Page 14 - 新能源风力发电技术与自动化技术研究

新能源风力发电技术与自动化技术研究
Research on New Energy Wind Power Generation Technology and Automation Technology

以按照预测的不同时间尺度进行分类。按照预测时间尺度可以分为 4 类：超短期
预测、短期预测、中期预测和长期预测。超短期预测是时间间隔以不大于 15min
为单位，提前预测未来 0 ～ 4h 的风电功率变化，一般用于对风力发电机的控制

与在线机组组合优化。短期预测是时间间隔以分钟或者小时为单位，提前预测未
来 1 ～ 3d(1 ～ 72h）的风电功率，一般用于制定电网调度计划和优化常规电源的
日发电计划。中期预测是时间间隔以天为单位，提前预测数周或者数月的风电功
率，一般用于风电场内机组和线路检修或者安装调试新的风电机组。长期预测是

时间间隔以月为单位，提前预测整年或者数年的风电功率，一般用于风电场规划
选址及年度发电计划制定等可行性研究。
2. 预测的空间范畴
通常风电场群所处地域分布比较广阔，从风能产生的机理来看，同一风带相

邻位置的风速一定具有关联性。因此在同一风电场不同风电机组采集到的风电功
率序列，或者在同一风带相邻风电场间采集到的风电功率序列，在空间上并非完
全统计独立，而是具有千丝万缕的关联。风电功率的空间相关性除了受对风速影
响较大的气压、温度等自然条件环境的影响外，还受风电场所处的地形、地表粗

糙度等地形条件的影响，也会受到风电场内风电机组的布置和尾流效应的影响。
风电机组或者风电场之间连线越趋同于风向，则风电机组之间或风电场之间的空
间相关性就越显著，因为处在同一风向上的风电机组或风电场输出的风电功率将
会趋于一致，处在下风处的风电机组输出的功率与在其上风处的风电机组输出的

功率时间序列相比表现出相似的波动规律，但具有一定的延时性。所以风电场上
2 个相邻点测得的功率时序曲线会有相似性和延时性。刘燕华 [1] 等指出，随着风
电场规模增大，风电场内风电机组之间距离以及数量增加，不同位置风资源的波
动性相互抵消，因此风电场总出力的波动性减弱。对风电场群进行风功率预测，

为了获得高精度的预测结果，需要考虑风电功率的空间相关性。
（二）风电功率预测法
1. 确定性风电功率预测方法
确定性预测是指运用某种预测模型依据当前时刻的各种测量值，计算未来某

时刻风电功率预测具体值。按照预测模型的不同，可以分为 3 类：物理预测法、
统计学习预测法和混合集成预测法。

2