一种风电场发电量预测方法、装置、设备及介质与流程

1.本技术涉及计算机技术领域，具体而言，涉及一种风电场发电量预测方法、装置、设备及介质。


背景技术：

2.目前针对风电场前期发电量评估常采用测风数据计算的发电量代表风场的发电量，但是根据测风数据计算发电量往往过于繁琐，无法实现快速且高效的计算，使用cfd(computational fluid dynamics，计算流体动力学)软件计算风电场效率不高，往往要花费2～3天的时间。
3.另外，若针对不同地形内的不同风电场使用单一的发电量预测方法，将会因地形数据的影响降低发电量预测结果的准确度。
4.因此，如何提高风电场发电量预测的效率和准确度，是目前亟需解决的问题。


技术实现要素：

5.鉴于以上现有技术存在的问题，本技术的目的在于提出一种风电场发电量预测方法、装置、设备及介质，以至少解决如何提高风电场发电量预测的效率和准确度的技术问题。
6.为实现上述目的及其他相关目的，本技术提供了一种风电场发电量预测方法，所述方法包括：
7.获取风电场区域的风速数据、地形数据，以及目标风机的功率曲线；
8.根据所述风速数据和功率曲线，对所述风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数；
9.根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数；
10.根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数；
11.根据所述地形数据，调用所述第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用所述第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用所述第三预测发电量和第三等效满发小时数为目标发电量预测数据。
12.于本技术的一实施例中，根据所述风速数据和功率曲线，对所述风电场发电量进行风频统计计算，得到第一预测发电量和第一等效满发小时数，包括：
13.根据所述风速数据，确定多个风速区间、各所述风速区间的样本数量；
14.根据所述多个风速区间、各所述风速区间的样本数量，得到各所述风速区间对应的风速频率；
15.将各所述风速区间对应的风速频率乘以预设的完整年对应的小时数，得到各所述风速区间对应的发电小时数据；
16.根据各所述风速区间对应的发电小时数据和所述功率曲线，得到所述第一预测发电量；
17.根据所述第一预测发电量，以及预设的折减系数和目标风机容量，得到所述第一等效满发小时数。
18.于本技术的一实施例中，所述风速频率的表示方式包括：
[0019][0020]
其中，frequency为所述风速频率，occurrences为所述样本数量；
[0021]
所述第一预测发电量的表示方式包括：
[0022]
∑ei＝∑pi×
hoursi[0023]
其中，ei为第i个风速区间对应的第一预测发电量，pi为第i个风速区间对应的输出功率，hoursi为第i个风速区间对应的发电小时数据；
[0024]
所述第一等效满发小时数的表示方式包括：
[0025][0026]
其中，h为所述第一等效满发小时数，e
总
为所述多个风速区间对应的总预测发电量。
[0027]
于本技术的一实施例中，所述风速数据包括多个时间序列以及所述各所述时间序列对应的风速数据，根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数，包括：
[0028]
根据所述多个时间序列以及所述各所述时间序列对应的风速数据，得到平均风速、威布尔形状参数和威布尔尺度参数；
[0029]
根据所述平均风速、威布尔形状参数和威布尔尺度参数，得到多个风速区间的风速分布；
[0030]
根据所述功率曲线的切入风速、切出风速和所述风速分布，得到各所述风速区间对应的风速频率；
[0031]
将各所述风速区间对应的风速频率乘以预设的完整年对应的小时数，得到各所述风速区间对应的发电小时数据；
[0032]
根据各所述风速区间对应的发电小时数据和所述功率曲线，得到所述第二预测发电量；
[0033]
根据所述第二预测发电量，以及预设的折减系数和目标风机容量，得到所述第二等效满发小时数。
[0034]
于本技术的一实施例中，所述平均风速的表示方式包括：
[0035][0036]
其中，为所述平均风速，n为所述时间序列的样本数，vi为第i个时间序列对应的
风速数据；
[0037]
所述威布尔形状参数的表示方式包括：
[0038][0039]
其中，k为所述威布尔形状参数；
[0040]
所述威布尔尺度参数的表示方式包括：
[0041][0042]
其中，c为所述威布尔尺度参数。
[0043]
于本技术的一实施例中，根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数，包括：
[0044]
根据所述功率曲线，确定多个风速区间对应的输出功率；
[0045]
根据各所述风速区间对应的输出功率，得到所述功率曲线中每一个时间点对应的输出功率；
[0046]
根据预设的时间间隔和所述每一个时间点对应的输出功率，得到预设的完整年对应的所述第三预测发电量；
[0047]
根据所述第三预测发电量，以及预设的折减系数和目标风机容量，得到所述第三等效满发小时数。
[0048]
于本技术的一实施例中，所述输出功率的表示方式包括：
[0049][0050]
其中，p(u)为所述多个风速区间对应的输出功率，u为预设的平均风速，i为所述预设的平均风速在所述功率曲线中对应的风速段行数；
[0051]
所述第三预测发电量的表示方式包括：
[0052][0053]
其中，ei为各所述时间点对应的所述第三预测发电量，pi为各所述时间点对应的输出功率，hoursi为根据所述预设的时间间隔得到的时间常数。
[0054]
于本技术的一实施例中，还提供了一种风电场发电量预测装置，所述装置包括：
[0055]
数据获取模块，用于获取风电场区域的风速数据、地形数据，以及目标风机的功率
曲线；
[0056]
第一计算模块，用于根据所述风速数据和功率曲线，对所述风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数；
[0057]
第二计算模块，用于根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数；
[0058]
第三计算模块，用于根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数；
[0059]
调用模块，用于根据所述地形数据，调用所述第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用所述第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用所述第三预测发电量和第三等效满发小时数为目标发电量预测数据。
[0060]
于本技术的一实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，所述计算机程序运行时执行上述的风电场发电量预测方法。
[0061]
于本技术的一实施例中，还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行上述的风电场发电量预测方法。
[0062]
本发明的有益效果：
[0063]
首先获取风电场区域的风速数据、地形数据，以及目标风机的功率曲线；然后根据所述风速数据和功率曲线，对所述风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数；再根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数；再根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数；最后根据所述地形数据，调用所述第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用所述第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用所述第三预测发电量和第三等效满发小时数为目标发电量预测数据。本技术中，采用三种维度计算进行风电场发电量预测，分别是通过风速频率统计计算、威布尔计算和时间序列计算，针对不同地形数据选用不同的发电量预测结果作为目标发电量预测数据，提高风电场发电量预测的效率的同时还提高了风电场发电量预测的准确度。
附图说明
[0064]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0065]
图1是本技术的一示例性实施例示出的风电场发电量预测方法的应用环境的示意图；
[0066]
图2是本技术的一示例性实施例示出的风电场发电量预测方法的流程示意图；
[0067]
图3是本技术的一示例性实施例示出的实际风频分布拟合示意图；
[0068]
图4是本技术的一示例性实施例示出的时间序列计算发电量结果示意图；
[0069]
图5是本技术的一示例性实施例示出的风电场发电量预测装置的示意图；
[0070]
图6是本技术的一示例性实施例示出的电子设备的结构示意图。
具体实施方式
[0071]
为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
[0072]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0073]
在对本技术实施例说明之前，先在此说明本技术实施例中涉及的技术术语：
[0074]
cfd，即为计算流体动力学(computational fluid dynamics)。随着cfd通用软件的性能日益完善，应用的范围也不断的扩大，在化工、冶金、建筑、环境等相关领域中也被广泛应用。现代流体力学研究方法包括理论分析，数值计算和实验研究三个方面。这些方法针对不同的角度进行研究，相互补充。理论分析研究能够表述参数影响形式，为数值计算和实验研究提供了有效的指导；试验是认识客观现实的有效手段，验证理论分析和数值计算的正确性；计算流体力学通过提供模拟真实流动的经济手段补充理论及试验的空缺。
[0075]
威布尔分布：为经常对失效性(time to failure)或者可靠性进行衡量的工具，目标就是构建一个失效性分析的模型，失效性可用于很多领域，包括存储器元器件、机械抗疲劳、以及航空、汽车结构件。威布尔分布在中被广泛应用，尤其适用于机电类产品的磨损累计失效的分布形式。由于它可以利用很容易地推断出它的，被广泛应用于各种的数据处理。
[0076]
在本技术的一实施例中，提供了一种风电场发电量预测方法，可选地，作为一种可选的实施方式，上述风电场发电量预测方法可以但不限于应用于如图1所示的环境中。图1是本技术的一示例性实施例示出的风电场发电量预测方法的应用环境的示意图，参见图1，风电场发电量预测终端101可以但不限于具有本地计算能力的上位机、台式电脑、笔记本电脑等，风电场发电量预测终端101可以但不限于通过网络与数据采集终端102、服务器103进行通信，服务器103可以但不限于对数据库执行操作，例如，写数据操作或读数据操作。上述风电场发电量预测终端101可以但不限于包括人机交互屏幕、处理器及存储器。上述人机交互屏幕可以但不限于用于显示风电场发电量预测的结果。上述处理器可以但不限于用于响应上述人机交互操作，执行对应的操作，或者，生成对应的指令，并将生成的指令发送给服务器103。上述存储器用于存储相关存储数据，如风电场发电量预测信息等。
[0077]
作为一种可选的方式，可以通过数据采集终端102对数据进行采集，例如对风电场区域的风速数据、地形数据和目标风机的功率曲线进行采集和预处理。
[0078]
作为一种可选的方式，可以在风电场发电量预测终端101上执行风电场发电量预测方法中的以下步骤：
[0079]
获取风电场区域的风速数据、地形数据，以及目标风机的功率曲线；
[0080]
根据所述风速数据和功率曲线，对所述风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数；
[0081]
根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数；
[0082]
根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数；
[0083]
根据所述地形数据，调用所述第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用所述第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用所述第三预测发电量和第三等效满发小时数为目标发电量预测数据。
[0084]
基于上述方式，采用三种维度计算进行风电场发电量预测，分别是通过风速频率统计计算、威布尔计算和时间序列计算，针对不同地形数据选用不同的发电量预测结果作为目标发电量预测数据，提高风电场发电量预测的效率的同时还提高了风电场发电量预测的准确度。
[0085]
可选地，在本实施例中，上述风电场发电量预测终端101可以是配置有目标客户端的终端设备，可以包括但不限于以下至少之一：笔记本电脑、平板电脑、掌上电脑、pad、台式电脑等。目标客户端可以是视频客户端、即时通信客户端、浏览器客户端、教育客户端等支持提供风电场发电量预测应用的客户端。上述网络可以包括但不限于：有线网络，无线网络，其中，该有线网络包括：局域网、城域网和广域网，该无线网络包括：蓝牙、wifi及其他实现无线通信的网络。上述服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器。上述仅是一种示例，本实施例中对此不作任何限定。
[0086]
作为一种可选的示例，本实施例对上述风电场发电量预测方法的执行主体不做限定，上述风电场发电量预测方法的部分或全部步骤可以在风电场发电量预测终端101上执行，可例如，在风电场发电量预测终端101为台式电脑的情况下，可以在台式电脑上执行上述风电场发电量预测方法的部分或全部步骤。
[0087]
在本技术的一实施例中，提供了一种风电场发电量预测方法。图2是本技术的一示例性实施例示出的风电场发电量预测方法的流程示意图，参见图2，风电场发电量预测方法包括如下s210至s250所述的步骤：
[0088]
在步骤s210中，获取风电场区域的风速数据、地形数据，以及目标风机的功率曲线。
[0089]
需要说明的是，获取风电场区域内经过测风塔数据筛选、插补、订正、拟合至拟选定轮毂高度处之后的测风塔风速数据，一般是时间间隔为10分钟的风速时间序列数据；获取目标风电机组风场空气密度下的动态功率曲线，此条曲线是从切入风速至切出风速之间，步长为0.5m/s的功率曲线。
[0090]
在步骤s220中，根据风速数据和功率曲线，对风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数。
[0091]
在步骤s230中，根据风速数据和功率曲线，得到风电场发电量的威布尔分布参数，
并根据威布尔分布参数得到第二预测发电量和第二等效满发小时数。
[0092]
在步骤s240中，根据风速数据和功率曲线，对风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数。
[0093]
在步骤s250中，根据所述地形数据，调用所述第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用所述第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用所述第三预测发电量和第三等效满发小时数为目标发电量预测数据。
[0094]
示例性的，针对具有不同地形数据的风电场，三种维度计算的发电量会有一定的差别，如平原地区且威布尔分布接近瑞利分布的情况，三种计算结果较为接近，但对于双峰风频分布或者复杂山地项目，方法一(风速频率统计计算)和方法三(时间序列计算)较为接近，方法二(通过威布尔分布参数)较为失真，误差较大。因此，具有不同地形数据的风电场，需要选用不同的发电量结果作为预测结果。
[0095]
采用本技术提供的上述实施例，采用三种维度计算进行风电场发电量预测，分别是通过风速频率统计计算、威布尔计算和时间序列计算，针对不同地形数据选用不同的发电量预测结果作为目标发电量预测数据，提高风电场发电量预测的效率的同时还提高了风电场发电量预测的准确度。在前期风场资源获取、项目开发、发电量检查和审核过程中起到了重要参考意义，进而降低了风电场前期评估风险和前期投资风险。
[0096]
在本技术的一实施例中，上述风电场发电量预测方法，在根据所述风速数据和功率曲线，对所述风电场发电量进行风频统计计算，得到第一预测发电量和第一等效满发小时数，包括：
[0097]
根据所述风速数据，确定多个风速区间、各所述风速区间的样本数量；
[0098]
根据所述多个风速区间、各所述风速区间的样本数量，得到各所述风速区间对应的风速频率；
[0099]
将各所述风速区间对应的风速频率乘以预设的完整年对应的小时数，得到各所述风速区间对应的发电小时数据；
[0100]
根据各所述风速区间对应的发电小时数据和所述功率曲线，得到所述第一预测发电量；
[0101]
根据所述第一预测发电量，以及预设的折减系数和目标风机容量，得到所述第一等效满发小时数。
[0102]
在本技术的一实施例中，所述风速频率的表示方式包括：
[0103][0104]
其中，frequency为所述风速频率，occurrences为所述样本数量；
[0105]
所述第一预测发电量的表示方式包括：
[0106]
∑ei＝∑pi×
hoursi[0107]
其中，ei为第i个风速区间对应的第一预测发电量，pi为第i个风速区间对应的输出功率，hoursi为第i个风速区间对应的发电小时数据；
[0108]
所述第一等效满发小时数的表示方式包括：
[0109][0110]
其中，h为所述第一等效满发小时数，e
总
为所述多个风速区间对应的总预测发电量。
[0111]
示例性的，目前风电行业的实测测风塔数据一般是10min间隔采样，首先统计完整年测风塔数据10min间隔的实际风频分布表，此分布表第一列为风速区间，第二列为发生样本数，第三列为风速频率，参见图3，图3是本技术的一示例性实施例示出的实际风频分布拟合示意图。风速区间一般由切入风速3m/s开始，将区间2.75m/s≤v＜3.25m/s≈3m/s、3.25m/s≤v＜3.75m/s≈3.5m/s、3.75m/s≤v＜4.25m/s≈4m/s
……
依次往后推导至切出风速为止。样本数occurrences为发生在风速区间内的风速样本数量；风速频率frequency为发生在此风速区间的频率。
[0112]
将各风速区间的风速频率乘以相应完整年对应的小时数，即完整年发电小时数，一般地一个完整年的小时数是8760h，得到各风速区间对应的发电小时数据。
[0113]
将每一个风速区间的发电小时数乘以对应的功率曲线输出功率，得到所述第一预测发电量。将计算得到的全风速段发电量乘以综合折减系数，再除以拟选风机单机容量即为等效满发小时数。其中，折减系数一般陆上风电场约为0.74～0.8。
[0114]
在本技术的一实施例中，上述风电场发电量预测方法，风速数据包括多个时间序列以及所述各所述时间序列对应的风速数据，根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数，包括：
[0115]
根据所述多个时间序列以及所述各所述时间序列对应的风速数据，得到平均风速、威布尔形状参数和威布尔尺度参数；
[0116]
根据所述平均风速、威布尔形状参数和威布尔尺度参数，得到多个风速区间的风速分布；
[0117]
根据所述功率曲线的切入风速、切出风速和所述风速分布，得到各所述风速区间对应的风速频率；
[0118]
将各所述风速区间对应的风速频率乘以预设的完整年对应的小时数，得到各所述风速区间对应的发电小时数据；
[0119]
根据各所述风速区间对应的发电小时数据和所述功率曲线，得到所述第二预测发电量；
[0120]
根据所述第二预测发电量，以及预设的折减系数和目标风机容量，得到所述第二等效满发小时数。
[0121]
在本技术的一实施例中，所述平均风速的表示方式包括：
[0122][0123]
其中，为所述平均风速，n为所述时间序列的样本数，vi为第i个时间序列对应的
风速数据；
[0124]
所述威布尔形状参数的表示方式包括：
[0125][0126]
其中，k为所述威布尔形状参数；
[0127]
所述威布尔尺度参数的表示方式包括：
[0128][0129]
其中，c为所述威布尔尺度参数。
[0130]
示例性的，根据测风塔数据时间序列计算k、c：通过windographer、wasp等相关软件计算威布尔形状参数k、尺度参数c，行业上一般采用最大似然法拟合威布尔参数。
[0131]
求出k、c、之后，采用威布尔函数，可以求出累积分布函数：
[0132][0133]
其中，v为给定风速。
[0134]
按照风速区间计算风速频率，其中
[0135]
p(v＝v)＝p(v≤v2)-p(v≤v1)
[0136]v2
＝v+0.25
[0137]v1
＝v-0.25
[0138]
其中，v1为风速区间内的最低值，v2为风速区间内的最高值。
[0139]
将各风速区间的风速频率乘以相应完整年对应的小时数，即完整年发电小时数，得到各风速区间对应的发电小时数据。
[0140]
将每一个风速区间的发电小时数乘以对应的功率曲线输出功率，得到所述第二预测发电量。将计算得到的全风速段发电量乘以综合折减系数，再除以拟选风机单机容量即为等效满发小时数。
[0141]
在本技术的一实施例中，根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数，包括：
[0142]
根据所述功率曲线，确定多个风速区间对应的输出功率；
[0143]
根据各所述风速区间对应的输出功率，得到所述功率曲线中每一个时间点对应的
输出功率；
[0144]
根据预设的时间间隔和所述每一个时间点对应的输出功率，得到预设的完整年对应的所述第三预测发电量；
[0145]
根据所述第三预测发电量，以及预设的折减系数和目标风机容量，得到所述第三等效满发小时数。
[0146]
在本技术的一实施例中，所述输出功率的表示方式包括：
[0147][0148]
其中，p(u)为所述多个风速区间对应的输出功率，u为预设的平均风速，i为所述预设的平均风速在所述功率曲线中对应的风速段行数；
[0149]
所述第三预测发电量的表示方式包括：
[0150]
∑ei＝∑pi×
hoursi[0151]
其中，ei为各所述时间点对应的所述第三预测发电量，pi为各所述时间点对应的输出功率，hoursi为根据所述预设的时间间隔得到的时间常数。
[0152]
示例性的，根据拟选机组风场空气密度下的动态功率曲线，确定多个风速区间对应的输出功率。
[0153]
通过完整年测风塔实测时间序列风速数据，通过多个风速区间对应的输出功率和拟选风电机组风场空气密度下的动态功率曲线计算每一个时间点下的风速所对应的输出功率，将风速时间序列转换为输出功率时间序列。
[0154]
由于一般情况下，实测测风数据是10分钟间隔，以下就10分钟间隔的风数据举例，故每一个时间序列点的时间常数为小时。根据预设的时间间隔和每一个时间点对应的输出功率，得到预设的完整年对应的所述第三预测发电量。将计算得到的全风速段发电量乘以综合折减系数，再除以拟选风机单机容量即为等效满发小时数。参见图4，图4是本技术的一示例性实施例示出的时间序列计算发电量结果示意图。
[0155]
由上述实施例可知，采用三种维度计算进行风电场发电量预测，分别是通过风速频率统计计算、威布尔计算和时间序列计算，针对不同地形数据选用不同的发电量预测结果作为目标发电量预测数据，提高风电场发电量预测的效率的同时还提高了风电场发电量预测的准确度。
[0156]
在本技术的一实施例中，还提供了一种风电场发电量预测装置。图5是本技术的一示例性实施例示出的风电场发电量预测装置的示意图，参见图5，该装置包括：
[0157]
数据获取模块501，用于获取风电场区域的风速数据、地形数据，以及目标风机的功率曲线；
[0158]
第一计算模块502，用于根据所述风速数据和功率曲线，对所述风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数；
[0159]
第二计算模块503，用于根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数；
[0160]
第三计算模块504，用于根据所述风速数据和功率曲线，对所述风电场发电量进行
时间序列计算，得到第三预测发电量和第三等效满发小时数；
[0161]
调用模块505，用于根据所述地形数据，调用所述第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用所述第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用所述第三预测发电量和第三等效满发小时数为目标发电量预测数据。
[0162]
通过本技术实施例中的风电场发电量预测装置，采用三种维度计算进行风电场发电量预测，分别是通过风速频率统计计算、威布尔计算和时间序列计算，针对不同地形数据选用不同的发电量预测结果作为目标发电量预测数据，提高风电场发电量预测的效率的同时还提高了风电场发电量预测的准确度。
[0163]
本技术中关于风电场发电量预测装置的具体实施例可以参考上述风电场发电量预测方法中所示示例，本示例中在此不再赘述。
[0164]
在本技术的一实施例中，还提供了一种用于实施上述风电场发电量预测方法的电子设备。该电子设备包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为通过计算机程序执行上述的风电场发电量预测方法。
[0165]
参见图6，图6是本技术的一示例性实施例示出的电子设备的结构示意图。计算机系统600包括中央处理单元(central processing unit，cpu)601，其可以根据存储在只读存储器(read-only memory，rom)602中的程序或者从储存部分608升载到随机访问存储器(random access memory，ram)603中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在ram 603中，还存储有系统操作所需的各种程序和数据。cpu 601、rom 602以及ram 603通过总线604彼此相连。输入/输出(input/output，i/o)接口605也连接至总线604。
[0166]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分607；包括硬盘等的储存部分608；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入储存部分608。
[0167]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本技术的系统中限定的各种功能。
[0168]
需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器
(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0169]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0170]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0171]
本技术的另一方面还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，计算机程序运行时执行上述的风电场发电量预测方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。
[0172]
本技术的另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各个实施例中提供的风电场发电量预测方法。
[0173]
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

技术特征：
1.一种风电场发电量预测方法，其特征在于，所述方法包括：获取风电场区域的风速数据、地形数据，以及目标风机的功率曲线；根据所述风速数据和功率曲线，对所述风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数；根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数；根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数；根据所述地形数据，调用所述第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用所述第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用所述第三预测发电量和第三等效满发小时数为目标发电量预测数据。2.根据权利要求1所述的风电场发电量预测方法，其特征在于，根据所述风速数据和功率曲线，对所述风电场发电量进行风频统计计算，得到第一预测发电量和第一等效满发小时数，包括：根据所述风速数据，确定多个风速区间、各所述风速区间的样本数量；根据所述多个风速区间、各所述风速区间的样本数量，得到各所述风速区间对应的风速频率；将各所述风速区间对应的风速频率乘以预设的完整年对应的小时数，得到各所述风速区间对应的发电小时数据；根据各所述风速区间对应的发电小时数据和所述功率曲线，得到所述第一预测发电量；根据所述第一预测发电量，以及预设的折减系数和目标风机容量，得到所述第一等效满发小时数。3.根据权利要求2所述的风电场发电量预测方法，其特征在于：所述风速频率的表示方式包括：其中，frequency为所述风速频率，occurrences为所述样本数量；所述第一预测发电量的表示方式包括：∑e
i
＝∑p
i
×
hours
i
其中，e
i
为第i个风速区间对应的第一预测发电量，p
i
为第i个风速区间对应的输出功率，hours
i
为第i个风速区间对应的发电小时数据；所述第一等效满发小时数的表示方式包括：其中，h为所述第一等效满发小时数，e
总
为所述多个风速区间对应的总预测发电量。4.根据权利要求1所述的风电场发电量预测方法，其特征在于，所述风速数据包括多个时间序列以及所述各所述时间序列对应的风速数据，根据所述风速数据和功率曲线，得到
所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数，包括：根据所述多个时间序列以及所述各所述时间序列对应的风速数据，得到平均风速、威布尔形状参数和威布尔尺度参数；根据所述平均风速、威布尔形状参数和威布尔尺度参数，得到多个风速区间的风速分布；根据所述功率曲线的切入风速、切出风速和所述风速分布，得到各所述风速区间对应的风速频率；将各所述风速区间对应的风速频率乘以预设的完整年对应的小时数，得到各所述风速区间对应的发电小时数据；根据各所述风速区间对应的发电小时数据和所述功率曲线，得到所述第二预测发电量；根据所述第二预测发电量，以及预设的折减系数和目标风机容量，得到所述第二等效满发小时数。5.根据权利要求4所述的风电场发电量预测方法，其特征在于：所述平均风速的表示方式包括：其中，为所述平均风速，n为所述时间序列的样本数，v
i
为第i个时间序列对应的风速数据；所述威布尔形状参数的表示方式包括：其中，k为所述威布尔形状参数；所述威布尔尺度参数的表示方式包括：其中，c为所述威布尔尺度参数。
6.根据权利要求1所述的风电场发电量预测方法，其特征在于，根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数，包括：根据所述功率曲线，确定多个风速区间对应的输出功率；根据各所述风速区间对应的输出功率，得到所述功率曲线中每一个时间点对应的输出功率；根据预设的时间间隔和所述每一个时间点对应的输出功率，得到预设的完整年对应的所述第三预测发电量；根据所述第三预测发电量，以及预设的折减系数和目标风机容量，得到所述第三等效满发小时数。7.根据权利要求6所述的风电场发电量预测方法，其特征在于：所述输出功率的表示方式包括：其中，p(u)为所述多个风速区间对应的输出功率，u为预设的平均风速，i为所述预设的平均风速在所述功率曲线中对应的风速段行数；所述第三预测发电量的表示方式包括：∑e
i
＝∑p
i
×
hours
i
其中，e
i
为各所述时间点对应的所述第三预测发电量，p
i
为各所述时间点对应的输出功率，hours
i
为根据所述预设的时间间隔得到的时间常数。8.一种风电场发电量预测装置，其特征在于，所述装置包括：数据获取模块，用于获取风电场区域的风速数据、地形数据，以及目标风机的功率曲线；第一计算模块，用于根据所述风速数据和功率曲线，对所述风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数；第二计算模块，用于根据所述风速数据和功率曲线，得到所述风电场发电量的威布尔分布参数，并根据所述威布尔分布参数得到第二预测发电量和第二等效满发小时数；第三计算模块，用于根据所述风速数据和功率曲线，对所述风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数；调用模块，用于根据所述地形数据，调用所述第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用所述第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用所述第三预测发电量和第三等效满发小时数为目标发电量预测数据。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，所述计算机程序运行时执行所述权利要求1至7中任一项所述的风电场发电量预测方法。10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7中任一项所述的风电场发电量预测方法。

技术总结
本申请涉及计算机技术领域，提供了一种风电场发电量预测方法、装置、设备及介质，包括：获取风电场区域的风速数据、地形数据、目标风机的功率曲线；对风电场发电量进行风速频率统计计算，得到第一预测发电量和第一等效满发小时数；根据风速数据和功率曲线得到风电场发电量的威布尔分布参数，并根据威布尔分布参数得到第二预测发电量和第二等效满发小时数；对风电场发电量进行时间序列计算，得到第三预测发电量和第三等效满发小时数；根据地形数据，调用第一预测发电量和第一等效满发小时数为目标发电量预测数据，或调用第二预测发电量和第二等效满发小时数为目标发电量预测数据，或调用第三预测发电量和第三等效满发小时数为目标发电量预测数据。标发电量预测数据。标发电量预测数据。


技术研发人员：刘静 柯学 唐劲 赵月 刘洋 彭玮 叶宇
受保护的技术使用者：中国电建集团重庆工程有限公司
技术研发日：2023.05.08
技术公布日：2023/8/4