课程项目： 风电大数据分析简介中国风力发电装机容量现居世界第一，风电行业发展迅猛。在发电机运行过程中会实时产生大量关于天气信息和机器状态的数据。 风力发电有着一个使其极大的区别于其他发电方式的特征：随机性。与浮动 率小、可控性强的火力发电与核能发电不同，风电的功率随着风速等因素的变化 总是处于波动状态中。这种浮动造成的突变会增加电网所要承受的压力，增加运营成本，同时也造成发电效率的不可靠性。本程序竞赛针对风电的特点和需求，展开数据分析。 功率预测原理介绍风电功率预测是指以风电场历史功率、历史风速、地形地貌、数值天气预报、风力发电机组运行状态等数据建立的风电场输出功率预测模型。风电功率预测按时间尺度可以分为长期（数年）、中期（一周）、短期（0-72h）、超短期（0-4h），按预测范围可以分为单台风机与风力机群。 虽然有众多分类，但总体而言，风电功率预测模型可能利用的数据有历史大气数据、历史风速、历史功率、地理条件、历史风电场机组情况，输入的参数可以包括实时大气数据、天气预报结果、风电场机组情况（预测时间风电机组实际运行数量与最大功率），输出为风电场的功率。观察这些量，我们可以发现因为对于某一给定风电场，地理条件与风电场机组情况是长期不变的，所以预测可以转化为两个核心问题：
对于风速预测问题，主要有两种思路，一种是用物理方法模拟大气运动及地理环境，这种思路不需要大量历史数据，但相关方程求解困难，计算量大，另一种是用利用神经网络等统计方法从历史数据中预测，这种办法计算速度快，但需要大量历史数据。 对于功率函数问题，目前主要的思路有两种：一是使用物理模型，但这需要大量背景知识；另一种是仿效第一个问题的第二种思路利用历史数据，目前是主流的办法。 课程项目任务
规则
数据下载
联系方式
|