免费下载！
[!--downpath--]《电网技术》，2017年第10期：3261-3268
近年来，国外风电功率预测精度逐渐提高。 从相对均方根偏差来看，国际最好水平达到2.5%，国外省网水平偏差为10%~25%，最好为7.5%。 但趋势表明，资料积累带来的精度提升效果正在逐渐消退，数值天气预报短期内无法突破。 在有限的天气预报水平下，仍需完善各环节的预报方法，并对预报方法进行筛选和组合。 图1显示了风电预测偏差减小的趋势。
天气预报（5%~25%）和电站设计（2%）对预报偏差的贡献度依次递减。 在我国，装备设计制造水平（1%~5%）和人力激励（1%~3%）也占很大比重。
数值天气预报精度的提高主要受益于水平分辨率和集合预报的提高，但小尺度大气的不稳定性和计算成本的急剧增加阻碍了进一步的发展。 一个新的方向可能是模型优化，即为预测区域提供有针对性的网格细化和参数化方案。
各种智能学习算法因其非线性描述能力、容错能力、算法稳定性等优点而得到广泛应用。 由于功效受到样本集的影响，新的挑战在于如何筛选和组合预测方法。
中国的特殊问题需要专门研究。 主风区以热带冷热带季风气候为主，中尺度天气预报困难。 武器制造和运维水平有限，弃电弃风比例高，导致实际采集数据质量差、样本分散性强、统计建模困难。
本文推荐了有潜力提高精度的技术，包括大气模型子网格化工过程参数化整定技术、提高功率转换环节的精度和自适应能力、采用复合数据源组合方法、误差修正技术等。 最后，以风电场为例展示了每种技术在提高精度方面的有效性。 从RMSE来看，最终的疗效改善率为8.33%。 表1展示了各环节改进对偏差评价指标的提升情况。
风电功率预测的发展已有近30年的历史，新的方法仍在不断推出，但新方法的有效性、可靠性、成本和普适性还需要大量的实践来检验。 大数据、能源互联网、高性能估算等理论和技术的发展将为风电预测动态和统计建模方法提供日益广泛的数据基础和更强大的估算工具。
科斯塔 A、A、J 等人。 论风电短期的年轻化[J]. 以及，2008，12(6)：1725-1744。
薛玉胜，余晨风电功率预测品牌，赵俊华，等.短期和超短期风电功率预测研究综述[J]. 电力系统手册，2015，39(6)：141-151。
徐曼，卢，付英，等。 基于最小的风电误差[EB/OL]。 [2017-01-05]。 电力和清洁，。
关于作者
乔英(1981)，女，通讯作者，博士风电功率预测品牌，副院长，研究方向为风能/太阳能发电预测、并网分析与控制，E-mail: 。
自2002年以来，团队在风电并网相关的风电预测、分析模型和控制等方面开展了大量的研究项目，积累了大量的风电运行数据、现场分析经验和理论基础。 近两年承担国家科委、科技部资助项目13项，获国家科技进步二等奖一次、省部级银奖一次科技进步奖两次，二等奖两次。
国家自然科学基金重大项目“含大规模风电的随机-确定性耦合电力系统运行与控制基础理论”项目1“基于前馈风资源时空动态和统计特征的功率预测理论与技术”2017年4月15日，顺利通过上海专家组初审，课题1成绩为6A3B（A-优秀、B-优秀）。
PDF文章