本發(fā)明風電技術領域，具體地講，涉及一種風電場的預測風速校正方法及裝置。

背景技術：

風電場全場風速的仿真計算關系到整場的機型選擇以及發(fā)電量的評估，也直接決定了風電場的經濟效益。隨著風電場的開發(fā)越來越向地形及氣象條件更加復雜的山區(qū)移動，原有流體模型，如wt、windsim、wasp等計算的風電場風速和發(fā)電量的偏差也越來越大，在一些風電場中，風速的計算偏差甚至能夠高達20％以上，這給風電場的開發(fā)者帶來巨大的經濟損失。

技術實現(xiàn)要素：

本發(fā)明提供了一種風電場的預測風速校正方法及裝置，利用風速計算偏差與多個影響因子之間的關系對風電場的預測風速進行校正，解決了現(xiàn)有流體模型計算風電場風速不準確的問題。

本發(fā)明的一方面提供了風電場的預測風速校正方法，所述校正方法包括：分別建立多個現(xiàn)有風電場的風速偏差矩陣，其中，風速偏差表示現(xiàn)有風電場的目標測風塔的預測風速和實測風速之差；基于所述多個現(xiàn)有風電場的風速偏差矩陣建立風速偏差校正模型庫，所述風速偏差校正模型庫包括多個與所述現(xiàn)有風電場對應的風速偏差校正模型，其中，所述風速偏差校正模型表示現(xiàn)有風電場的風速偏差與等效因子之間的關系；確定目標風電場的相關參數(shù)，并根據(jù)該相關參數(shù)在所述風速偏差校正模型庫中確定匹配的風速偏差校正模型，進而根據(jù)確定的風速偏差校正模型對目標風電場的預測風速進行校正。

優(yōu)選地，所述根據(jù)確定的風速偏差校正模型對目標風電場的預測風速進行校正包括：根據(jù)確定的風速偏差校正模型得到目標風電場的風速偏差；將所述目標風電場的風速偏差疊加到通過流體模型計算出的目標風電場的預測風速上，得到校正后的目標風電場的預測風速。

優(yōu)選地，所述根據(jù)確定的風速偏差校正模型得到目標風電場的風速偏差包括：根據(jù)確定的風速偏差校正模型得到用于計算等效因子的一個或多個影響因子；根據(jù)所述一個或多個影響因子計算所述目標風電場的等效因子；基于所述目標風電場的等效因子以及確定的風速偏差校正模型得到目標風電場的風速偏差。

優(yōu)選地，所述根據(jù)確定的風速偏差校正模型得到目標風電場的風速偏差還包括：確定所述得到的目標風電場的風速偏差是否滿足預定約束條件，如果所述得到的目標風電場的風速偏差滿足所述預定約束條件，則將所述目標風電場的風速偏差疊加到通過流體模型計算出的目標風電場的預測風速上，得到校正后的目標風電場的預測風速。

優(yōu)選地，根據(jù)現(xiàn)有風電場中除所述目標測風塔外的一個或一個以上測風塔的測風數(shù)據(jù)推測得到所述目標測風塔的預測風速。

優(yōu)選地，所述相關參數(shù)至少包含風電場的所處區(qū)域、氣象條件、地形條件其中之一。

本發(fā)明的另一方面提供了一種風電場的預測風速校正裝置，所述校正裝置包括：偏差求取程序模塊，用于分別建立多個現(xiàn)有風電場的風速偏差矩陣，其中，風速偏差表示現(xiàn)有風電場的目標測風塔的預測風速和實測風速之差；模型建立程序模塊，用于基于所述多個現(xiàn)有風電場的風速偏差矩陣建立風速偏差校正模型庫，所述風速偏差校正模型庫包括多個與所述現(xiàn)有風電場對應的風速偏差校正模型，其中，所述風速偏差校正模型表示現(xiàn)有風電場的風速偏差與等效因子之間的關系；風速校正程序模塊，用于確定目標風電場的相關參數(shù)，并根據(jù)該相關參數(shù)在所述風速偏差校正模型庫中確定匹配的風速偏差校正模型，進而根據(jù)確定匹配的風速偏差校正模型對目標風電場的預測風速進行校正。

優(yōu)選地，風速校正程序模塊包括：偏差計算程序模塊，根據(jù)確定的風速偏差校正模型得到目標風電場的風速偏差；校正程序模塊，將所述目標風電場的風速偏差疊加到通過流體模型計算出的目標風電場的預測風速上，得到校正后的目標風電場的預測風速。

優(yōu)選地，偏差單元包括：影響因子計算程序模塊，根據(jù)確定的風速偏差校正模型得到用于計算等效因子的一個或多個影響因子；等效因子計算程序模塊，根據(jù)所述一個或多個影響因子計算所述目標風電場的等效因子；風速偏差計算程序模塊，基于所述目標風電場的等效因子以及確定的風速偏差校正模型得到目標風電場的風速偏差。

優(yōu)選地，偏差計算程序模塊還包括：約束條件程序模塊，確定所述得到的目標風電場的風速偏差是否滿足預定約束條件，其中，如果約束條件程序模塊確定所述得到的目標風電場的風速偏差滿足所述預定約束條件，則校正程序模塊將所述目標風電場的風速偏差疊加到通過流體模型計算出的目標風電場的預測風速上，得到校正后的目標風電場的預測風速。

優(yōu)選地，所述偏差求取程序模塊根據(jù)現(xiàn)有風電場中除所述目標測風塔外的一個或一個以上測風塔的測風數(shù)據(jù)推測得到所述目標測風塔的預測風速。

優(yōu)選地，所述相關參數(shù)至少包含風電場的所處區(qū)域、氣象條件、地形條件其中之一。

本發(fā)明的另一方面提供了一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器運行時，處理器執(zhí)行以下操作：

分別建立多個現(xiàn)有風電場的風速偏差矩陣，其中，風速偏差表示現(xiàn)有風電場的目標測風塔的預測風速和實測風速之差；

基于所述多個現(xiàn)有風電場的風速偏差矩陣建立風速偏差校正模型庫，所述風速偏差校正模型庫包括多個與所述現(xiàn)有風電場對應的風速偏差校正模型，其中，所述風速偏差校正模型表示現(xiàn)有風電場的風速偏差與等效因子之間的關系；

確定目標風電場的相關參數(shù)，并根據(jù)該相關參數(shù)在所述風速偏差校正模型庫中確定匹配的風速偏差校正模型，進而根據(jù)確定的風速偏差校正模型對目標風電場的預測風速進行校正。

本發(fā)明的另一方面提供了一種計算機設備，包括處理器和存儲計算機程序的存儲器，所述計算機程序被處理器運行時，處理器執(zhí)行如上所述風電場的預測風速校正方法。

在本發(fā)明中，利用風速計算偏差與多個影響因子之間的關系建立模型并對風電場預測風速進行校正，有效彌補了現(xiàn)有流體模型計算風電場風速的誤差問題。

附圖說明

通過以下結合附圖進行的描述，本發(fā)明的示例性實施例的以上和其他方面、特點和優(yōu)點將會更加清楚，在附圖中：

圖1示出根據(jù)本發(fā)明的實施例的一種風電場的預測風速校正方法的流程圖；

圖2示出根據(jù)本發(fā)明的實施例的用于根據(jù)確定匹配的風速偏差校正模型對目標風電場的預測風速進行校正的過程的流程圖；

圖3示出根據(jù)本發(fā)明的實施例的一種風電場的預測風速校正裝置的框圖；

圖4示出根據(jù)本發(fā)明的實施例的風速校正程序模塊的框圖；

圖5示出根據(jù)本發(fā)明的實施例的偏差計算程序模塊的框圖。

在附圖中，相同的標號將被理解為表示相同的元件、特征和結構。

具體實施方式

提供以下參照附圖的描述以幫助全面理解由權利要求及其等同物限定的本發(fā)明的示例性實施例。以下參照附圖的描述包括各種特定細節(jié)以幫助理解，但是所述特定細節(jié)將僅被視為示例性的。因此，本領域普通技術人員將意識到，在不脫離本發(fā)明的范圍和精神的情況下，可對這里描述的實施例進行各種改變和修改。此外，為了清晰和簡要，可省略公知功能和結構的描述。

在下文中，首先描述本發(fā)明涉及到的和風電場的風速計算偏差的校正方法相關的技術術語。

1.wt軟件

wt是美迪公司開發(fā)的一套專門用于微觀選址的cfd(computationalfluiddynamics)商業(yè)軟件，該軟件目前是風電領域內用于風資源分析的常用軟件。該軟件基于計算流體力學的原理對風電場進行風流模擬，由此得知風電場空間每一處的風流情況，進而可以評估出地形對風流造成的各種影響。

2.崎嶇指數(shù)rix(ruggednessindex)

rix地形復雜程度的定量描述。在某點以r為半徑的極坐標中，每條半徑線都可能與等高線相交，交點則把半徑線分為若干線段。用地形坡度超過關鍵坡度θ的線段總和，除以全部線段總和，即半徑線r的總和，就得到了崎嶇指數(shù)rix值。對于某一特定點來說，其rix值取決于三個參數(shù)：計算半徑r、關鍵坡度θ、半徑線數(shù)目n。一般地，計算半徑r取3.5km，關鍵坡度θ取0.3rad(約為17°)，半徑線數(shù)目n取72。如果rix等于0％，則說明地形坡度都小于0.3rad，如果rix大于0％，則說明部分地區(qū)的坡度大于0.3rad。

3.莫尼奧布霍夫長度mol(monin-obukhovlength)

mol是體現(xiàn)近地面層湍流切應力和浮力做功相對大小的長度尺度，常用來表示近地面層的整體穩(wěn)定度。計算公式為l＝-u*3cpp/kghr，式中：u*為摩擦速度，cp為比熱，p為大氣壓力，κ為馮卡門常數(shù)，g為重力加速度，h為運動熱通量，r為氣體常數(shù)。l數(shù)值為無窮大時表示中性大氣，l為正時表示穩(wěn)定大氣，l為負時表示不穩(wěn)定大氣，當然，還可依據(jù)數(shù)值的大小進行更細等級的劃分。

圖1是示出根據(jù)本發(fā)明的實施例的一種風電場的預測風速校正方法的流程圖。

如圖1所示，首先，在步驟s100，分別建立多個現(xiàn)有風電場的風速偏差矩陣，其中，風速偏差表示現(xiàn)有風電場的目標測風塔的預測風速和實測風速之差。具體地，選擇符合預定標準的現(xiàn)有風電場，根據(jù)選擇的現(xiàn)有風電場中的至少一個測風塔的實測風速和選擇的現(xiàn)有風電場的流體模型得到目標測風塔的至少一個預測風速。然后，根據(jù)目標測風塔的所述至少一個預測風速和實測風速計算風速偏差，并建立風速偏差矩陣。將在下面詳細描述選擇符合預定標準的現(xiàn)有風電場的過程。

根據(jù)本發(fā)明的實施例，由于流體模型計算結果失真嚴重的風電場地形都比較復雜，如海拔落差幾百米以上，山體走向多不一致，下墊面常有樹木、農田、水體、房屋等多種環(huán)境并存，還有一些地區(qū)地形不復雜但局地氣象條件變化劇烈，都導致流體模型預測結果的偏差較大。這些定性的經驗，可以幫助初步挑選出風速計算偏差可能較大的區(qū)域，從中進一步挑選實際偏差較大的風電場。另外，風電場實際的測風數(shù)據(jù)要足夠多，數(shù)據(jù)質量也要足夠好，在建立偏差矩陣時便可獲得足夠多的樣本及可信的校正方程并且也排除了由于數(shù)據(jù)質量問題而造成計算結果偏差大的情況。這樣，可以初步挑選出風速計算偏差可能較大的區(qū)域，并從中進一步挑選實際偏差較大的風電場。因此，可選擇流體模型計算結果失真嚴重、測風數(shù)據(jù)達到iec數(shù)據(jù)使用標準并且包含至少三個測風塔的風電場作為所選擇的符合預定標準的風電場。在本發(fā)明的以下實施例中，假設選擇符合以上預定標準的風電場m來進行風電場的預測風速的校正。

在選擇了符合預定標準的風電場m之后，還需要對所選風電場m的測風數(shù)據(jù)進行預處理，保證數(shù)據(jù)的有效率達到90％以上，并提取所有測風塔的同期數(shù)據(jù)作為風速序列備用。接下來，參考相近風電場或地形和氣象條件比較相似風電場的已有仿真參數(shù)較優(yōu)的選擇，確定選擇的現(xiàn)有風電場的流體模型的預測參數(shù)，并依次將除目標測風塔外的其余測風塔的風速序列放入所述流體模型中進行多塔互推綜合計算，可獲得所述流體模型對目標測風塔風速的預測結果。由于風電場通常場區(qū)范圍較大(>10平方公里)，而單個測風塔的覆蓋范圍一般僅為3公里，用單塔來推測整場風速，會造成較大的偏差。因此，使目標測風塔的預測風速值更接近真實情況并且獲取更多的目標測風塔的預測風速樣本，除了基于單個測風塔推測外，還可以基于多個測風塔對目標測風塔的預測風速進行綜合計算，每一次綜合計算都會得到一個目標測風塔風速的預測值。

根據(jù)本發(fā)明的實施例，在得到目標測風塔的預測風速后，可根據(jù)目標測風塔的預測風速和實測風速之間的風速偏差，構建風速偏差矩陣。參考下表計算得到偏差矩陣：

表1偏差矩陣示意圖

如上表1所示，其中，mn表示第n座測風塔，偏差矩陣包含了根據(jù)一座塔、兩座塔、三座塔…多座塔推測目標測風塔風速偏差的結果。假設現(xiàn)有風電場m中有x座測風塔，x≥3，其中，單塔推測表達式如下：

e(m,n)＝(v′m-vn)/vn

單塔推測表示根據(jù)第m座測風塔推測目標測風塔n所得的風速偏差，其中，v′m表示由第m座測風塔推測得到的第n座測風塔處的預測風速，vn表示第n座測風塔處的實測風速。如e(1,3)＝(v′1-v3)/v3表示第1座測風塔推測第3座測風塔所得的風速偏差，v′1表示由第1座測風塔推測得到的第3座測風塔處的預測風速，v3表示第3座測風塔處的實測風速。

多塔綜合推測表達式如下：

e(a&b&…g,h)＝(v′f-vh)/vh

多塔綜合推測表示根據(jù)第a、b…g座測風塔推測目標測風塔h所得的風速偏差，其中，v′f表示根據(jù)第a、b…g座測風塔的多塔綜合推測得到的第h座測風塔處的預測風速，vh表示第h座測風塔處的實測風速。例如，e(2&3&4,1)＝(v′f-v1)/v1表示根據(jù)第2、3、4座測風塔推測第1座測風塔處的預測風速所得的偏差，其中，v′f表示由第2、3、4座測風塔推測得到的第1座測風塔處的預測風速，v1表示第1座測風塔處的實測風速。

需要說明的是，對目標測風塔的預測風速進行綜合計算的方法可以有多種。例如，可以采用參考測風塔到目標測風塔的距離的反比作為權重或者距離平方的反比作為權重預測目標測風塔的風速，也可以采用鄰近測風塔的風速計算結果進行預測風速。根據(jù)本發(fā)明的一個實施例，假設風電場m中有3座參考測風塔和一座目標測風塔，且多塔綜合推測采用距離的反比作為權重，則v′f＝1/l1*v1′+1/l2*v2′+1/l3*v3′，其中，l1、l2、l3分別是第1座、第2座、第3座參考測風塔距目標測風塔的距離，v1′、v2′、v3′分別是基于3座參考測風塔的單塔推測得到的目標測風塔的預測風速，則v′f是基于3座參考測風塔綜合推測得到的目標測風塔的風速結果。

接下來，在步驟s200，基于所述多個現(xiàn)有風電場的風速偏差矩陣建立風速偏差校正模型庫，其中，所述風速偏差校正模型庫包括多個與所述現(xiàn)有風電場對應的風速偏差校正模型，所述風速偏差校正模型表示現(xiàn)有風電場的風速偏差與等效因子之間的關系。具體地，根據(jù)本發(fā)明的實施例，可根據(jù)現(xiàn)有風電場的風速偏差矩陣與等效因子之間的關系建立風速偏差校正模型，并由多個與所述現(xiàn)有風電場對應的風速偏差校正模型構建風速偏差校正模型庫。

下面將詳細說明根據(jù)本發(fā)明的實施例的建立風速偏差校正模型庫的過程。首先，根據(jù)選擇的現(xiàn)有風電場所處地區(qū)的地形及氣候特征，選擇可能影響流體模型的風速計算偏差的影響因子。例如，在海拔落差較大的地區(qū)，選擇海拔落差(△h)為可能影響風速計算偏差的影響因子；在范圍較大且測風塔較少的風電場，選擇距離(l)為可能影響風速計算偏差的影響因子；在下墊面變化比較大的地區(qū)，選擇粗糙度(roughness)為可能影響風速計算偏差的影響因子；在氣象條件變化比較劇烈的地區(qū)，選擇大氣穩(wěn)定度(mol)為可能影響風速計算偏差的影響因子；在山體整體走向有較大變化的地區(qū)，選擇山體走向及風向(direction)的變化為可能影響風速計算偏差的影響因子。因此，根據(jù)不同的背景條件，選擇可能的風速計算偏差影響因子。在以下的實施例中，假設海拔落差(△h)為風電場m的流體模型的風速計算偏差的影響因子。

對于判斷選擇的影響因子好壞的方法，可以通過相關系數(shù)來判斷，還可以采用主成分分析(pca)等方法來判斷，有時影響因子之間存在相互影響，或者影響因子與風速偏差之間存在非線性的關系。

然后，根據(jù)選擇的影響因子求取等效因子。由上述假設海拔落差(△h)為影響因子以及多塔綜合推測的原理可知，等效因子也可依據(jù)多塔綜合推測方法采用距離的反比作為權重進行求取，則等效因子的計算公式相應如下：

δh＝1/l1*δh1+1/l2*δh2+1/l3*δh3

其中，l1、l2、l3分別是第1座、第2座、第3座參考測風塔距目標測風塔的距離，δh1、δh2、δh3分別是3座參考測風塔與目標測風塔的海拔落差，δh是與該多塔綜合推測方法相對應的等效因子計算結果。如果多塔綜合推測采用的是其他的方法，則等效因子的計算也可采用與其相對應的計算公式。等效因子的計算可以將在單塔或多塔綜合推測目標測風塔的過程中計算偏差的影響因子放入同一個可類比的關系當中，進一步，還可以定量的計算出風速預測偏差最小時的距離、高差、粗糙度之差等最優(yōu)配置，對測風塔位置的選擇具有指導意義。

最后，根據(jù)等效因子的計算結果和構建的風速計算偏差矩陣建立等效因子與風速計算偏差之間的關系式，即風速偏差校正模型。根據(jù)本發(fā)明的實施例，可采用顯式的方程如線性方程、非線性方程或者隱式的數(shù)學模型如各種機器學習算法等尋找等效因子與風速計算偏差之間的關系，訓練得到校正模型，根據(jù)選擇的多個不同風電場的訓練結果得到的校正模型，構建校正模型庫。例如，選擇多元線性方程的方法來尋找等效因子與風速計算偏差之間的關系，則根據(jù)風電場的多個等效影響因子與風速計算偏差的數(shù)值擬合出一個多元線性的關系式，同時該擬合關系式的擬合效果需要達到一定的標準，則該多元線性方程就是一個校正模型?；蛘撸€可采用神經網(wǎng)絡或支持向量機等機器學習算法進行訓練，找出等效因子與風速偏差之間存在的關系。通常這種關系通過各影響因子的權重系數(shù)矩陣來呈現(xiàn)，由此得到的權重系數(shù)文件也是一個校正模型，然后，再根據(jù)選擇的多個不同風電場的訓練結果得到的不同的校正模型構建校正模型庫。

在建立了校正模型庫之后，接下來，在步驟s300中，確定目標風電場的相關參數(shù)，并根據(jù)該相關參數(shù)在所述風速偏差校正模型庫中確定匹配的風速偏差校正模型，進而根據(jù)確定的風速偏差校正模型得到目標風電場的風速偏差。具體地，根據(jù)本發(fā)明的實施例，先確定目標風電場的相關參數(shù)，再根據(jù)確定的相關參數(shù)對步驟s200中建立的風速偏差校正模型庫中的風速偏差校正模型進行匹配，根據(jù)確定的風速偏差校正模型得到目標風電場的風速偏差，將所述目標風電場的風速偏差疊加到通過流體模型計算出的目標風電場的預測風速上，從而得到校正后的目標風電場的預測風速。

下面將參照圖2來詳細說明根據(jù)本發(fā)明實施例的用于對目標風電場的預測風速進行校正的過程。

圖2是示出根據(jù)本發(fā)明的實施例的用于根據(jù)確定匹配的風速偏差校正模型對目標風電場的預測風速進行校正的過程的流程圖。

在步驟s201，根據(jù)確定的風速偏差校正模型得到目標風電場的風速偏差。具體地，首先，由確定的相關參數(shù)在所述風速偏差校正模型庫中確定匹配的風速偏差校正模型，根據(jù)確定的風速偏差校正模型得到用于計算等效因子的一個或多個影響因子。然后，根據(jù)所述一個或多個影響因子計算所述目標風電場的等效因子，基于所述目標風電場的等效因子以及確定的風速偏差校正模型得到目標風電場的風速偏差。根據(jù)本發(fā)明的實施例，確定目標風電場的相關參數(shù)可包括風電場所處的地區(qū)、氣象條件、地形條件其中之一。例如，以中國為例，先進行大區(qū)域劃分，將中國分為西北地區(qū)、東北地區(qū)、華北地區(qū)、青藏高原地區(qū)、云貴高原、長江流域、東南沿海地區(qū)等區(qū)域。在大區(qū)域劃分的基礎上，再依據(jù)氣象條件進行細分，例如，使用莫尼奧布霍夫長度l來對大氣穩(wěn)定度進行分級，其中，l數(shù)值為無窮大表示中性大氣，l數(shù)值為正值表示穩(wěn)定大氣，l數(shù)值為負值則表示不穩(wěn)定大氣，當然，還可依據(jù)數(shù)值的大小進行更細等級的劃分。另外，在大區(qū)域劃分的基礎上，也可依據(jù)地形條件進行細分，例如，使用崎嶇指數(shù)rix來對地形的復雜程度進行分級，如果rix約等于0％定義為簡單地形，如果rix大于30％定義為復雜地形，如果rix大于50％則定義為極端復雜地形。當然，本發(fā)明中還可以引入更多更細的分類標準，將每一種模型的管轄范圍劃分的更小，這樣校正效果也會更穩(wěn)定。因此，本發(fā)明確定相關參數(shù)的方法不限于此。在以下的實施例中，假設由確定的相關參數(shù)在所述風速偏差校正模型庫中確定匹配的風速偏差校正模型為風速計算偏差與海拔落差之間的一種統(tǒng)計關系類別，則可確定用于計算等效因子的影響因子為海拔落差。

根據(jù)本發(fā)明的實施例，步驟s201還可包括，確定所述得到的目標風電場的風速偏差是否滿足預定約束條件。具體地，根據(jù)本發(fā)明的實施例，先確定所述得到的目標風電場的風速偏差是否滿足預定約束條件，如果所述得到的目標風電場的風速偏差滿足預定約束條件，則進行步驟s202，否則，重新確定校正模型求取目標風電場的風速偏差。

在步驟s202，將所述目標風電場的風速偏差疊加到通過流體模型計算出的目標風電場的預測風速上，得到校正后的目標風電場的預測風速。具體地，根據(jù)本發(fā)明的實施例，將滿足所述預定約束條件的目標風電場的風速偏差疊加到通過流體模型計算出的目標風電場的各目標點的預測風速上，得到校正后的目標風電場的預測風速。根據(jù)本發(fā)明的實施例，例如，當目標風電場的預測偏差滿足約束條件為預測的風速偏差值小于或等于預測的風速值時，進行風速偏差疊加來求取校正后的目標風電場的風速，否則，放棄使用超出約束條件的預測偏差，并重新篩選新的校正模型重新預測風速偏差，得到校正后的風速進而也可以計算出校正后的發(fā)電量。

在本發(fā)明中，校正模型庫的建立方法與相關參數(shù)隨著實驗樣本的增多而不斷更新，因此，本發(fā)明是一個不斷迭代的過程。本發(fā)明中偏差影響因子不斷積累以及相關參數(shù)不斷補充，校正模型得到不斷優(yōu)化且流體模型計算偏差的特點及原因也越來越多。比如，在某一氣象條件不穩(wěn)定的地區(qū)，流體模型計算的全場風速總是偏小，同時這一地區(qū)的海拔落差又比較小，即流體模型在該條件下的預測風速普遍偏小，那么就說明流體模型中原有的方程或一些參數(shù)的設置在該地區(qū)或者該條件下是可以進行調整的。類似這樣的經驗積累起來，反過來修正流體模型，使流體模型在更多特殊風電場的預測效果得到改進。

圖3是示出根據(jù)本發(fā)明的實施例的一種風電場的預測風速校正裝置的框圖。

如圖3所示，一種風電場的預測風速校正裝置300包括偏差求取程序模塊301、模型建立程序模塊302和風速校正程序模塊303。根據(jù)本發(fā)明的實施例，風電場的風速計算偏差的校正裝置300可通過各種計算裝置(例如，計算機、服務器、工作站等)來實現(xiàn)。具體的講，偏差求取程序模塊301用于分別建立多個現(xiàn)有風電場的風速偏差矩陣，其中，風速偏差表示現(xiàn)有風電場的目標測風塔的預測風速和實測風速之差。模型建立程序模塊302用于基于所述多個現(xiàn)有風電場的風速偏差矩陣建立風速偏差校正模型庫，所述風速偏差校正模型庫包括多個與所述現(xiàn)有風電場對應的風速偏差校正模型，其中，所述風速偏差校正模型表示現(xiàn)有風電場的風速偏差與等效因子之間的關系。風速校正程序模塊303用于確定目標風電場的相關參數(shù)，并根據(jù)該相關參數(shù)在所述風速偏差校正模型庫中確定匹配的風速偏差校正模型，進而根據(jù)確定的風速偏差校正模型對目標風電場的預測風速進行校正。

偏差求取程序模塊301選擇符合預定標準為流體模型計算結果失真嚴重、測風數(shù)據(jù)達到iec數(shù)據(jù)使用標準并且包含至少三個測風塔的現(xiàn)有風電場，根據(jù)選擇的現(xiàn)有風電場的測風數(shù)據(jù)進行預處理以剔除無效數(shù)據(jù)，參考與選擇的現(xiàn)有風電場條件相近的風電場已有的流體模型的仿真參數(shù)確定現(xiàn)有風電場的流體模型的仿真參數(shù)，將除目標測風塔以外的所述至少一個測風塔的測風數(shù)據(jù)放入流體模型中進行綜合計算以獲得所述至少一個預測風速；根據(jù)得到的目標測風塔的所述至少一個預測風速和實測風速計算風速偏差矩陣。

模型建立程序模塊302根據(jù)選擇的現(xiàn)有風電場所處地區(qū)的地形及氣候特征，選擇影響選擇的風電場的流體模型的風速計算偏差的影響因子，再根據(jù)選擇的影響因子通過多塔綜合原則計算等效因子，其中，多塔綜合原則是基于多個測風塔推測得到的目標測風塔的預測風速和實測風速之間的風速偏差的計算原則計算選擇的影響因子在流體模型中的等效因子。根據(jù)計算得到的等效因子和偏差求取程序模塊301得到的風速偏差矩陣，尋找風速偏差和等效因子之間的關系式，通過顯式方程或隱式數(shù)學模型進行訓練得到校正模型，并根據(jù)選擇的不同風電場建立的多個校正模型構建風速偏差校正模型庫。

下面將參照圖4來詳細說明根據(jù)本發(fā)明實施例的風速校正程序模塊303。

圖4示出根據(jù)本發(fā)明的實施例的風速校正程序模塊的框圖。

如圖4所示，風速校正程序模塊303包括偏差計算程序模塊50和校正程序模塊60。其中，偏差計算程序模塊50根據(jù)確定的風速偏差校正模型得到目標風電場的風速偏差，校正程序模塊60將偏差計算程序模塊50得到的風速偏差疊加到通過流體模型計算出的目標風電場的預測風速上，得到校正后的目標風電場的預測風速。其中，偏差計算程序模塊50中確定的風速偏差校正模型是根據(jù)確定的目標風電場的相關參數(shù)在所述風速偏差校正模型庫中進行匹配得到的，所述相關參數(shù)至少包含風電場的所處區(qū)域、氣象條件、地形條件其中之一。

下面將參照圖5來詳細說明根據(jù)本發(fā)明實施例的偏差計算程序模塊50。

圖5示出根據(jù)本發(fā)明的實施例的偏差計算程序模塊的框圖。

如圖5所示，偏差計算程序模塊50包括影響因子計算程序模塊501、等效因子計算程序模塊502和風速偏差計算程序模塊503。其中，影響因子計算程序模塊501根據(jù)確定的風速偏差校正模型得到用于計算等效因子的一個或多個影響因子，等效因子計算程序模塊502根據(jù)所述一個或多個影響因子計算所述目標風電場的等效因子，風速偏差計算程序模塊503基于所述目標風電場的等效因子以及確定的風速偏差校正模型得到目標風電場的風速偏差。

根據(jù)本發(fā)明的實施例，偏差計算程序模塊50還包括約束條件程序模塊504，約束條件程序模塊504確定所述得到的目標風電場的風速偏差是否滿足預定約束條件，如果滿足所述預定約束條件，則將滿足所述預定約束條件的預測的目標風電場的風速偏差疊加到通過目標風電場的流體模型計算出的目標風電場的各目標點的預測風速上，得到校正后的風速，否則，重新篩選校正模型對目標風電場的風速偏差進行校正。

根據(jù)本發(fā)明的實施例的一種風電場的預測風速校正方法及裝置，該校正方法利用風速計算偏差與多個影響因子之間的關系對風電場風速偏差進行校正，從而有效彌補現(xiàn)有流體模型計算風速時的誤差。

根據(jù)本發(fā)明的實施例的一種風電功率預測方法可實現(xiàn)為計算機可讀記錄介質上的計算機可讀代碼，或者可通過傳輸介質被發(fā)送。計算機可讀記錄介質是可存儲此后可由計算機系統(tǒng)讀取的數(shù)據(jù)的任意數(shù)據(jù)存儲裝置。計算機可讀記錄介質的示例包括只讀存儲器(rom)、隨機存取存儲器(ram)、光盤(cd)-rom、數(shù)字多功能盤(dvd)、磁帶、軟盤、光學數(shù)據(jù)存儲裝置，但不限于此。傳輸介質可包括通過網(wǎng)絡或各種類型的通信通道發(fā)送的載波。計算機可讀記錄介質也可分布于連接網(wǎng)絡的計算機系統(tǒng)，從而計算機可讀代碼以分布方式被存儲和執(zhí)行。

盡管已經參照本發(fā)明的特定示例性實施例顯示和描述了本發(fā)明，但是本領域技術人員將理解，在不脫離由權利要求及其等同物限定的本發(fā)明的精神和范圍的情況下，可進行各種形式和細節(jié)上的各種改變。