風功率預測系統

預測原理
風電功率預測的原理是根據風電場的地理數據、歷史測風數據、風電機組坐
標、風電機組工況等數據，應用計算流體動力學理論方法，建立風場的模擬風流
模型。以氣象數據、中尺度數值天氣預報、風電機組運行狀態等作為模型的輸入，進行模擬計算以及時頻調和分析和神經網絡訓練，得到風電場未來的輸出功率。
超短期預測技術需要在短期模型基礎上，加上測風塔的實時數據修正，以提高預測準確度。

技術優勢
風電功率預測的原理已經在業內形成比較一致的認識。首先，要建立目標地區的中尺度數值天氣預報的模型，獲得目標地區的高質量衛星云圖，再以衛星云圖作為輸入，通過超級計算機進行海量運算，得到該地區的中尺度數值天氣預報。第二步，建立目標地區的風電場微尺度的數值模型，再以中尺度數值天氣預報為輸入，經過海量計算得到該風電場的輸出功率預測曲線。第三步，結合風電場的實際出力狀況，利用人工智能神經網絡，對模型進行參數修正，得到誤差可以接受的風電功率預測模型系統。

步 建立中尺度數值天氣預報模型
建立目標地區的中尺度模型，獲得中尺度數值天氣預報。
技術可以選擇運用 21 種以上的中尺度模型進行模擬計算，從中遴選出準確率高，穩定度好的模型。在不同的地區、不同的地形、以及不同的季節所適用的中尺度模型是不同的，有的時候，根據需要，將幾種模型加以組合才能得到比較滿意的結果。
第二步 建立風電場微尺度數值模型
目標地區的風電場微尺度數值模型的建立方法。技術是使用計算流體動力學方法(CFD)進行風流建模，專門為解決大氣邊界層問題而專門研究的高度復雜的非線性技術。
計算流體動力學（CFD）是指借助計算機模擬實際流體，使分析者在沒有測量流體變量工具幫助的情況下，仿真和了解所給地點的流體流動。CFD 技術具有功
能強大的應用模塊，可以將多個測風塔以及每個測風塔不同高度的風流數據載入軟件當中進行綜合分析與計算，是風資源計算的一種有效工具，國外風電領域的大型開發商、咨詢公司及風機制造商很多采用此此項技術進行風工程計算。
CFD 技術的工作原理：
（1）工程地形描述
包括載入地形數據（地形與粗糙度）；定義繪圖區域；定義測風點以及結果點（測風塔、風電機位置…）。
（2）定向計算
按照一系列風向進行模擬計算獲得定向結果，可以得知風電場空間任一點處的風流情況（加速因數，湍流強度，入流角…）并可進行可視化，同時也可以在點處可視化相對應的風廓線并得到相應的結果。
第三步 人工智能神經網絡修正
人工智能神經網絡修正模型是指對已經建成的物理風流模型的部分參數，運用統計學原理進行修正。
計算機神經網絡是一種模擬人類實際神經網絡的數學方法。神經網絡的基礎在于神經元。神經元是以生物神經系統的神經細胞為基礎的生物模型。在人們對生物神經系統進行研究，以探討人工智能的機制時，把神經元數學化，從而產生了神經元數學模型。
大量的形式相同的神經元連結在一起就組成了神經網絡。神經網絡是一個高度非線性動力學系統。雖然，每個神經元的結構和功能都不復雜，但是神經網絡的動態行為則是十分復雜的；因此，用神經網絡可以表達實際物理的各種現象。神經網絡模型是以神經元的數學模型為基礎來描述的。神經網絡模型由網絡拓撲、節點特點和學習規則來表示。此項技術在人工智能網絡數據挖掘方面的應用積累了豐富的經驗，擁有 20 種以上的人工神經網絡的模型，在這些模型中選擇適用的風電信號時頻調和分析模型和隨機序列分析模型。*的計算機人人工神經網絡技術，可以保證針對各種不同類型的風電場。