免費下載！
[!--downpath--]《電網技術》，2017年第10期：3261-3268
近年來，國外風電功率預測精度逐漸提高。 從相對均方根偏差來看，國際最好水平達到2.5%，國外省網水平偏差為10%~25%，最好為7.5%。 但趨勢表明，資料積累帶來的精度提升效果正在逐漸消退，數值天氣預報短期內無法突破。 在有限的天氣預報水平下，仍需完善各環節的預報方法，并對預報方法進行篩選和組合。 圖1顯示了風電預測偏差減小的趨勢。
?
天氣預報（5%~25%）和電站設計（2%）對預報偏差的貢獻度依次遞減。 在我國，裝備設計制造水平（1%~5%）和人力激勵（1%~3%）也占很大比重。
數值天氣預報精度的提高主要受益于水平分辨率和集合預報的提高，但小尺度大氣的不穩定性和計算成本的急劇增加阻礙了進一步的發展。 一個新的方向可能是模型優化，即為預測區域提供有針對性的網格細化和參數化方案。
各種智能學習算法因其非線性描述能力、容錯能力、算法穩定性等優點而得到廣泛應用。 由于功效受到樣本集的影響，新的挑戰在于如何篩選和組合預測方法。
中國的特殊問題需要專門研究。 主風區以熱帶冷熱帶季風氣候為主，中尺度天氣預報困難。 武器制造和運維水平有限，棄電棄風比例高，導致實際采集數據質量差、樣本分散性強、統計建模困難。
本文推薦了有潛力提高精度的技術，包括大氣模型子網格化工過程參數化整定技術、提高功率轉換環節的精度和自適應能力、采用復合數據源組合方法、誤差修正技術等。 最后，以風電場為例展示了每種技術在提高精度方面的有效性。 從RMSE來看，最終的療效改善率為8.33%。 表1展示了各環節改進對偏差評價指標的提升情況。
風電功率預測的發展已有近30年的歷史，新的方法仍在不斷推出，但新方法的有效性、可靠性、成本和普適性還需要大量的實踐來檢驗。 大數據、能源互聯網、高性能估算等理論和技術的發展將為風電預測動態和統計建模方法提供日益廣泛的數據基礎和更強大的估算工具。
科斯塔 A、A、J 等人。 論風電短期的年輕化[J]. 以及，2008，12(6)：1725-1744。
薛玉勝，余晨風電功率預測品牌，趙俊華，等.短期和超短期風電功率預測研究綜述[J]. 電力系統手冊，2015，39(6)：141-151。
徐曼，盧，付英，等。 基于最小的風電誤差[EB/OL]。 [2017-01-05]。 電力和清潔，。
關于作者
喬英(1981)，女，通訊作者，博士風電功率預測品牌，副院長，研究方向為風能/太陽能發電預測、并網分析與控制，E-mail: 。
自2002年以來，團隊在風電并網相關的風電預測、分析模型和控制等方面開展了大量的研究項目，積累了大量的風電運行數據、現場分析經驗和理論基礎。 近兩年承擔國家科委、科技部資助項目13項，獲國家科技進步二等獎一次、省部級銀獎一次科技進步獎兩次，二等獎兩次。
國家自然科學基金重大項目“含大規模風電的隨機-確定性耦合電力系統運行與控制基礎理論”項目1“基于前饋風資源時空動態和統計特征的功率預測理論與技術”2017年4月15日，順利通過上海專家組初審，課題1成績為6A3B（A-優秀、B-優秀）。
PDF文章