风电功率预测技术综述_谷兴凯
第31卷增刊2 电 网 技 术V ol. 31 Supplement 2 2007年12月Power System Technology Dec. 2007 文章编号：1000-3673（2007）S2-0335-04中图分类号：TM743文献标识码：A学科代码：520·2060
风电功率预测技术综述
谷兴凯1，范高锋2，王晓蓉2，赵海翔2，戴慧珠2
（1．东北电网有限公司，辽宁省沈阳市 110006；
2．中国电力科学研究院，北京市海淀区 100085）
Summarization of Wind Power Prediction Technology
GU Xing-kai1，FAN Gao-feng2，WANG Xiao-rong2，ZHAO Hai-xiang2，DAI Hui-zhu2（1．Northeast China Grid Company Limited，Shenyang 110006，Liaoning Province，China；
2．China Electric Power Research Institute，Haidian District，Beijing 100085，China）
摘要：对于有大规模风电接入的电网来说，短期风电功率预测对于电力系统的调度和安全稳定运行有重要的影响。文章较全面地综述了国内外对短期风电功率预测技术的研究现状，介绍了与风电功率预测相关的物理方法和统计方法，分析了预测误差产生的原因及其评价方法，对我国的风电功率预测研究与开发工作提出了建议。
关键词：风力发电；功率；电力系统；预测；估计
0引言
随着能源和环境问题的日益突出，风电作为一种清洁的可再生能源日益受到人们的重视。1990年以来，世界风力发电飞速发展，风电累计装机容量年增长速度平均值超过20%。到2006年底，世界风电总装机容量达到74221MW，2006年风电的增长速度达到32%。到2006年底，我国风电装机容量达到2604MW。我国已经制定了促进风力发电发展的相关法律和中长期发展规划，预计2020年中国风电装机容量将达到30GW，其中2005—2010年底风电装机容量年均增长率有望达到38%，2010—2020年风电装机容量年均增长率有望达到43.1%。
风电是一种间歇性、波动性电源，大规模风电的接入对电力系统的安全稳定运行带来了新挑战。风速波动在3种时间尺度上对风力发电产生影响：一种是超短时波动(几分钟)，在这一时间尺度内的波动对风电机组的控制有一定的影响；另一种是短期波动(几小时到几天)，这个时间尺度内的波动对风电并网和电网调度有一定影响；最后一种是中长期波动(数周或数月)，这一时间尺度内的波动与风电场或电网的检修维护计划有关。本文主要考虑与风速短期波动相关的短期风电功率预测问题。预测的时间尺度与系统的大小和常规机组的类型有关，如果系统内有快速调节的机组，如柴油机、燃气轮机等，时间尺度可以小一些；如果没有快速调节的机组，预测的时间尺度就应该长一些。
短期风电功率预测的意义如下：①用于经济调度，根据风电场预测的出力曲线优化常规机组的出力，达到降低运行成本的目的。②根据风电出力变化规律增强系统的安全性、可靠性和可控性。③在风电参与电力市场的系统中，优化电力市场中电力的价值。在电力市场中，风电场对风电功率进行预测，参与电力市场竞价；电网公司对风电功率进行预测，保证系统安全经济运行。
1 国内外对风电功率研究情况
国外从事风电功率研究工作起步较早，早在1990年Landberg就采用类似欧洲风图集的推理方法开发了一套预测系统[1]，其主要思想是把数值天气预报提供的风速、风向通过一定的方法转换到风电机组轮毂高度的风速、风向，然后根据功率曲线得到风电场的出力，并根据风电场的效率进行修正。这个系统采用了丹麦气象研究院的高精度有限区域模型(high resolution limited area model，HIRLAM)作为数值天气预报的输入，丹麦里索国家实验室的WAsP模型把风速、风向转换到轮毂高度的风速、风向；Ris?的PARK模型考虑尾流的影响。1993—1999年，这个模型分别用在丹麦东部、爱尔兰电力供应委员会和爱荷华州。
风电功率预测工具(wind power prediction tool，WPPT)由丹麦科技大学开发[2]。1994年以来，WPPT 一直在丹麦西部电力系统运行，从1999年开始
DOI:10.13335/j.1000-3673.pst.2007.s2.038
336 谷兴凯等：风电功率预测技术综述V ol. 31 Supplement 2
WPPT在丹麦东部电力系统运行。最初这个系统将适应回归最小平方根法与指数遗忘算法相结合，给出了0.5~36h的预测结果。
Prediktor是Ris?开发的风电场功率预测系统，它尽可能使用物理模型。大范围的空气流动数据是由数值天气预报系统高精度有限区域模型(high resolution limited area model，HIRLAM)提供的。根据地心自传拖引定律和风速的对数分布图，把高空的风速转换为地面的风速。对于一个特定的地点，需要更详尽的数据，因此可以用WAsP 程序来分析，WAsP可以考虑障碍物和粗糙度的影响、粗糙度的变化、山头的加速和山谷的减速等。PARK模型可以考虑风电场尾流的影响。最后还有2个统计模块来表示未能在物理模型中表示出来的其它因素。
Zephry是Ris?和丹麦科技大学的信息和数学建模学院(informatics and mathematical modeling，IMM)联合开发的新一代短期风功率预测程序[3]。Zephry集合了预测程序Prediktor和WPPT的功能，能进行短期预测(0~9h)和天前预测(36~48h)。IMM 使用了在线实测数据和先进的统计方法，能够给出很好的短期预测结果，IMM还使用了如HIRLAM 的气象模型，较大提高了天前预测的精度。
Previento是一个德国OldenBurg大学开发的预测系统，它可以对一个较大的区域给出2d内的功率预测结果[4-5]，其预测方法和Prediktor类似。
AWPT是德国太阳能研究所开发的风功率管理系统(wind power management system，WPMS)的一部分[6]。风功率管理系统包括在线监视系统、短期预测系统(1~8h)和天前预测系统。该模型的特点如下：根据德国气象局提供的精确数值天气预报进行预测；用人工神经元网络计算风电场的功率输出；用在线外推模型计算注入到电网的总风电功率。
eWind是美国AWS Truewind公司开发的风功率预测系统[7-9]。它主要包括一组高精度的三维大气物理数学模型、适应性统计模型、风电场输出模型和预测分发系统。
风电功率预测系统主要还有西班牙马德里卡洛斯三世大学开发的sipre?lico工具[9]。在Madeira 岛和Crete岛运行的More-Care系统[10]和爱尔兰开发的Honeymoon系统。
国内对风电功率预测的研究工作主要是理论探索[11-12]，目前还未提出高精度风电功率预测系统。2 风电功率预测的基本方法
2.1预测方法分类
预测方法分类见图1。最简单的预测方法是持续预测方法。基于该方法可建立一种时间序列模型。该模型的预测误差较大且预测结果不稳定。改进的方法有卡尔曼滤波算法[13]。采用时间序列方法可以对风速做时间序列分析，然后将其转换成风电场输出功率，也可直接对风电场输出功率做时间序列分析[14]。现在常用的预测方法输入数据主要有：包括风速、风向、气温、气压等的SCADA实时数据，等高线、障碍物、粗糙度等数据，数值天气预报数据。考虑地形、粗糙度等信息的预测方法为物理方法，否则为统计方法，如神经网络方法、模糊逻辑方法等。对于超过6h 的功率预测，现在的预测系统几乎都用到了数值天气预报的数据。
风电功率预测模型
时间序列模型(持
续预测方法、卡尔
曼滤波方法等)
基于数值天气预报的
预测模型
物理模型统计模型(神经网
络方法、模糊数
学方法等)
图1风电功率预测方法分类
2.2数值天气预报
数值天气预报是根据大气实际情况，在一定初值和边界条件下，通过数值计算求解描写天气演变过程的流体力学和热力学方程组来预报未来天气的方法[15]。这种预报是定量和客观的预报。目前欧美国家使用的环境预报系统主要有美国环境预报中心综合系统，欧洲中尺度气象预报中心综合系统，德国气象服务机构开发的Lokal model模型，由丹麦气象研究院、芬兰气象研究院、冰岛气象局、爱尔兰气象服务部门、荷兰皇家气象研究院、挪威气象研究院、西班牙气象研究院和瑞典气象水文研究院联合开发的高精度有限区域模型(high resolution limited area model，HIRLAM)。
2.3 基于物理方法的风电功率预测流程
基于物理方法的风电功率预测示意图见图2。根据数值天气预报系统的预测结果得到风速、风向、气压、气温等天气数据，然后根据风电场周围等高线、粗糙度、障碍物、温度分层等信息计算得到风电机组轮毂高度的风速、风向等信息，最后根据风电场的功率曲线计算得到风电场的输出功率。
第31卷 增刊2 电 网 技 术 337
图2 基于物理方法的风电功率预测示意图
因为在不同的风向和温度条件下，即使风速相同，风电场输出功率也不相等，因此风电场功率曲线是一族曲线，同时还应考虑风电机组故障和检修的情况。对整个区域进行风电功率预测时，可采用如下方法：一种方法是对所有的风电场输出功率进行预测，然后求和得到风电功率；另一种方法是只对几个风电场进行预测，然后用一种扩展算法得到整个区域的风电场输出功率。
2.4 风电功率预测的统计方法
统计方法不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测，常用的预测方法有人工神经网络方法(artificial neural networks ，ANN)[16-18]、混合专家经验法(mixture of experts ME)、最近邻搜索(nearest neighbour search ，NNS)、蚁群优化(particle swarm optimization ，PSO)和支持向量机(support vector machines ，SVM)等[6]。
3 风电功率预测的误差
预测具有不确定性，预测误差是客观存在的。
预测误差的来源主要有天气条件快速变化、测量数据损坏、风电机组停运、数值天气预报数据误差较大、预测模型不精确等。明确预测误差的定义有利于对预测方法的优劣性进行评价。常用的预测误差
有均方根误差(root mean square error ，RMSE)、平均绝对误差(mean absolute error ，MAE)和平均误差(mean error ，ME)。
预测误差变化曲线[9]如图3所示，其中η为均方根误差与装机容量的比值。由图3可知，预测系统性能的优劣是决定预测系统不确定性的重要因素。随着系统的不断完善，经验和历史数据的积累，预测误差会逐渐较小。
年份 η
图3 预测误差变化曲线
即使是同一个预测系统，由于其应用形式不同，预测区域的大小和风电场的数量、预测的时间尺度和输入数据的精度等不同，风电功率预测的误差也不同。受区域平滑效应的影响，通常预测区域越大，预测的误差越小。由于预测误差主要来自天气预报的不确定性，而预测的时间尺度越大，天气预报的不确定性也越大，因此时间尺度越大，预测误差越大，时间尺度越短，预测误差越小。采用多种天气预报模型组合、使用多种预测模型和更多的输入信息，也有助于提高预测的精度。
4 总结与建议
风功率预测方法可以分为2类：一种方法是根据数值天气预报的数据，用物理方法计算风电场的输出功率；另一种方法是根据数值天气预报与风电场功率输出的关系、在线实测的数据进行预测的统计方法。我国的风电场情况较复杂，因此因地制宜地开展风电功率预测工作时，同时也需要对先进预测方法进行研究，以逐步提高预测精度。
参考文献
[1] Troen I ，Petersen E L ．European wind atlas[M]．Roskilde ：Risoe
National Laboratory ，1989．
[2] Nielsen T S ，Madsen H ．WPPT —a tool for wind power
prediction[C]．EWEA Special Topic Conference ，Kassel ，2000． [3] Giebel G ，Lars L ，Joensen A K ，et al ．The zephyr-project —the next
generation prediction system[C]．Procedings of Wind Power for the 21st Century ，Kassel ，Germany ，2000．
[4] Focken U M ，Lange H P W ．Previento —a wind power prediction
system with an innovative upscaling algorithm[C]．European Wind Energy Conference ，Copenhagen ，Denmark ，2001．
[5] Lange M U ，Focken D ．Heinemann previento —regional wind power
prediction with risk control[C]．Proceedings of the World Wind Energy Conference ，Berlin ，2002．
[6] Bernhard L ，Kurt R ，Bernhard E ，et al ．Wind power prediction in
Germany —recent advances and future challenges[C]．European Wind Energy Conference ，Athens ，2006．
[7] Bailey B ，Brower M C ，Zack J ．Short-term wind
forecasting[C]．European Wind Energy Conference ，Nice France ，1999．
[8] Zack J W ，Brower M C ，Bailey B H ．Validating of the forewind model
in wind forecasting application[C]．EUWEC special topic conference wind power for the 21st century ，Kassel ，Germany ，2000． [9] S ánchezI O ，Ravelo J ，Usaola C ，et al ．Sipre ólico —a wind power
338 谷兴凯等：风电功率预测技术综述V ol. 31 Supplement 2
prediction system based on flexible combination of dynamic models.
application to the spanish power system[C]．First IEA Joint Action Symposium on Wind Forecasting Techniques，Norrkoping，Sweden，2002．
[10] Hatziargyriou N，Contaxis G，Matos M，et al．More care—advice for
secure operation of isolated power systems with increased renewable energy penetration and storage[C]．European Wind Energy Conference，Copenhagen，2001．
[11] 肖永山，王维庆，霍晓萍．基于神经网络的风电场风速时间序列
预测研究[J]．节能技术，2007，25(2)：106-108．
[12] 杨秀媛，肖洋，陈树勇．风电场风速和发电功率预测研究[J]．中
国电机工程学报，2005，25(11)：1-5．
[13] Bossanyi E A．Short-term wind prediction using kalman
filters[J]．Wind Engineering，1985，9(1)：1-8．
[14] Lexiadis M A， Dokopoulos P，Sah S，et al．Short term forecasting
of wind speed and related electrical power[J]．Solar Energy，1998，
63(1)：61-68．
[15] 周毅，侯志明，刘宇迪．数值天气预报基础[M]．北京：气象出版
社，2003．
[16] Beyer H G T，Degner J H．Short term prediction of wind speed and
power output of a wind turbine with neural networks[C]．European Wind Energy Conference，Thessaloniki，1994．
[17] Kariniotakis G N，Stavrakakis G S，Nogaret E F．Wind power
forecasting using advanced neural networks models[J]．IEEE Trans on Energy Conversion，1996，11(4)：762-767．
[18] Bechrakis D A，Sparis P D．Wind speed prediction using artificial
neural networks[J]．Wind Engineering，1998，22(6)：287-295．
收稿日期：2007-11-21。
作者简介：
谷兴凯(1952—)，男，教授级高级工程师，从事电网规划等方面的工作，E-mail：guxingkai@https://www.wendangku.net/doc/e214745734.html,；
范高锋(1977—)，男，博士研究生，研究方向为电力系统分析与风力发电技术，E-mail：fangaofeng@https://www.wendangku.net/doc/e214745734.html,；
王晓蓉(1973—)，女，高级工程师，从事风力发电领域的科研与咨询工作；
赵海翔(1969—)，男，博士，从事电力系统分析与风力发电等领域的科研与咨询工作；
戴慧珠(1939—)，女，教授，博士生导师，长期从事电力系统分析与风力发电等领域的科研与咨询工作。
（编辑 杜宁）
风电功率预测系统功能要求规范
风电功率预测系统功能规范 （试行） 国家电网公司调度通信中心
目次 前言...................................................................... III 1范围. (1) 2术语和定义 (1) 3数据准备 (2) 4数据采集与处理 (3) 5风电功率预测 (5) 6统计分析 (6) 7界面要求 (7) 8安全防护要求 (8) 9系统输出接口 (8) 10性能要求 (9) 附录A 误差计算方法 (10)
前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。 本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。 本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 本规范由国家电网公司国家电力调度通信中心提出并负责解释； 本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。 本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。
风电功率预测系统功能规范 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。 本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1 风电场 Wind Farm 由一批风电机组或风电机组群组成的发电站。 2.2 数值天气预报 Numerical Weather Prediction 根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3 风电功率预测 Wind Power Forecasting 以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4 短期风电功率预测 Short term Wind Power Forecasting 未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5 超短期风电功率预测 ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。
风力发电机文献综述
毕业设计文献综述 题目：立轴风力发电机 学生姓名：李春鹏学号：090501224 专业：机械设计制造及其自动化 指导教师：刘恩福 2013年2月27日
一、摘要 风能利用技术的快速发展已使风能成为目前最重要的一种可再生资源。现有的风能转化系统大部分将风能通过风力机装置转化为机械能，然后通过电机转化为电能，通常风力机按风轮旋转轴在空间的方向，分为水平轴风力机（HorizontalAxis Wind Turbine简称为HAWT）和立轴风力机（Vertical Axis Wind Turbine简称为VAWT）两大类，达里厄型（Darrieus）风力机为立轴风力机的典型机型。立轴风力机由于其结构和气动性能的独特优势，越来越被人们重视。变速风力机可以在很大的风速范围内工作，而且能最大限度的捕获风能，提高风力发电机的效率，而成为当前该领域的研究热点。本文以大型变速立轴风力机为研究对象，风力机为典型的达里厄型风力机，直接驱动永磁同步电机发电。通过建立风力机气动性能评估模型、传动系统模型、电机以及控制系统的模型，并在MATLAB/SIMULINK进行仿真模拟，得到风力机在各种工况下的运行情况，并实现了最大风能追踪的算法。 变速风力发电机提高了风能利用率，但增加了控制系统的难度，本文对最大风能追踪策略的理论进行分析研究。分析了达里厄型风力机的气动性能评估模型，该模型是基于叶素动量理论的双多流管模型，考虑了达里厄型风力机旋转时叶片对风轮下盘面流动干涉的特性，以及翼型动态失速、气动阻力的影响，对1MW达里厄型风力机进行计算分析，得到了该风力机的气动性能，如风力机在各风速下的气动转矩与转速的关系，以及在各风速下的气动功率与转速的关系，为仿真模拟提供基础。根据仿真的需要分别建立了风力机传动系统模型、永磁同步电机模型、最大功率跟踪算法等模型。永磁同步发电机在同步旋转轴下建立，并对同步电机的解耦控制做了分析，最大功率跟踪算法采用尖速比控制方法。最后在MATLAB/SIMULINK中且搭建了整个系统的仿真模型，对1MW 达里厄型风力机低风速气动、高风速刹车、额定风速下变风速运行等工况进行了仿真模拟。通过模拟得到风力机在各种工况下的运行情况，实现了最大风能追踪的算法，采用尖速比的控制方法追踪最大风能的效果显著，为进一步立轴风力发电机控制系统的设计提供依据。 ABSTRACT The rapid progress on wind energy conversion technology has made wind energy tobe one of the most important renewable and sustainable energy.Current wind energy conversion system translates the wind energy to mechanical energy by wind turbine,and then converts it to electricity by generator.According to the direction of the revolving shaft in space,wind turbine includes two types,one is horizontal axis wind turbine(HAWT for short),and the other is vertical axis wind turbine(VAWT for short),thevertical axis wind turbine is famous for Darrieus type.There has been growing attention to vertical axis wind turbine for its unique structural and aerodynamic advantages.As variable speed wind turbine works at larger ranger of wind speed,utilizes much more wind energy,Improve the efficiency of wind turbines.So it has become the hot topic in the field.This paper is basic on large variable speed vertical axis wind turbine.The wind turbine is Darrieus type,and it dives permanent magnet synchronous generator directly.Through establishment of aerodynamic performance evaluation model,dive-train model,generator and control system model,and simulating of the wind turbine system model in MATLAB/SIMULINK,we can obtain the performance of wind turbine in a variety of conditions,and achieve the algorithm of Maximum Power Point Tracking. Although variable speed wind turbine Improve the efficiency it Increase the difficulty of the control system.The Maximum Power Point Tracking control Strategy theory is analyzed in this paper.The aerodynamic performance evaluation model is established,it's the double-disk multiple stream-tube model in the framework of blade element momentum theory,the airfoil dynamic stall effect and aerodynamic losses were included.we obtained the aerodynamic performance by calculating for the1MW Darrieus vertical axis wind turbine,such as the relationship between aerodynamic torque and rotating speed at different wind speed,the relationship between aerodynamic power and rotating speed at different wind
风电场风速及风电功率预测方法研究综述
—————————————————— —基金项目：福建省教育厅科技项目（JA08024）；福建省自然科学基金计划资助项目（2008J0018）。 第27卷第1期2011年1月 电网与清洁能源 Power System and Clean Energy Vol.27No.1 Jan.2011文章编号：1674-3814（2011）01-0060-07 中图分类号：TM614 文献标志码：A 风电场风速及风电功率预测方法研究综述 洪翠，林维明，温步瀛 （福州大学电气工程与自动化学院，福建福州350108） Overview on Prediction Methods of Wind Speed and Wind Power HONG Cui,LIN Wei-ming,WEN Bu-ying （College of Electrical Engineering and Automation ，Fuzhou University ，Fuzhou 350108，Fujian Province,China ） ABSTRACT ：Due to the intermittency of wind energy and the non -linearity of power system,there exist many uncertain variables which should be considered in the wind power prediction.The current prediction methods include the physical method, statistical method, learning method and the comprehensive one combining all the other methods.Based on accurate numerical weather prediction （NWP ）,the physical method is seldom used in the short term prediction,as its model is complicated and deals with large quantities of calculations.The model of the statistical method is simple and requires a small amount of data.It can be applied in those situations where data acquisition is difficult.The AI method is suitable in the random or non —linear system as it does not rely on the accurate mode of the objective.The comprehensive method maximizes favorable factors and minimizes unfavorable ones as contained in above-mentioned methods.This paper presents a brief overview on prediction methods of wind speed and wind power,and raises further issues worth further research on the basis of summarizing the previous studies.KEY WORDS:wind power prediction;statistical methods; learning methods;combinatorial prediction 摘要：由于风能的随机性以及电力系统的非线性等原因，预测风电功率时需要考虑众多的不确定因素影响。 现有预测方法主要包括物理预测方法、统计预测方法以及学习预测方法、综合预测法等。基于数字天气预报（NWP-numerical weather prediction ） 的物理预测方法模型复杂、计算量大，较少用于短期预测；统计预测方法模型简单，数据需求量少， 较适合于数据获取有一定困难的情况；人工智能预测方法不依赖于对象的精确模型，适合于随机非线性系统；综合预测方法可一定程度地扬长避短。本文主要就风电场风速及风电功率预测方法研究进行了综合阐述，并在总结前人研究的基础上提出了一些可进一步研究的问题。 关键词：风电预测；统计方法；学习方法；综合预测 随着全球石化资源储量的日渐匮乏以及低碳、 环保概念的逐步深化，风能等可再生能源的开发与利用日益受到国际社会的重视。2007年初欧盟曾提出，2020年其可再生能源消费将占到全部能源消费的20%，可再生能源发电量将占到全部发电量的30%[1]。风力发电是风能的主要利用方式之一。2009年，全球风电装机总量已达157.9GW ，较上年增加了37.5GW [2]。中国风能资源仅次于美国和俄罗斯，可利用风能资源共计约10亿kW 。近些年来风电在中国获得了飞速发展，2000年至2009年十年时间，中国风电装机容量从0.34GW 增至25.8GW [3]；2020年，预计全国风电总装机容量将达到30GW [1]。除部分采用离网运行方式外[4]，大容量风电机组多数采用并入电网的运行方式。随着规模越来越 大、数量越来越多的风力发电功率注入电网， 风能具有的随机性对电力系统的影响越来越不可忽视。 1风电预测的意义 准确有效地预测出风电场的输出功率不但可 帮助电力系统调度运行人员做出最有效决策， 还
风力发电并网稳定性研究开题报告
Xx大学 毕业设计（论文）开题报告题目风力发电并网稳定性研究 系（院）自动化系年级 专业电气工程与自动化班级 学生姓名学号 指导教师职称 xxx教务处 二〇一一年三月 开题报告填表说明
1.开题报告是毕业设计（论文）过程规范管理的重要环节，是培养学生严谨务实工作作风的重要手段，是学生进行毕业设计（论文）的工作方案，是学生进行毕业设计（论文）工作的依据。 2.学生选定毕业设计（论文）题目后，与指导教师进行充分讨论协商，对题意进行较为深入的了解，基本确定工作过程思路，并根据课题要求查阅、收集文献资料，进行毕业实习（社会调查、现场考察、实验室试验等），在此基础上进行开题报告。 3.课题的目的意义，应说明对某一学科发展的意义以及某些理论研究所带来的经济、社会效益等。 4.文献综述是开题报告的重要组成部分，是在广泛查阅国内外有关文献资料后，对与本人所承担课题研究有关方面已取得的成就及尚存的问题进行简要综述，并提出自己对一些问题的看法。 5.研究的内容，要具体写出在哪些方面开展研究，要突出重点，实事求是，所规定的内容经过努力在规定的时间内可以完成。 6.在开始工作前，学生应在指导教师帮助下确定并熟悉研究方法。 7.在研究过程中如要做社会调查、实验或在计算机上进行工作，应详细说明使用的仪器设备、耗材及使用的时间及数量。 8.课题分阶段进度计划，应按研究内容分阶段落实具体时间、地点、工作内容和阶段成果等，以便于有计划地开展工作。 9.开题报告应在指导教师指导下进行填写，指导教师不能包办代替。 10.开题报告要按学生所在系规定的方式进行报告，经系主任批准后方可进行下一步的研究（或设计）工作。 一、课题的目的意义：
风电功率预测文献综述
风电功率预测方法的研究 摘要 由于风能具有间歇性和波动性性等特点，随着风力发电的不断发展风电并网对电力系统的调度和安全稳定运行带来了巨大的挑战。进行风电功率预测并且不断提高预测精确度变得越来越重要。通过对国内外研究现状的了解，根据已有的风电功率预测方法，按照预测时间、预测模型、预测方法等对现有的风电功率预测技术进行分类，着重分析几种短期风电功率预测方法的优缺点及其使用场合。根据实际某一风电场的数据，选取合适的风电预测模型进行预测，对结果予以分析和总结。 关键词：风电功率预测；电力系统；风力发电；预测方法； 引言 随着社会不断发展人们对能源需求越来越大而传统化石能源日益枯竭不可再生，以及化石能源带来了环境污染等问题影响人类生活，人们迫切需要新的清洁能源代替传统化石能源。风能是清洁的可再生能源之一，大力发展风力发电成为各国的选择。根据相关统计，截止至2015年，全球风电产业新增装机63013MW，，同比增长22%[1]。其中，中国风电新增装机容量达30500MW，占市场份额48.4%。全球累计装机容量为432419MW，其中中国累计装机容量为145104,占全球市场份额的33.6%。 目前风力发电主要利用的是近地风能，近地风能具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。当接入到电网的风电功率达到一定占比时，风电功率的大幅度波动将破坏电力系统平衡和影响电能质量，给电力系统的调度和安全平稳运行带来严峻挑战。根据风速波动对风力发电的影响按照时间长度可分为三类：一种是在几分钟之内的超短时波动，该时段内的波动影响风电机组的控制；另一种是几小时到几天内的短时波动，该时段内的波动影响风电并网和电网调度；最后一种是数周至数月的中长期波动，该时段内的波动影响风电场与电网的检修和维护计划。本文主要研究不同的风电功率短期预测方法的优缺点。 通过对短期风电功率预测，能够根据风电场预测的出力曲线优化常规机组出力，降低运行成本；增强电力系统的可靠性、稳定性；提升风电电力参与电力市场竞价能力。
风电功率预测系统简介
风电功率预测系统简介
目录 1目的和意义 (3) 2国内外技术现状 (3) 2.1国外现状 (3) 2.2国内现状 (4) 3风电功率预测系统技术特点 (5) 3.1 气象信息实时监测系统 (5) 3.2超短期风电功率预测 (5) 3.3短期风电功率预测 (6)
3.4风电功率预测系统软件平台 (8)
1目的和意义 风能是一种清洁的可再生能源，由于其资源丰富、转化效率高、产业化基础好、经济优势明显、环境影响小等优点，具备大规模开发的条件，在可以预见的将来，风能的开发利用将成为最重要的可再生能源发展方向。但由于风电等可再生能源发电具有间歇性、随机性、可调度性低的特点，大规模接入后对电网运行会产生较大的影响, 以至于有些地方不得不采取限制风电场发电功率的措施来保证电网的安全稳定运行。 对风电输出功率进行预测被认为是提高电网调峰能力、增强电网接纳风电的能力、改善电力系统运行安全性与经济性的最有效、经济的手段之一。首先，对风电场出力进行短期预报, 将使电力调度部门能够提前为风电出力变化及时调整调度计划，从而减少系统的备用容量、降低电力系统运行成本。这是减轻风电对电网造成不利影响、提高系统中风电装机比例的一种有效途径。其次，从发电企业（风电场）的角度来考虑,将来风电一旦参与市场竞争, 与其他可控的发电方式相比, 风电的间歇性将大大削弱风电的竞争力,而且还会由于供电的不可靠性受到经济惩罚。提前对风电场出力进行预报, 将在很大程度上提高风力发电的市场竞争力。 2国内外技术现状 2.1国外现状 在风电功率预测技术研究方面，经过近20 年的发展，风电功率预测已获得了广泛的应用，风电发达国家，如丹麦、德国、西班牙等均有运行中的风电功率预测系统。 德国太阳能技术研究所开发的风电管理系统（WPM）S是目前商业化运行最为成熟的系统。德国、意大利、奥地利以及埃及等多个国家的电网调度中心均安装了该系统，目前该系统对于单个风电场的日前预报精度约为85%左右。丹麦Ris? 国家可再生能源实验室与丹麦技术大学联合开发了风电功率
文献综述：风电并网存在问题分析
风电并网的不利影响及分析 一、风电并网的不利影响案例分析 1、加拿大阿尔塔特电力系统 截至2008 年，加拿大的阿尔伯塔电力系统（AIES）共有装机约280 台，总容量12 368 MW。其中，煤电5 893 MW，燃气发电4 895 MW（热电联产约3 000MW），水电869 MW，风电523 MW，生物质等其他可再生能源214 MW。阿尔伯塔的风电开发意向已达到11 000 MW，几乎与目前系统的装机容量相当，这在给AIES 带来巨大机遇的同时也带来了挑战。因为，大规模的风电接入会增加系统发电出力的不稳定性，降低系统维持供需平衡的能力。AIES 的装机以火电为主，且调节能力有限，系统备用容量也有限，电力市场的可调发电出力的灵活性不高，对外联络线的潮流交换能力相对有限。因此，系统需要增强调节及平衡能力和事故响应能力，否则难以应对风电出力变化给系统带来的巨大压力。 电力生产和使用必须同时完成的特点决定了系统运行必须维持每时每刻的供需平衡。供需失衡会引起发输电设备跳闸、负荷跳闸甚至系统崩溃等事故。因此，维持系统的实时平衡是一个非常艰巨的任务，而大规模的风电并网，会从以下4 个方面影响系统供需平衡：（1）能否准确预测供需走势。预测是实施供需平衡调节的基础。供需差可能来源于负荷、潮流交换、间歇性电源等的变化。供需走势的预测对于系统运行至关重要。预测越准确，相关的运行决策越准确，运行人员越容易维持系统稳定。而目前的风电预测，远不能达到系统运行对预测精度的要求，给大规模风电并网的系统运行带来很大隐患。 （2）需要足够的系统调节平衡资源来提升系统应对风电出力变化和不确定的能力。系统调节平衡资源是指能被随时调度的、能维持系统平衡的调节备用容量、负荷跟踪服务等运行备用。由于风电出力变化和不确定，导致系统必须维持很高的系统调节资源以作备用，降低了系统资源的利用率。否则，系统将无法应对风电出力变化和不确定性，影响系统的安全可靠运行。 （3）亟须建立相关的系统运行操作规程。为了保持系统的有效运行，必须提前研究并制定相关的系统运行操作规程，并纳入已有的运行规程以指导调度人员。由于人们对风电出力变化和不确定的了解还处于起步阶段，所以相关的运行规程还属空白。 （4）调度人员要学习并掌握应对风电出力变化和不确定影响的能力。拥有充足的系统调节平衡资源、建立相关的规程、具有可操作性的预测结果，加上操作人员多年的经验积累，在对系统特性有足够了解的基础上，才能准确地判断并作出正确决策，实现系统操作安全、可靠、及时。面对大规模的风电并网给系统运行带来的巨大挑战，调度人员需要学习如何应对风电出力变化和不确定给系统运行带来的复杂局势。 对于一个独立系统，供需不平衡可能导致系统出现频率偏差的情况，对于一个互联系统，供需不平衡可能导致系统从主网解列。特别是，阿尔伯塔系统的风电开发意向已远远大于其承受范围，所以面临的问题更加严峻。 胡明：阿尔伯塔风电并网对系统运行的影响和对策；电力技术经济；2009[4] 2、辽宁电网 预计在2010年底,辽宁电网的风电装机容量达到340万kW, 2015年风电装机容量达到787万kW。风电的大规模集中并网将给辽宁电网的调峰调频、联络线控制、系统暂态稳定、无功调压及电能质量等诸多方面带来直接影响,给电力系统的安全稳定运行带来新的挑战。 （1）导致系统调峰难度增加
风电功率预测系统功能规范
风电功率预测系统功能规范（试行） 前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。本规范由国家电网公司国家电力调度通信中心提出并负责解释；本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1风电场Wind Farm由一批风电机组或风电机组群组成的发电站。 2.2数值天气预报Numerical Weather Prediction根据大气实际情况，
在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3风电功率预测Wind Power Forecasting以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4短期风电功率预测Short term Wind Power Forecasting未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5超短期风电功率预测ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。 3数据准备 风电功率预测系统建模使用的数据应包括风电场历史功率数据、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌等数据。 3.1风电场历史功率数据风电场的历史功率数据应不少于1a，时间分辨率应不小于5min。 3.2历史测风塔数据a）测风塔位置应在风电场5km范围内；b）应至少包括10m、70m及以上高程的风速和风向以及气温、气压等信息；c）数据的时间分辨率应不小于10min。 3.3历史数值天气预报历史数值天气预报数据应与历史功率数据相
风电功率预测的发展成就与展望
风电功率预测的发展现状与展望 范高锋，裴哲义，辛耀中 （国家电力调度通信中心，北京100031） 摘要：风电场输出功率预测对接入大量风电的电力系统运行有重要意义。本文从电力调度运行的角度，在风电功率预测技术的发展现状、系统建设情况、预测误差、预测评价指标和预测的主体等方面展开了论述，对目前存在的基础数据不完善、预测精度不高、预测的时间尺度较短和风电场普遍没有开展预测的问题进行了分析，提出了加强电网侧和风电场侧风电功率预测系统建设、加快超短期预测功能建设、继续深化预测技术研究、加强标准体系建设和开展跨行业合作等发展建议。 关键词:风电场；功率；预测；系统 中图分类号：TM614 文献标志码：A 文章编号： Wind power prediction achievement and prospect FAN Gao-feng , PEI Zhe-yi , XIN Yao-zhong (National Power Dispatching& Communication Center，Beijing 100031) Abstract: Wind power prediction is important to the operation of power system with comparatively large mount of wind power. This paper summarized the current situation of wind power prediction technology, wind power prediction system construction, prediction error, assessment index, and main market body of prediction from the power dispatch perspective. The main problems includes basic data incomplete, prediction precision relatively low, prediction time scale short and wind farm no wind power system are analyzed. Suggestions of enforcing grid side and wind farm side wind power prediction system construction, speeding up ultra-short term wind power prediction system construction, deepening wind power prediction technology study, strengthening prediction technical standard system and cooperation of different industry are proposed. Keywords: wind farm; power; prediction; system 0引言 电力系统是一个复杂的动态系统。维持发电、输电、用电之间的功率平衡是电网的责任。在没有风电的电力系统，电网调度机构根据日负荷曲线可以制定发电计划，以满足次日的电力需求。风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加，风电对电力系统的调度运行带来巨大挑战。 目前风电对全网的电力平衡已经带来很大的影响[1-3]。对风电场输出功率进行预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一。同时，风电功率预测还可以指导风电场的检修计划，提高风能利用率，提高风电场的经济效益。经过多年的科研攻关与技术创新，我国具有自主知识产权的风电功率预测系统已在电力调度机构获得了广泛应用，12个网省调建立了预测系统，覆盖容量超过12GW，在电网调度运行中发挥了一定作用。本文对近年来风电功率预测方面完成的工作进行了总结，对存在的问题进行了论述，并提出了下一步的发展建议。 1 风电功率预测发展现状 1.1 风电功率预测技术的发展情况 电网调度部门对风电功率预测的基本要求有2个：一是短期预测，即当天预测次日0时起72h的风电场输出功率，时间分辨率为15 min，用于系统发电计划安排；另一个是超短期预测，即实现提前量为0~4h的滚动预测，用于电力系统实时调度[4]。 风电功率预测方法主要分为统计方法、物理方法[5-6]。统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测，常用的预测模型有时间序列、神经网络、支持向量机等。物理方法是指风电功率预测的物理方法根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法，计算得到风电
我国风电技术装备发展综述
专栏 驰国风电技术 风电是可再生、无污染、能量大、前景广的能源，大力 发展清洁能源是世界各国的战略选择。风电技术装备是风电 产业的重要组成部分，也是风电产业发展的基础和保障．世 界各国纷纷采取激励措施推动本国风电技术装备行业发展， 并培养了一流的风电装备制造企业。同时。风电技术进步和 风电装备制造企业的成长又进一步促进了风电产业的发展。 目前，我国风电技术装备行业已经取得较大成绩，但距国外 发达国家还有一定差距。为深入贯彻落实科学发展观实践活动，大力推迸我国风电技术装备行业进步，促进整个风电产 业发展．国家能源局能源节约和科技装备司结合自身工作职能，对目前我国风电技术装备自主化情况进行了全面调研， 广泛听取了国内外专家学者的意见，初步形成了有关我国风 电技术装备发展情况的调研报告，对我国风电产业技术研发、质量控制以及行业标准的三个方面问题进行分析，供参考。 ｌ风电产业发展概况 近年来，我国风电产业发展形势喜人。１９８６年，我国山 东荣成建成了第一个风电场，安装了３台５５ｋＷ风电机组。自 此之后，全国各地陆续建设了一批风电场。图ｌ为２００１年以来 我国风电装机容量增长率。由图ｌ可知，进入２ｌ世纪之后， 我国风电装机容量持续高增长。截至２００７年底，我国共建成 １５８个凤电场，累计装机容量为６０３０ＭＷ，超额完成了原定 ５０００ＭＷ装机容量的计划目标。２００８年底风电装机容量达到 １２５００ＭＷ，提前两年实现了。２０１０年风电装机１００００ＭＷ”的 目标，跃居亚洲第一，世界第四。一年新增６５００ＭＷ，成为世 界上风电装机增速最快的国家之一，２０２０年有望达到一亿千瓦。在风电技术装备方面，大连华锐３ＭＷ海上风电机组近期顺利安装，这是目前我国最大单机容量风电机组。此外，通 过一系列国家支持计划、科技攻关和技术引进，我国基本掌３１士多艺 求翻 ／０譬幽 薪琵源 发展综述 仗ｊ髓圣示逊 握了兆瓦级风电机组制造技术，国产设备市场占有率达到了６９％，初步形成了生产叶片、齿轮箱、发电机和控制系统等主要部件的产业链。 —长搴佛）”＝掣 黪” “‘７。’一～。 ’。…”’”。１．弱 』ｌ铷’１３ ９０ 晒．７ ∞ ３０ 良ｏ。■．■．１．■。盈Ｖ ‰一２００ｔ２００２Ｚ００３ ２ａ畦撕粼２００Ｔ镶 图１２００１～２００７年我国风电装机容量增长率 尽管我国风电产业发展成绩显著，但也面临诸多问题。 我国风力发电起步于２０世纪８０年代初，主要是满足广大牧民生活用电的要求，研制离网型小型风力发电机，单机容量为几十瓦至几百瓦，例如：太原汾西机器厂制造的ＦＤ２?１５０，叶轮直径２米，轮毂高度５．５米，切入风速３米／秒，额定风速７米／秒，额定功率１５０瓦。并网型风力发电机采取技术引进、消化吸收的技术路线，先后引进了丹麦５５千瓦（１９８６年）和１２０千瓦失速型风力发电机，在此后的十几年里，并网型风电机组以及相关技术进展缓慢，大多数风电企业的设备及关键技术受制于国外，风电系统人才培养几乎空白。 同时，单机容量和风电场规模大幅增大之后，在研发、设计，制造、规划、并网和电网管理等方面都存在较高难度的技术”瓶颈”，在目前高速发展（装机容量）的情况之下，急需冷静分析存在的问题，尽力避免出现宏观上、规模化和方向性的失误。为此，本报告着重分析风电技术研发、质量控制以及行业标准三个问题，力图为风电产业发展提供借鉴。 ４４自ｉ力ｆ匕博览２０１０年０２月刊 Ａ翮ＡＴＩｏ盯ＰＡＮＯＲＡ砀Ａ一
风电功率预测问题
第一页 答卷编号：论文题目： 指导教师： 参赛学校： 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人） 第二页 答卷编号：
风功率预测问题设计 摘要 未来风力发电可能成为和太阳能比肩的新能源行业。随着全球经济的发展和人口的增长，人类正面临着能源利用和环境保护两方面的压力。一方面煤炭、石油和天然气等化石燃料的储量由于大量开采而日益减少：另一方面是大量使用化石燃料对自然环境产生了严重的污染和破坏。这两方面的问题已经引起世界各国政府和人民的高度重视，并在积极寻求一条可持续发展的能源道路，以风能首当其冲。风速的随机性，给，和风电场的功率输Hj带来很大的困难。本文旨在研究分电功率在一段时间的变化规律，本文组建三个模型来解决风电功率的预测问题通过对历史数据的分析，挖掘5月31号到6月6日风电功率的变化趋势，以便直观的检验模型与实际数据是否相吻合。 在问题一中考虑天气变化的随机性，分析不同时间点的数据，将Pa,Pb,Pc,Pd,P58表中5月30日第81时间点到96时间点的数据提取出来运用灰色理论作为预测2006年5月31日开始前四个小时内的16个时间点的数据预。同理以表中已给出的5月31日1-16时间点的数据预测出17-32时间的数据，然后运用此模型得出时间范围a,b内各时间点的风电功率。然后可与题目中以给的数据相比较得出误差。第二种预测方法运用指数平滑模型得出时间范围a,b内各时间点的风电功率。第三种预测方法运用移动平均模型，预测出时间范围a,b内各时间点的风电功率。通过三种预测方法的误差分析我们推荐指数平滑预测法。 在问题二中，通过比较分析问题一的预测结果，比较单台风电机组功率（P A ，P B ，P C ， P D ）的相对预测误差与多机总功率（P 4 ，P 58 ）预测的相对误差，得出风电机组的汇聚程 度越高，对于预测风电功率结果误差影响越小。 在问题三中，选用了BP神经网络的预测方法，加入了更多的自变量，使得预测结果更精确。 （关键词：风速的随机性，风速的预测，风电功率数值，灰色理论，指数平滑模型，移动平均模）
国家能源局关于印发风电功率预报与电网协调运行实施细则
国家能源局关于印发风电功率预报与电网协调运行实施细则(试行)的 通知 国能新能[2012]-12文件 各省(区、市)发展改革委、能源局、中国气象局，国家电网公司、南方电网公司、华能集团公司、大唐集团公司、华电集团公司、国电集团公司、中电投集团公司、神华集团公司、中广核集团公司、三峡集团公司、中国节能环保集团公司、水电水利规划设计总院、各相关协会: 为促进风电功率预测预报与电网调度运行的协调，根据《风电场功率预测预报管理暂行办法》的有关要求，现将〈风电功率预报与电网协调运行实施细则~(试行)印发你们，请参照执行。 附:风电功率预报与电网协调运行实施细则(试行) 风电功率预报与电网协调运行实施细则(试行) 第-章总则 第一条根据《中华人民共和国可再生能源法》和《节能调度管理办法}，为贯彻落实国家能源局《风电场功率预测预报管理暂行办法}C国能新能(2011 ) 177号)，制定本实施细则。 第二条中国气象局负责建立风能数值天气预报服务平台和业务运行保障体系，为风电功率预测提供数值天气预报公共服务产品和相关技术支持系统。 第三条风电开发企业负责风电场发电功率预报工作，按照要求上报风电场发电功率预报曲线，并执行电网调度机构下发的发电功率计划曲线。 第四条电网调度机构负责电力系统风电发电功率预测工作，建立以风电功率预测预报为辅助手段的电力调度运行机制，保障风电优先调度，落实风电全额保障性收购措施。 风电功率预测预报和并网运行的有关考核办法另行制定。 第五条各有关单位应保证安全接收、传送、应用气象和电力运行等信息，确保涉密信息的获取和使用符合国家相关保密规定。 第二章气象数据服务及功率预测
风电功率预测开题报告
福州大学本科生毕业设计（论文）开题报告 姓名黄生树学号011000511专业电气工程与自动化（建筑电气方向） 毕业设计（论文）题目风电功率预测方法的研究 一、论文选题依据（包括本课题国内外研究现状述评，研究的理论与实际意义，对科技、经济和社会发展的作用等） 由于人们对能源需求的不断增展然而传统的化石能源作为不可再生资源而日益枯竭，以及使用化石能源对生态环境带来的的破坏越来越引起人们的重视，因此找到新的清洁能源代替化石能源是人们迫切的需求。风电作为可再生的清洁能源，大力发展风电是解决能源的可持续发展的重要举措之一。据统计，截止至2014年末，中国新增装机容量和累计装机容量均占据世界第一。根据相关调查报告显示，中国风电行业具有良好的发展前景和广阔的市场空间。 从各国风电总的发展情况上看，风电发电占比持续上升，化石能源发电占比持续下降。但是由于风能具有高度的波动性、间歇性、不稳定性等特点，使得当大容量风电并网运行时，会破坏电力系统的平衡，带来电网电能质量下降危害电力系统安全等严重后果。这也进一步限制了风电的进一步发展。为了风电的进一步发展，保障电网系统安全，降低风电并网时电网备用容量及风电发电成本，需要对风电场风电功率进行预测。 风电功率预测根据不同的分类依据具有不同的分类方法。根据预测的物理量可分为物理法和统计法。物理法是先预测出风速，再根据风速与风机的功率曲线预测出输出功率；统计法是通过建立输入与风电输出功率的映射关系直接预测出输出功率；根据预测数学模型分类可以分为持续预测法、时间序列法、卡尔曼滤波法、支持向量机法、人工神经网络法等。按照预测的时间分类可分为超短期功率预测、短期功率预测、中期功率预测、长期功率预测。 在风电功率预测方面国外起步早，其预测方法和手段趋于成熟，其预测系统在发达国家获得了广泛的应用为风电的优化调度提供了重要的支持。在丹麦，其国家就研究出了Prediktor、WPPT、Zephyr等著名的风电功率预测预报系统。相对于国外，虽然我国风电功率预测起步较晚，很多预测的方法和手段都在研究和探索阶段，但已经有不少预测系统投入到实际使用当中，如中国电力科学研究院开发的WPFS、湖北气象服务中心研发的WPPS、中国气象局公共服务中心开发的WINPOP系统等。本论文主要对现有的预测方法进行学习研究，然后选择出最适合自己研习的预测方法进行进一步的实践学习。 二、研究内容、研究方案及进度安排，预期达到的目标 1.研究内容 1）对风电的特性与影响风力发电的因素进行研究分析，找出主要影响风力发电功率的因素。 2）风电功率预测主要的预测方法以及这些预测方法的优点与不足。 3）根据实际运行的风电场的历史数据，选择风电功率预测的方法。 4）结合历史数据和选择的风电功率预测方法，建立风电功率预测的数学模型。 5）根据建立的数学模型，选取合适的软件编程，进行风电功率预测，并对预测结果进行简单的分析。 2.研究目标 通过对风电基础知识与风电功率预测方法的学习与研究，结合实际风电场运行情况，选出合适的预测方法进行数学建模，从而建立合适的风电功率预测系统。