本申请公开了一种基于物联网的风力发电预测系统及方法，系统包括：风力数据模块、负荷数据模块和预测模块；风力数据模块用于收集风力数据并进行预测，得到风力预测数据；负荷数据模块用于基于历史用电情况数据进行电力负荷预测，得到负荷使用情况预测数据；预测模块用于基于风力预测数据和负荷使用情况预测数据，得到风力发电预测结果；还包括中央控制模块，用于风力发电预测结果对风力发电机进行调控。本申请采用最小二乘法和牛顿迭代法计算风力，提高了风力计算结果的真实有效性，利用数学模型进行负荷预测，使得得出的负荷预测结果更加接近真实情况；同时将风力预测数据和负荷使用情况预测数据相结合，使预测结果更加准确无误。
1.一种基于物联网的风力发电预测系统，其特征在于，包括：风力数据模块、负荷数据模块和预测模块；
所述风力数据模块与所述预测模块连接，所述风力数据模块用于收集风力数据并进行预测，得到风力预测数据；风力数据模块的工作方法为：从第一历史数据库中获取当地的历史风力数据和历史温度数据；每个风力发电机上都安装有一个风力监测装置，采集每个风力发电机叶片的转速，采用最小二乘法函数构造一元非线性方程，并通过牛顿迭代法计算得出风轮的叶尖速比，及基于叶尖速比和风速的关系得出实时风力数据；云端预测服务器通过网页端口接入中国气象网，获取当地天气预报，同时结合当地历史风力数据、当地历史温度数据和实时风力数据，其中，实时风力数据权重占比为50％，天气预报权重占比为
35％，历史风力数据和历史温度数据权重占比为15％，以此权重比例对上述数据进行加权分析，得到风力预测数据；
所述负荷数据模块与所述预测模块连接，所述负荷数据模块用于基于历史用电情况数据进行电力负荷预测，得到负荷使用情况预测数据；
所述预测模块用于基于所述风力预测数据和所述负荷使用情况预测数据，得到风力发电预测结果。
2.根据权利要求1所述一种基于物联网的风力发电预测系统，其特征在于，所述风力数据模块包括：第一历史数据库、若干风力监测装置和云端预测服务器；
所述云端预测服务器用于将所述历史气象数据、所述实时风力数据和天气预报数据进行加权，得到风力预测数据。
3.根据权利要求2所述一种基于物联网的风力发电预测系统，其特征在于，所述历史气象数据包括：历史风力数据和历史温度数据。
4.根据权利要求2所述一种基于物联网的风力发电预测系统，其特征在于，所述风力数据模块的工作方法包括：获取所述历史气象数据；
监测风轮转速，并基于风轮转速计算得到实时风力数据；
将所述历史气象数据、所述实时风力数据和天气预报数据进行加权，得到风力预测数据。
5.根据权利要求4所述一种基于物联网的风力发电预测系统，其特征在于，所述实时风力数据获得方法包括：采用最小二乘法函数构造一元非线性方程，并通过牛顿迭代法计算得出风轮的叶尖速比，及基于所述叶尖速比和风速的关系得出实时风力数据。
6.根据权利要求2所述一种基于物联网的风力发电预测系统，其特征在于，所述负荷数据模块包括：第二历史数据库和负荷预测装置；
所述负荷预测装置用于基于所述历史用电情况数据进行电力负荷的预测。
7.根据权利要求6所述一种基于物联网的风力发电预测系统，其特征在于，所述负荷数据模块工作方法包括：收集所述历史用电情况数据；
将所述历史气象数据与所述历史用电情况数据相互对应并进行模型训练，得到负荷预测模型，并将所述风力预测数据输入至所述负荷预测模型中，得到负荷使用情况预测数据。
8.根据权利要求1所述一种基于物联网的风力发电预测系统，其特征在于，所述预测模块工作方法包括：基于所述风力预测数据和所述负荷使用情况预测数据，通过LS‑SVM数学模型的计算，得到风力发电预测结果。
9.根据权利要求1所述一种基于物联网的风力发电预测系统，其特征在于，还包括中央控制模块；
所述中央控制模块用于基于所述风力发电预测结果对风力发电机进行调控。
10.一种基于物联网的风力发电预测方法，其特征在于，包括以下步骤：S1.收集风力数据并进行预测，得到风力预测数据；具体步骤包括：获取当地的历史风力数据和历史温度数据；每个风力发电机上都安装有一个风力监测装置，采集每个风力发电机叶片的转速，采用最小二乘法函数构造一元非线性方程，并通过牛顿迭代法计算得出风轮的叶尖速比，及基于叶尖速比和风速的关系得出实时风力数据；通过网页端口接入中国气象网，获取当地天气预报，同时结合当地历史风力数据、当地历史温度数据和实时风力数据，其中，实时风力数据权重占比为50％，天气预报权重占比为35％，历史风力数据和历史温度数据权重占比为15％，以此权重比例对上述数据进行加权分析，得到风力预测数据；
S2.基于历史用电情况数据进行电力负荷预测，得到负荷使用情况预测数据；
S3.基于所述风力预测数据和所述负荷使用情况预测数据，得到风力发电预测结果。
一种基于物联网的风力发电预测系统及方法
技术领域
[0001] 本申请涉及发电预测领域，具体涉及一种基于物联网的风力发电预测系统及方法。
背景技术
[0002] 随着科技和社会的发展，人类的能源需求日益增加，我们对能源依赖的现状对于生态环境是一种极大的挑战。因此，清洁可再生能源的开发显得至关重要。世界各国都开始重视对可利用风能的开发和利用。在自然界的各种能量形式中，风能是最具活力、可再生的能源之一。风能在其本质上是太阳能的一种具体表现形式。风能利用有很多种方式，其中风力发电是最主要的形式之一。风力发电的基本原理，就是利用能量转换的原理，捕获风运动时的动能，再转换为发电装置的机械能，然后由发电机最终生成电能。风力发电运用风能为人类社会活动提供了有效的能源利用。
[0003] 但是风力发电本身具有间歇性和不确定性，因此增加了并网的难度。在现有的技术中，对于风力发电的预测包括两个方面：风力预测和负荷预测，但全都是单方面的预测，因此，亟需一种通过两方面结合的方式的预测系统。
发明内容
[0004] 本申请提供了一种基于物联网的风力发电预测系统，分别对风力数据和负荷使用数据进行预测，并将两种数据相结合进行风力发电预测。
[0005] 为实现上述目的，本申请公开了以下方案：
[0006] 一种基于物联网的风力发电预测系统，包括：风力数据模块、负荷数据模块和预测模块；
[0007] 所述风力数据模块与所述预测模块连接，所述风力数据模块用于收集风力数据并进行预测，得到风力预测数据；
[0008] 所述负荷数据模块与所述预测模块连接，所述负荷数据模块用于基于历史用电情况数据进行电力负荷预测，得到负荷使用情况预测数据；
[0009] 所述预测模块用于基于所述风力预测数据和所述负荷使用情况预测数据，得到风力发电预测结果。
[0010] 优选的，所述风力数据模块包括：第一历史数据库、若干风力监测装置和云端预测服务器；
[0011] 所述第一历史数据库用于提供历史气象数据；
[0012] 所述风力监测装置用于获得实时风力数据；
[0013] 所述云端预测服务器用于将所述历史气象数据、所述实时风力数据和天气预报数据进行加权，得到风力预测数据。
[0014] 优选的，所述历史气象数据包括：历史风力数据和历史温度数据。
[0015] 优选的，所述风力数据模块的工作方法包括：
[0016] 获取所述历史气象数据；
[0017] 监测风轮转速，并基于风轮转速计算得到实时风力数据；
[0018] 将所述历史气象数据、所述实时风力数据和天气预报数据进行加权，得到风力预测数据。
[0019] 优选的，所述实时风力数据获得方法包括：
[0020] 采用最小二乘法函数构造一元非线性方程，并通过牛顿迭代法计算得出风轮的叶尖速比，及基于所述叶尖速比和风速的关系得出实时风力数据。
[0021] 优选的，所述负荷数据模块包括：第二历史数据库和负荷预测装置；
[0022] 所述第二历史数据库用于提供历史用电情况数据；
[0023] 所述负荷预测装置用于基于所述历史用电情况数据进行电力负荷的预测。
[0024] 优选的，所述负荷数据模块工作方法包括：
[0025] 收集所述历史用电情况数据；
[0026] 将所述历史气象数据与所述历史用电情况数据相互对应并进行模型训练，得到负荷预测模型，并将所述风力预测数据输入至所述负荷预测模型中，得到负荷使用情况预测数据。
[0027] 优选的，所述预测模块工作方法包括：
[0028] 基于所述风力预测数据和所述负荷使用情况预测数据，通过LS‑SVM数学模型的计算，得到风力发电预测结果。
[0029] 优选的，还包括中央控制模块；
[0030] 所述中央控制模块用于基于所述风力发电预测结果对风力发电机进行调控。
[0031] 本申请还提供了一种基于物联网的风力发电预测方法，包括以下步骤：
[0032] S1.收集风力数据并进行预测，得到风力预测数据；
[0033] S2.基于历史用电情况数据进行电力负荷预测，得到负荷使用情况预测数据；
[0034] S3.基于所述风力预测数据和所述负荷使用情况预测数据，得到风力发电预测结果。
[0035] 本申请的有益效果为：
[0036] (1)采用最小二乘法和牛顿迭代法计算风力，提高了风力计算结果的真实有效性，利用数学模型进行负荷预测，使得得出的负荷预测结果更加接近真实情况；
[0037] (2)将风力预测数据和负荷使用情况预测数据相结合，使预测结果更加准确无误。
附图说明
[0038] 为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0039] 图1为本申请一种基于物联网的风力发电预测系统的结构示意图；
[0040] 图2为本申请一种基于物联网的风力发电预测方法的流程示意图。
具体实施方式
[0041] 下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0042] 除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
[0043] 可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件和另一个元件区分。
[0044] 需要说明的是，当一个元件被认为是“连接”另一个元件时，它是可以直接连接到另一个元件，或者通过居中元件连接另一个元件。此外，以下实施例中的“连接”，如果被连接的对象之间具有电信号或数据的传递，则应理解为“电连接”、“通讯连接”等。
[0045] 为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
[0046] 实施例一
[0047] 在本实施例一中，如图1所示，一种基于物联网的风力发电预测系统，包括：风力数据模块、负荷数据模块和预测模块。
[0048] 风力数据模块包括：第一历史数据库、若干风力监测装置和云端预测服务器，用于收集风力数据并进行预测，得到风力预测数据；其中，第一历史数据库用于提供当地历史气象数据，历史气象数据包括：历史风力数据和历史温度数据，历史风力数据取每日平均风力数据，历史温度数据取每日平均温度数据；风力监测装置用于获取实时风力数据，在每个风力发电机上都安装有一个风力监测装置，以保证可以获取每个风力发电机周围的实时风力数据；云端预测服务器(在云端服务器中预安装有风力预测数学模型)用于将历史气象数据、实时风力数据和天气预报数据进行加权，得到风力预测数据。
[0049] 风力数据模块的工作方法为：从第一历史数据库中获取当地的历史风力数据和历史温度数据；每个风力发电机上都安装有一个风力监测装置，采集每个风力发电机叶片的转速，采用最小二乘法函数构造一元非线性方程，并通过牛顿迭代法计算得出风轮的叶尖速比，及基于叶尖速比和风速的关系得出实时风力数据；云端预测服务器通过网页端口接入中国气象网，获取当地天气预报，同时结合当地历史风力数据、当地历史温度数据和实时风力数据，其中，实时风力数据权重占比为50％，天气预报权重占比为35％，历史风力数据和历史温度数据权重占比为15％，以此权重比例对上述数据进行加权分析，得到风力预测数据。
[0050] 负荷数据模块包括：第二历史数据库和负荷预测装置，用于基于历史用电情况数据进行电力负荷预测，得到负荷使用情况预测数据；第二历史数据库用于提供历史用电情况数据，历史用电情况数据包括由历史日负荷变化曲线和历史年变化曲线分别进行数字化后的数据；负荷预测装置内置数学建模工具，用于基于历史气象数据和历史用电情况数据进行电力负荷的预测。
[0051] 负荷数据模块工作方法包括：从第二历史数据库中收集历史日负荷变化信息和历史年负荷变化信息；负荷预测装置接收历史年负荷变化数据和历史气象数据，使以上两种数据以天为单位相互对应，取历史气象数据作为训练输入集、历史年负荷变化信息为训练输出集进行模型训练，得到负荷预测模型，模型训练完成后，将风力预测数据输入至负荷预测模型中，得到负荷使用情况预测数据。
[0052] 预测模块内置LS‑SVM数学模型，将风力预测数据和负荷使用情况预测数据进行归一化处理，将归一化处理后的风力预测数据和负荷使用情况预测数据一起输入到LS‑SVM数学模型中，经计算输出得到风力发电预测结果。
[0053] 实施例二
[0054] 在本实施例二中，如图2所示，一种基于物联网的风力发电预测方法，包括以下步骤：
[0055] S1.收集风力数据并进行预测，得到风力预测数据；获取当地的历史风力数据和历史温度数据；每个风力发电机上都安装有一个风力监测装置，采集每个风力发电机叶片的转速，采用最小二乘法函数构造一元非线性方程，并通过牛顿迭代法计算得出风轮的叶尖速比，及基于叶尖速比和风速的关系得出实时风力数据；通过网页端口接入中国气象网，获取当地天气预报，同时结合当地历史风力数据、当地历史温度数据和实时风力数据，其中，实时风力数据权重占比为50％，天气预报权重占比为35％，历史风力数据和历史温度数据权重占比为15％，以此权重比例对上述数据进行加权分析，得到风力预测数据。
[0056] S2.基于历史用电情况数据进行电力负荷预测，得到负荷使用情况预测数据；基于历史用电情况数据进行电力负荷预测，得到负荷使用情况预测数据；第二历史数据库用于提供历史用电情况数据，历史用电情况数据包括由历史日负荷变化曲线和历史年变化曲线分别进行数字化后的数据；负荷预测装置内置数学建模工具，用于基于历史气象数据和历史用电情况数据进行电力负荷的预测。
[0057] S3.基于风力预测数据和负荷使用情况预测数据，通过LS‑SVM数学模型的计算，得到风力发电预测结果；将风力预测数据和负荷使用情况预测数据进行归一化处理，将归一化处理后的风力预测数据和负荷使用情况预测数据一起输入到LS‑SVM数学模型中，经计算输出得到风力发电预测结果。
[0058] 以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围。
