Page 21 - 新能源风力发电技术与自动化技术研究

第一章 新能源发电功率预测

注的重要研究方向。大数据技术和深度学习的发展对提高风电在不同时间尺度和
空间的预测精度有积极作用。提高预测精度一直是风电预测领域追求的目标。随
着预测模型的逐渐完善和新模型的提出，预测精度逐步提高，RMSE 从 30% 以

上降到 10% 以下，但精度提高的程度日渐式微，风能本身具有的强随机性、强
波动性和间歇性是实现这一目标的主要困难，也是未来一段时间研究的重点。

二、超短期风电功率预测研究现状

到目前为止，国际上已经研究出了许多风电功率预测方法，总的来说分为两
类：物理方法和统计方法。物理方法主要是利用数值天气预报，并结合风电场周
围地形地貌等物理信息对风电场的风速和风能进行预测得到预测功率；而统计方
法则是在统计模型方法的基础上利用风电场的历史实测数据，用线性或者非线性

的方法在历史数据和未来风速之间建立映射关系。在所有的统计方法当中，最简
单的为持续法。持续法很好地将历史数据以及现阶段天气变化情况对风电功率的
影响考虑在内，所以在超短期风电功率的预测时准确率较高。但是由于风力本身
存在着多变性，所以风电场超短期风电功率预测准确率并不稳定。为了保证风电

功率预测有明显的改进，预测方式还有待提高。
（一）超短期风电功率预测研究现状
对超短期风电功率进行预测虽然不会减少风电功率的随机性，但是却能有效
地降低其模糊性，使其从整体不确定的范围缩小到一定误差区间，对电网来说电

力调度部门能够提前在风电出力变化前及时调整调度计划，优化电网调度，合理
制定风电场控制策略，降低电网旋转备用容量，减小其对电力系统以及电力市场
的干扰，进而降低风电成本，提高风电上网竞价的竞争力。从风电场本身来说，
可以根据预测结果，选择小风天气安排机组维护和检修，从而提高发电量，减少

发电损失。
（二）影响超短期风电功率预测的因素
1. 数据的采集与处理
在进行超短期风电功率预测时，既需要风机运行数据，也需要气象相关数据，

这两项数据的完整性和真实性都会对最终的预测效果产生巨大的影响。气象数据
与风机运行数据的缺失，风电场数据采集、传输与处理软件及设备的缺陷及故障，
都会影响风电场超短期风电功率预测的准确率。数据预处理技术包括数据同步、

9