#a:e:3:3:3:3:7:f:e:9:0:4:8:c:a:c:d:0:1:7:2:7:6:5:a:5:b:5:1:4:a:d#
摘要：随着社会经济的发展，能源需求的日渐增多，风机发电技术也日渐发展。有效优化电网的调度可以更确切地实现对风电场发电功率的预测，不但才能使电网经济运行，更对提升风电场在电力市场中的竞争地位有着至关重要的作用。该文首先提出了具有先进的统计方式的风功率预测系统，对国外风功率预测技术的发展现况作了简略表述，同时把高精度数值气象预报作为重要基础，力求搭建完备的数据调查和记录的系统，针对风功率预测精度低的问题提出了相应的改进方式，使之更好地借助各个通信口采集风电场的监控数据，力求为风电场的运行和管理提供更有效的辅助作用，供你们研究和参考。
关键词：风机发电功率预测系统研究与应用
中图分类号：TM614文献标示码：A文章编号：1672-3791（2016）08（a）-0026-02
随机变化的风速、风向造成风电场输出功率具有间歇性、波动性以及随机性等特征，大量风电场集中并网除了会对电网的安全、稳定以及经济运行带来重要影响，更直接限制着电网接纳风电的效率[1]。风电功率预测系统的应用，可以使调度运行人员按照数据预测的波动的情况，愈发合理地采取应对举措，保障电网运行的安全性和可靠性。功率预测和负荷预测的结合，还有好多益处，例如更够调整调度运行的人员、优化常规电站的发电计划、增加风电的并网的容量、改善电网的调峰能力，对改善电力系统运行的经济性，降低温室二氧化碳的排放具有十分重要的意义[2]。
另外，对风电功率的预测还能否提升风电在电力市场中的竞争力，对提升上网水价也具有重要作用。对普通的风电场而言，风电功率的预测还能否对企业合理安排检修计划起到重要的参考作用，因而进一步提升企业的赢利能力。
1关于国外外风功率预测的现况研究
我国的风功率预测系统经过二十余年的发展，早已取得了突飞猛进的发展，在全球早已获得了很广泛的应用。近些年以来，国际上都非常注重风机发电风功率预测系统的研究，早已开始开发更中级的预测模型，各发达国家早已开始研究在复杂地形、极端天气以及海上风电等恶劣条件下的风功率的预测系统。当下，英国和法国等风电大国的风电技术领先世界，如英国早已才能达到提早48h、平均偏差在20%之下、提前24h平均偏差在10%之下[3]。
我国的风机发电风功率预测系统也取得了很大进展，尽管起步较晚，而且我国经过许多年的技术创新和投入，早已具备建立的解决困局和实际中出现的问题的能力。可以说是成就卓著。我国相关的风机发电风力预测的机构结合当地的实际情况，完善和完善了大量的风功率预测模块，这些人工智能的算法和体系在很大程度上提升了风功率预测的精度。另外，我国还提出了有效的风功率预测方案，这能在很大程度上解决由于大规模接入风电对电网所引起的冲击问题。
2风机发电风功率预测系统的组成
功率预测系统主要由以下几部份组成：功率预测主机、NWP处理处理器、防火墙、反向化学隔离装置、预测系统顾客端以及网路设备和附属设备等[4]。
3风机发电风功率预测技术方式总结分类
借助空气动热学、热力学等基本的原理，也就是数值天气预报就是风功率的预测技术，它基本是利用历史天气的试验为重要的经验，借助数值估算的方式来预测风场输出功率的一门科学。
风机发电风功率预测技术的直接方式是以风速为基础的预测方式，基于功率的预测方式被称为间接方式风电功率预测数据，这两种方式的功率预测都由预测的物理模型来确定。
化学方式借助NWP数据（主要是风速）作为输入的参考数据，而且须要充分考虑风电场的地形以及地表的粗糙程度，附近的障碍物、风机轮的高度，机械的转动的结构、风机特点曲线和风机的控制策略等技术作为建设模型的对象来确定相对适宜风功率预测的中常年预测。
另一种常用的方式是统计方式，这一技巧的实质是在风功率预测系统的输入端和风功率预测系统的输出端这两个端口构建一种映射函数，在不考虑风速的情况之下，直接借助NWP这一数据来对风场的输出功率进行直接的预测。常见的统计方式大致有以下几个：时间序列法、指数平滑法、概率预测法、灰色预测法、小波分解方式和数据挖掘方式[5]。在这种方式中，最典型的方式是时间序列，其特征是随机性高、具有平稳的数据，且必需要计算机的程序才就能辨识。另外，这些方式所采用的数据相对单一，预测的周期很短，其对偏差的设计也不够合理，由于它具有以上的优点，所以其多用于优化控制。
描述系统输入和输出之间关系的时侯，须要用到解析多项式来解决，构建非线性预测的学习模型。常见的学习方式有：支持向量机法、神经网路法、混合专家经验法、模糊逻辑法等。最典型和最常见的就是神经网路法，这些方式因其具有很强悍的手动适应能力，手动学习能力以及优良的容错性和泛化能力，因此被广泛地应用于讯号的管理、模式的辨识、智能检查以及车辆和金融等领域。
4风机发电风功率预测系统的偏差剖析
风机发电风功率的预测或许只是预测，偏差存在也是客观的，由于风速会遭到不确定的天气状况影响，受限于风马达组，预测物理模型等不良数据的影响，具体的偏差有下边几点。
（1）波动的风速给预测模型的输出带来了偏差，这是由于风资源具有很大的随机性和不确定性，这促使偏差不可防止。
（2）物理模型的精确度低。在当前我国使用的风功率预测的数据模型很单一，这不才能全面地反映实际的温度和地貌等诱因，虽然也有些组合的精度大大提升，并且就整体而言国外的预测技术并不是很成熟。
5风机发电风功率预测系统的不足之处和改进技巧
风机发电风功率预测系统的不足之处有风电消纳能力的局限、输入数据单一及周围的环境和化学诱因的影响。另外，不健全的测风塔采集系统，致使偏差没有经过人为修正，偏差很大。具体的改进举措如下。
（1）优化组合风力预测的模型，预报NWP的信息，这可以有效地缩小在恶劣天气和极端天气下的偏差，大大提升预测的精准度。
（2）加速NWP更新的频度，改善物理模型和数据输入的同时，更新现代的物联网技术和计算机控制技术，提升输出的精准度。
（3）充分地借助小波剖析、混沌理论、模糊神经网路等智能方式，对预测的结果进行优化组合剖析，提升预测的可靠性和精准度。
（4）在对风功率短期预测的时侯，尽早更新NWP的数据，提升风功率预测的技能和技巧。
6结语
其实，我国电网的经济稳定运行和发展离不开对风速和风力发电功率的预测，对风速和风力发电的确切预测才能极大地提升风电企业的市场竞争能力。我国早已设计并实现了以神经网路和精典统计学的风电场功率预测模型，其具有剖析训练简单、结果稳定可靠、执行速率极快、硬件消耗资源少、精准预测等优点。
虽然自然界的风速变化诡谲，风机发电的功率预测的难度也很大风电功率预测数据，以目前的技术水平来看，其精准度还有待进一步提升，并且有理由相信，随着技术水平的不断提升，获得的历史数据越来越多，采取新的NWP等数据来应对和预测突发天气等，那些都还能进一步提升风机发电功率预测的精准度。
参考文献
[1]王文刚，刘建鹏，武环宇，等.风功率预测系统的应用与优化的讨论[J].科技创新与应用，2013（14）：49-50.
[2]彭加立，马月，李霸军.风电场短期风功率预测研究及应用实例剖析[J].水力发电2013（10）：86-96.
[3]钟宏宇，元氏，武良，等.功率预测技术在风电中的研究剖析[J].家电与能效管理技术，2015（10）：51-55.
[4]柳玉，白恺，崔正澎，等.风电场短期功率预测水平提高措施举措研究与实例剖析[J].电网与清洁能源，2015（12）：78-81.
[5]秦政，包德梅，赖晓路，等.风电场风功率预测系统研究[J].计算机技术与发展，2013（7）：58-63.