(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211106646.9 (22)申请日 2022.09.13 (65)同一申请的已公布的文献号 申请公布号 CN 115189356 A (43)申请公布日 2022.10.14 (73)专利权人 国能日新科技股份有限公司 地址 100089 北京市海淀区西三 旗建材城 内1幢二层2 27号 (72)发明人 陈隆京　钟崇光　廖云涛　 (74)专利代理 机构 天津合正知识产权代理有限 公司 12229 专利代理师 李成运 (51)Int.Cl. H02J 3/00(2006.01) H02J 3/38(2006.01)G01W 1/10(2006.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (56)对比文件 CN 108320 050 A,2018.07.24 CN 112348292 A,2021.02.09 CN 113554203 A,2021.10.26 CN 113657662 A,2021.1 1.16 US 20180 62393 A1,2018.0 3.01 审查员 范立会 (54)发明名称 基于大气环流稳定状态的风、 光功率预测订 正方法及装置 (57)摘要 本发明提出一种基于大气环流稳定状态的 风、 光功率预测订正方法及装置， 获取或生产数 值天气预报网格化数据， 然后计算区域大气湍流 动能和对流有效位能等大气稳定状态指标， 再计 算气象源融合权重， 并建立大气稳定状态指标和 气象源融合权重的映射关系； 基于所述映射关 系， 计算未来预报的区域大气湍流动能和对流有 效位能等大气稳定状态指标， 然后将其带入映射 关系， 得到未来预报的气象源融合权重， 再依据 融合权重得到融合气象源， 从而实现功率预测订 正。 本发明考虑大气环流稳定状态， 结合数学统 计方法和气象学物理规律， 为气象源融合增加了 衡量的维度， 可以有效提升气象源融合的效果， 并进一步提高以融合气象源作为输入的光伏或 风电功率预测的精度。 权利要求书3页 说明书9页 附图3页 CN 115189356 B 2022.12.02 CN 115189356 B 1.一种基于大气环流稳定状态的风、 光功率预测订 正方法， 其特 征在于， 包括： S1、 获取或生产数值天气预报网格化数据集； 所述数值天气预报网格化数据集包括未来预报网格化数据集D1和历史再分析网格化 数据集D0； 所述D0和D1对应包 含若干种气象源的数值天气预报网格化数据子集； S2、 建立历史大气环流稳定状态和气象源融合权 重的映射关系； 使用历史再分析网格化数据集D0， 计算各数据子集的表征大气环流稳定状态的指标 I0， 以及各数据子集在某一风电场或光伏电站的气象要素预测时间序列或功 率预测时间序 列； 计算使上述预测时间序列的预测偏差最小的气象源融合权重W0， 建立指标I0和气象源 融合权重W0的映射关系R0； S3、 生成未来预报的融合气象源的预测时间序列并转换为预测功率； 使用未来预报网格化数据集D1， 计算各数据子集的表征大气环流稳定状态的指标I1， 带入映射关系R0， 求得气象源融合权重W1； 计算各数据子集在所述风电场 或光伏电站的气 象要素预测时间序列或功率预测时间序列， 以气象源融合权重W1进行加权平均， 得到融合 气象源的气象要 素预测时间序列或功率预测时间序列； 转换得到风电场或光伏电站的订正 后的预测功率。 2.根据权利要求1所述的基于大气环流稳定状态的风、 光功率预测订正方法， 其特征在 于， 步骤S1中所述 生产数值天气预报网格化数据集， 包括： 使用全球数值天气预报模式及其对应的数据同化系统自主生产全球网格化数据集； 或者， 使用全球网格化数据产品并利用区域数值天气预报模式进行区域动力降尺度， 自主生产动力降尺度的网格化数据集。 3.根据权利要求1所述的基于大气环流稳定状态的风、 光功率预测订正方法， 其特征在 于， 步骤S2所述表征大气环流稳定状态的指标I0以及步骤S3中所述表征大气环 流稳定状态 的指标I1的计算方法包括： S201、 计算大气湍流动能， ； 其中EKE为大气湍流动能， u'和v'分别为时间上 大气经向风和 纬向风的异常； S202、 计算大气对流有效位能， , 其中EAPE为大气对 流有效位能， θ 为大气位温， θ'为时间上大气位温的异常， θm为区域时 间上大气位温的平均， ρm为时间上大气密度的平均， p为气压， ∂θm/∂p为区域时间上大气位温 的平均随垂向气压的变化； S203、 将计算得到的EKE和EAPE共同组成表征 大气环流稳定状态的指标。 4.根据权利要求1所述的基于大气环流稳定状态的风、 光功率预测订正方法， 其特征在 于， 步骤S2所述气象源融合权 重W0的计算方法包括： S211、 利用历史再分析网格化数据集D0， 计算D0各数据子集在某一风电场或光伏电站 的气象要素预测时间序列或功率预测时间序列； 根据兴趣点位的经纬度信息和高度信息， 使用双线性插值方法插值 为风电场或光伏电站的一维预测时间序列数据；权　利　要　求　书 1/3 页 2 CN 115189356 B 2S212、 利用加权平均方法计算融合气象源， 设气象源融合权重W0包含与D0各子集对应 的权重， 对所述 一维预测时间序列数据通过加权平均得到一维序列X10 0； S213、 计算一维序列X100的预测偏差E0， 所述预测偏差E0为一维序列X100的均方根误 差或平均偏差或平均绝对误差或相关系数或相似度； S214、 通过最小二乘法， 计算使E 0最小的W0 。 5.根据权利要求1所述的基于大气环流稳定状态的风、 光功率预测订正方法， 其特征在 于， 步骤S2中所述指标I0和气象源融合权 重W0的映射关系R0的建立方法包括： 得到历史每天的I0和W0， 利用数学统计方法计算使得历史每天加总的(R0*I0 ‑W0)最小 的映射关系R0， 所述数 学统计方法为线性回归或其 他机器学习方法。 6.一种基于大气环流稳定状态的风、 光功率预测订 正装置， 其特 征在于， 包括： 获取模块， 用于获取或生产数值天气预报网格化数据集； 所述数值天气预报网格化数 据集包括未来预报网格化数据集D1和历史再分析网格化数据集D 0； 所述D0和D1对应包含若 干种气象源的数值天气预报网格化数据子集； 映射模块， 用于建立历史大气环流稳定状态和气象源融合权重的映射关系； 使用历史 再分析网格化数据集D0， 计算各数据子集的表征大气环流稳定状态的指标I0， 以及各数据 子集在某一风电场或光伏电站的气象要素预测时间序列或功 率预测时间序列； 计算使 上述 预测时间序列的预测偏 差最小的气象源融合权重W0， 建立指标I0和气象源融合权重W0的映 射关系R0； 预测模块， 生成未来预报的融合气象源的预测时间序列并转换为预测功率； 使用未来 预报网格化数据集D1， 计算各数据子集的表征大气环流稳定状态的指标I1， 带入映射关系 R0， 求得气象源融合权重W1； 计算各数据子集在所述风电场或光伏电站的气象要素预测时 间序列或功率预测时间序列， 以气象源融合权重W1进行加权平均， 得到融合气象源的气象 要素预测 时间序列或功率预测 时间序列； 转换得到风电场或光伏电站的订正后的预测功 率。 7.根据权利要求6所述的基于大气环流稳定状态的风、 光功率预测订正装置， 其特征在 于， 所述获取模块包括： 第一生产 单元， 使用全球数值天气预报模式及其对应的数据同化系统自主生产全球网 格化数据集； 或者， 第二生产 单元， 使用全球网格化数据产品并利用区域数值天气预报模式进行区域动力 降尺度， 自主生产动力降尺度的网格化数据集。 8.根据权利要求6所述的基于大气环流稳定状态的风、 光功率预测订正装置， 其特征在 于， 所述映射模块包括： 大气湍流动能计算单元， 计算大气湍流动能， ； 其中EKE为大气湍 流动能， u'和v'分别为时间上 大气经向风和 纬向风的异常； 大气对流有效位能计算单元， 计算大气对流有效位能， ,其 中EAPE为大气对流有效位能， θ为大气位温， θ'为时间上大气位温的异常， θm为区域时间上权　利　要　求　书 2/3 页 3 CN 115189356 B 3