(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111478283.7 (22)申请日 2021.12.0 6 (71)申请人 国能重庆风电开发有限公司 地址 409109 重庆市石柱土家族自治县 沙 子镇卧龙村庙坝组 (72)发明人 代勇　姜凤杨　雍焕　 (74)专利代理 机构 北京中南长风知识产权代理 事务所(普通 合伙) 11674 代理人 穆丽红 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) H02J 3/00(2006.01) (54)发明名称 一种基于高原山地多元气象新能源发电功 率预测优化方法 (57)摘要 本发明公开了一种基于高原山地风电多元 气象组合对区域电网新能源发电功率预测优化 方法， 包括： S1， 建立基于RBF神经网络的风力发 电功率预测基础模型； S2， 基于所述预测基础模 型进行风电场发电机组第一分区精细化模型； S3， 基于所述预测基础模型进行风电场发电机组 第二分区精细化模型； 以及S4， 基于所述风电场 发电机组第一分区精细化模型以及所述风电场 发电机组第二分区精细化模型进行新能源发电 功率预测。 还公开了对应的系统、 电子设备以及 计算机可读存储介质， 实现基于RBF神经网络的 风力发电功率预测基础模型， 并依据天气类型对 风力发电功率预测分别进行建模， 以针对高原山 地以及多元气象组合进行发电功率预测优化。 权利要求书4页 说明书11页 附图2页 CN 114418167 A 2022.04.29 CN 114418167 A 1.一种基于 高原山地风电多元气象组合对区域电网新 能源发电功率预测优化方法， 其 特征在于， 包括： S1， 建立基于RBF神经网络的风力发电功率预测基础模型； S2， 基于所述预测基础模型建立 风电场发电机组第一分区精细化模型； S3， 基于所述预测基础模型建立 风电场发电机组第二分区精细化模型； 以及 S4， 基于所述风电场发电机组第 一分区精细化模型以及所述风电场发电机组第 二分区 精细化模型进行新能源发电功率预测。 2.根据权利要求1所述的一种基于 高原山地风电多元气象组合对区域电网新 能源发电 功率预测优化方法， 其特 征在于， 所述S1包括： S11， 进行新能源场站样本的归一 化处理， 包括： (1)风向归一化： 风向的度数把圆周分为360度， 将正北方向确定为0度， 取风向的正弦 和余弦作为 风向的归一 化值； (2)温度归一化： 针对高原山地地区的温度与一般大气环境的温度变化规律不同且昼 夜温差大， 选取S型函数对温度数据进行归一 化， 公式如下： (3)多元气象组合数据归一 化， 采用如下公式完成： 其中， pn为输入的原始数据， pmin和pmax为p的最小值和最大值， Pn为归一化后的目标数 据； S12， 进行RBF神经网络的层次设计， 包括： (1)进行灰色关联度分析， 确定数据关联性以及发电功率的影响因素； (2)选择输入量： 对于风电场发电机组第一分区精细化模型输入层输入量包括： 预测日 前一日风力正弦、 风力余弦、 风力大小、 温度、 预测时间点对应前一日时间点的功 率、 预测日 的风力正弦、 风力余弦、 风力大小、 温度； 对于风电场 发电机组第二分区精细化模型输入层 输入量包括： 天气类型， 所述天气类型分为三类： 阴天、 晴天、 雨天， 划分标准以主要天气为 准， 将风力发电的相关数据按照三个类型进 行划分， 分为三组数据， 分别训练晴天、 阴天、 雨 天的风能功率预测模型， 对于风能功率预测模型的输入量只需要预测目的光照强度、 温度； (3)确定隐藏层节点数： 根据循环试凑方法， 选定风电场发电机组第一分区精细化模型 的隐藏层节点数为12， 风电场发电机组第二分区精细化模型的隐藏层节点数为9； (4)确定输出层节点： 风电场发电机组第一分区精细化模型的输出为预测时间点的功 率值； 风电场发电机组第二分区精细化模型的输出为预测时间点的功率 值。 3.根据权利要求2所述的一种基于 高原山地风电多元气象组合对区域电网新 能源发电 功率预测优化方法， 其特 征在于， 所述灰色 关联分析的具体实现步骤如下： 步骤1、 确定反映系统行为特征的参考数列和影响系统行为的比较数列； 在电场的历史 数据分析中， 输出功率 为参考数列， 风速、 风向、 温度、 湿度和压力为比较数列； 步骤2、 对于参 考数列和比较数列进行 无量纲化处 理； 步骤3、 求 参考数列与比较数列的灰色 关联系数， 关联系数的计算公式如下：权　利　要　求　书 1/4 页 2 CN 114418167 A 2其中， ξ0i为参考数列x0与比较数列xi之间的关联系数； ρ 为分辨系数， 一般在0～1之间， 通常取0.5； Δ0i(k)为比较数列xi曲线上的每一个点与参考数列x0曲线上的每一个点的绝 对差值； 步骤4、 求关联度， 将各个时刻， 即曲线中的各点的关联系数集中为一个值， 即求其平均 值， 作为比较数列 与参考数列间关联程度的数量表示， 关联度的计算公式如下公式所示： 其中， r0i为比较数列xi与参考数列x0曲线的灰色关联度， r0i越接近1， 相关性越好； 因素 间的关联程度， 用关联度的大小次序描述， 而不仅是关联度的大小； 若r0i＞r0j， 则说明比较 序列xi对参考序列的影响大于比较序列xj对参考序列的影响； 通 过灰色关联分析， 将对功率 有影响的各个指标按照影响程度从大到小的顺序进行排列， 并根据关联度的大小来选取功 率预测建模 采用的参数。 4.根据权利要求1所述的一种基于 高原山地风电多元气象组合对区域电网新 能源发电 功率预测优化方法， 其特 征在于， 所述S2包括： 针对地形复杂、 局地气象不同一、 部分风机尾流效应较大等一系列复杂电场， 经过先进 的智能方法， 对风电场进行合理化分区， 将风场的风力发电机组按照一定的策略进行合理 的分组， 然后对每个群组分别建立功 率预测模型， 最后再将各群组的结果相加， 得到整场的 功率预测模型。 5.根据权利要求1所述的一种基于 高原山地风电多元气象组合对区域电网新 能源发电 功率预测优化方法， 其特征在于， 所述S3包括： 依据现场分布区域， 将大的区域按地形和地 理位置隔成几个小的区域， 针对单个小的区域进行数值天气预报选点， 同时将整场的并网 功率， 分隔成按照划分区域而定的相应实际出力值； 针对单个区域便可以建立辐照度 ‑功率 曲线模型， 最后将各个区域的预测功率 折算成整场的预测功率。 6.根据权利要求1所述的一种基于 高原山地风电多元气象组合对区域电网新 能源发电 功率预测优化方法， 其特 征在于， 所述S4包括： S41， 抽取历史功率信息和当前数值天气预报信息作为特征， 对所述当前数值天气预报 信息进行混合数据同化； S42， 利用物理方法和数据挖掘统计方法对风电场的功率进行预测， 得到多组预测结 果； S43， 利用组合预测方法对所述多组预测结果进行综合， 得到性能更优更稳定的功率预 报结果。 S44， 对短期功率预测结果进行概 率预测， 提供功率预测结果的误差上 下界。 S45， 对预测结果性能进行分析， 自适应的更新所有的预测模型的参数， 从而得到准确 预报结果。 7.根据权利要求6所述的一种基于 高原山地风电多元气象组合对区域电网新 能源发电 功率预测优化方法， 其特征在于， 所述步骤S4 1中所述当前数值 天气预报信息为高精度数值权　利　要　求　书 2/4 页 3 CN 114418167 A 3