[发明专利]一种基于风电功率预测的风电水电协同运行可视化方法

摘要

一种基于风电功率预测的风电水电协同运行可视化方法。本发明提出了基于K近邻算法的风电功率预测模型，并将模型应用到了风水协同运行中，通过python语言实现，提高了协同运行系统精度和准确性，直观显示风电、水电的具体数值以及走向趋势；与点线标记技术相结合，方便调度人员对重点数据内容进行标注、分析；与指针表盘技术相结合，实现了指定节点风电、水电调度状况指标显示，方便调度人员或研究人员对风水协同运行实时状况进行评判，从而找到最优调度方案。

主权项

1.一种考虑风电功率预测的风电水电协同运行可视化方法，其特征在于，包括：步骤1：采集风电场数值天气数据，采样时间间隔15min；选取前D天的风电功率数据及相应时间点的风速，风向等数值天气数据进行统计分析，并进行归一化处理；考虑到风向数据并不能直接反映风吹来的方向与风电功率的关系，所以考虑取风向数据的正余弦值，在同一地区，气象数据与风电功率输出数据存在周期性，这是利用统计方法通过历史数据预测未来风电功率的理论基础；步骤2：建立基于K近邻算法预测模型，将归一化数据导入模型，建立历史数据观测点，本算例在实际数据应用中仅考虑风速v和风向θ的正余弦sinθ和cosθ，该模型的风电功率预测和三个数值天气数据相关联，故搭建三维历史数据观测模型(v, sinθ, cosθ | P_o)，并将风功率值投射到平面坐标系内，其中P_o为历史风电场风电输出功率；步骤3：根据格式化后的数值天气预报数据，计算其与历史数据因素的相关理论距离，并对距离进行最近排序，取k个最临近数据，k个P_o取平均即为未来某一时间点，基于当时天气预测数据的风电功率预测值P_w；步骤4：在获得全部预测风电功率后，与相应时间点的实际风电功率输出数据对照，进行误差分析，通常我们采用标准平均误差(NMAE)、标准均方根误差(NRMSE)等来评估风功率预测效果；步骤5：根据以上步骤获得风电功率预测数据，并作相应的水电输出计划P_H；步骤6：将上述各项功率值反归一化，还原成实际功率值；步骤7：建立风电水电协同运行可视化服务器，后端采用Python语言编写，前端采用javascript，html编写。