限的可預測性，風電成為間歇性電源，對電力系統(tǒng)的安全穩(wěn)定運行提出了重大挑戰(zhàn)。

2、精確的風電功率預測（wind?power?prediction,?wpp）對于電力系統(tǒng)的安全穩(wěn)定運行至關重要。然而，傳統(tǒng)的物理風電功率預測方法仍然面臨著過高的計算復雜度，無法滿足wpp的實時需求，而數(shù)據(jù)驅動方法需要大量的風電場運行數(shù)據(jù)，在新建風電場的適用性受到限制。

技術實現(xiàn)思路

1、本發(fā)明提供一種考慮氣象條件及流體力學的風電功率預測方法及系統(tǒng)，用于解決現(xiàn)有風電功率預測方案無法滿足風電功率預測實時需求和新建風電場的適用性要求的技術問題。

2、第一方面，本發(fā)明提供一種考慮氣象條件及流體力學的風電功率預測方法，包括：

3、根據(jù)雷諾平均納維-斯托克斯方程和標準湍流模型生成數(shù)值模擬樣本數(shù)據(jù)；

4、根據(jù)所述數(shù)值模擬樣本數(shù)據(jù)構建風電功率曲線數(shù)據(jù)庫，并根據(jù)風能轉換的原理，基于所述風電功率曲線數(shù)據(jù)庫中風電機組的輸出功率曲線生成風電機組的輸出功率樣本數(shù)據(jù)；

5、構建基于貝葉斯深度學習的風電場氣象預測模型，根據(jù)歷史運行數(shù)據(jù)、粗糙度數(shù)據(jù)、地形條件數(shù)據(jù)和nwp數(shù)據(jù)，預測風速數(shù)據(jù)和湍流強度數(shù)據(jù)；

6、構建基于貝葉斯深度學習的風機功率預測模型，根據(jù)歷史運行數(shù)據(jù)、所述風電場氣象預測模型預測的風速數(shù)據(jù)和湍流強度數(shù)據(jù)，預測風機的輸出功率。

7、第二方面，本發(fā)明提供一種考慮氣象條件及流體力學的風電功率預測系統(tǒng)，包括：

8、生成模塊，配置為構建基于計算流體力學的數(shù)值模擬數(shù)據(jù)庫，根據(jù)雷諾平均納維-斯托克斯方程和標準湍流模型生成數(shù)值模擬樣本數(shù)據(jù)；

9、構建模塊，配置為根據(jù)所述數(shù)值模擬樣本數(shù)據(jù)構建風電功率曲線數(shù)據(jù)庫，并根據(jù)風能轉換的原理，基于風電機組的輸出功率曲線生成風電機組的輸出功率樣本數(shù)據(jù)；

10、第一預測模塊，配置為構建基于貝葉斯深度學習的風電場氣象預測模型，根據(jù)歷史運行數(shù)據(jù)、粗糙度數(shù)據(jù)、地形條件數(shù)據(jù)和nwp數(shù)據(jù)，預測風速數(shù)據(jù)和湍流強度數(shù)據(jù)；

11、第二預測模塊，配置為構建基于貝葉斯深度學習的風機功率預測模型，根據(jù)歷史運行數(shù)據(jù)、所述風電場氣象預測模型預測的風速數(shù)據(jù)和湍流強度數(shù)據(jù)，預測風機的輸出功率。

12、第三方面，提供一種電子設備，其包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明任一實施例的考慮氣象條件及流體力學的風電功率預測方法的步驟。

13、第四方面，本發(fā)明還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述程序指令被處理器執(zhí)行時，使所述處理器執(zhí)行本發(fā)明任一實施例的考慮氣象條件及流體力學的風電功率預測方法的步驟。

14、本申請的考慮氣象條件及流體力學的風電功率預測方法及系統(tǒng)，基于計算流體力學和風電功率曲線構建數(shù)據(jù)庫，為預測提供了更真實、信息豐富的先驗知識并使其適用于新建風電場，利用貝葉斯深度學習進行風電場氣象預測和風機功率預測，具有概率可解釋性、風電場復雜地形分布的不確定性建模以及優(yōu)異的數(shù)據(jù)利用效率等顯著優(yōu)勢。利用隨機變分推理基于風電場的實際運行數(shù)據(jù)對模型進行參數(shù)更新并定期保存，實現(xiàn)模型的自適應更新并應用于風電場的整個生命周期，避免了冗雜的物理計算，有利于滿足風電功率預測的實時需求和電力系統(tǒng)的安全穩(wěn)定運行要求。

技術特征：

1.一種考慮氣象條件及流體力學的風電功率預測方法，其特征在于，包括：

2.根據(jù)權利要求1所述的一種考慮氣象條件及流體力學的風電功率預測方法，其特征在于，在根據(jù)歷史運行數(shù)據(jù)、所述風電場氣象預測模型預測的風速數(shù)據(jù)和湍流強度數(shù)據(jù)，預測風機的輸出功率之后，所述方法還包括：

3.根據(jù)權利要求1所述的一種考慮氣象條件及流體力學的風電功率預測方法，其特征在于，所述根據(jù)雷諾平均納維-斯托克斯方程和標準湍流模型生成數(shù)值模擬樣本數(shù)據(jù)包括：

4.根據(jù)權利要求1所述的一種考慮氣象條件及流體力學的風電功率預測方法，其特征在于，所述根據(jù)所述數(shù)值模擬樣本數(shù)據(jù)構建風電功率曲線數(shù)據(jù)庫，并根據(jù)風能轉換的原理，基于所述風電功率曲線數(shù)據(jù)庫中風電機組的輸出功率曲線生成風電機組的輸出功率樣本數(shù)據(jù)包括：

5.根據(jù)權利要求1所述的一種考慮氣象條件及流體力學的風電功率預測方法，其特征在于，所述構建基于貝葉斯深度學習的風電場氣象預測模型，根據(jù)歷史運行數(shù)據(jù)、粗糙度數(shù)據(jù)、地形條件數(shù)據(jù)和nwp數(shù)據(jù)，預測風速數(shù)據(jù)和湍流強度數(shù)據(jù)包括：

6.根據(jù)權利要求1所述的一種考慮氣象條件及流體力學的風電功率預測方法，其特征在于，所述構建基于貝葉斯深度學習的風機功率預測模型，根據(jù)歷史運行數(shù)據(jù)、所述風電場氣象預測模型預測的風速數(shù)據(jù)和湍流強度數(shù)據(jù)，預測風機的輸出功率包括：

7.一種考慮氣象條件及流體力學的風電功率預測系統(tǒng)，其特征在于，包括：

8.一種電子設備，其特征在于，包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行權利要求1至6任一項所述的方法。

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述程序被處理器執(zhí)行時實現(xiàn)權利要求1至6任一項所述的方法。

技術總結
本發(fā)明公開了一種考慮氣象條件及流體力學的風電功率預測方法及系統(tǒng)，方法包括：根據(jù)數(shù)值模擬樣本數(shù)據(jù)構建風電功率曲線數(shù)據(jù)庫，并根據(jù)風能轉換的原理，基于風電功率曲線數(shù)據(jù)庫中風電機組的輸出功率曲線生成風電機組的輸出功率樣本數(shù)據(jù)；構建基于貝葉斯深度學習的風電場氣象預測模型，根據(jù)歷史運行數(shù)據(jù)、粗糙度數(shù)據(jù)、地形條件數(shù)據(jù)和NWP數(shù)據(jù)，預測風速數(shù)據(jù)和湍流強度數(shù)據(jù)；構建基于貝葉斯深度學習的風機功率預測模型，根據(jù)歷史運行數(shù)據(jù)、風電場氣象預測模型預測的風速數(shù)據(jù)和湍流強度數(shù)據(jù)，預測風機的輸出功率。避免了冗雜的物理計算，有利于滿足風電功率預測的實時需求和電力系統(tǒng)的安全穩(wěn)定運行要求。

技術研發(fā)人員：吳康,趙偉哲,匡德興,饒臻,李佳,喬穎
受保護的技術使用者：國網(wǎng)江西省電力有限公司電力科學研究院
技術研發(fā)日：
技術公布日：2025/1/20