1 2 3 4 5 可以预测未来48小时每15分钟、每小时风电场发电功率。 系统短期能预测未来4小时每15分钟一个点的风电场发电功率,精度 达到百分之八十五左右(地形极其历史数据不同有差异)。 提供用户根据经验人工修改风电场功率预测结果功能。 能对风电场历史/预报发电数据、来风数据等进行储存、分析、评估。 通过标准接口,可以方便的与电网系统和其它系统(如能量调度系统) 实现相关数据交换。
网调中心
4 OPC 光缆
...... 测风塔 变电站
电场
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
软件部署在电场示意图
互联网
中央监控系统
接入防火墙 交换机 2 功率预测服务器 3 WRF数值预报服务器
电场端
交换机
6 交换机
7 路由器
电网
风电场 变电所
产量预报计算中心
主要硬件设备清单
测风塔 序号 1 其他 序号 2 3 4 5 设备名称 WRF服务器 风电场功率预测服务器 代理服务器 前置服务器 1 1 1 1 台 台 台 台 测风塔 注:根据电场的实际情况而定,根据地形、风机排布情况而定。 产品名称 型号 数量 待定 单位 套
run_wrf.sh
post.py
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