金风科技价值能力树风功率预测系统G介绍.pptVIP

金风科技价值能力树—风电场功率预测系统  概述 功能 技术路线 部署 主要内容 功能展示 概述 WPPS （Wind Power Prediction System）是根据风电场历史（实时）气象信息与风电场运行信息，建立风电场气象与功率预测模型，预测未来一定时段的风电场风速、温度和功率的系统。 风电场功率预测系统功能 部署示意图——服务模式 风电场功率预测自成系统，同时也能够与能量调度系统结合，能够提供完整的风电场电网接入方案 部署示意图——软件模式 风电场功率预测自成系统，同时也能够与能量调度系统结合，能够提供完整的风电场电网接入方案 系统技术路线 气象预报模型 我们的系统： WRF数值模式滚动报 ——72小时天气预报、6小时滚动预报一次 用时间序列统计方法的统计临近预报系统 ——4小时天气预报、15分钟滚动预报一次 WRF滚动报系统概念图（48小时气象预报） WRF.sh post.py download data.py run_wrf.sh 风速预报结果 原始数据，265（66小时*4+1）个点，相关系数分别为：0.49982 0.569234 0.358379 0.743116 统计临近预报系统-ARIMA模型介绍（4小时气象预报） ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预测方法，所以又称为box-jenkins模型、博克思-詹金斯法。 ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。 ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归模型, p为自回归项数; MA为移动平均模型，q为移动平均项数，d为使时间序列成为平稳序列所做的差分次数，也就是随机游走模型。 公式如下： 统计临近预报系统--ARIMA模型结果 功率预测服务 部署准备—风电场概况 提供风电场及其周边地区的地形数据来完成我们的系统区划。对于平坦地形，可以提供50米等高线的高程数据；对于崎岖地形，我们要求提供至少10m等高线的高程数据。另外，我们也需要了解风电场及其周边的植被、障碍物等情况。 部署准备—测风数据 提供需要预报电场的长期测风数据。数据应当包含每15分钟的风速、温度、湿度、气压等信息。 根据需预报风电场的规模和地形情况，在风电场安装若干台测风设备收集实时天气数据。需要收集的数据和上面长期测风数据中的要求一样。 部署准备—产量数据 提供预报电场至少一年的产能情况，可以是历史数据。数据源可以是电场出口侧电表读数，精度能够精确到1kWh。 由我们协作，建立风电场出口电表读数的实时报送系统。 测风塔 序号 产品名称 型号 数量 单位 1 测风塔 　 待定 套 　注：根据电场的实际情况而定，根据地形、风机排布情况而定。 其他 序号 设备名称 　 　 　 2 WRF服务器 　 1 台 3 风电场功率预测服务器 　 1 台 4 代理服务器 1 台 5 前置服务器 1 台 主要硬件设备清单 功率预报查询 功率预报、实际功率比较 功率预报人工编辑 预报误差分析 气象预报 气象预报、实测对比 气象预报误差分析 用户管理 角色管理 系统模块管理 风电场管理 让我们一起 拥抱新能源产业的美好明天