#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：隨著社會經濟的發展，能源需求的日漸增多，風機發電技術也日漸發展。有效優化電網的調度可以更確切地實現對風電場發電功率的預測，不但才能使電網經濟運行，更對提升風電場在電力市場中的競爭地位有著至關重要的作用。該文首先提出了具有先進的統計方式的風功率預測系統，對國外風功率預測技術的發展現況作了簡略表述，同時把高精度數值氣象預報作為重要基礎，力求搭建完備的數據調查和記錄的系統，針對風功率預測精度低的問題提出了相應的改進方式，使之更好地借助各個通信口采集風電場的監控數據，力求為風電場的運行和管理提供更有效的輔助作用，供你們研究和參考。
關鍵詞：風機發電功率預測系統研究與應用
中圖分類號：TM614文獻標示碼：A文章編號：1672-3791（2016）08（a）-0026-02
隨機變化的風速、風向造成風電場輸出功率具有間歇性、波動性以及隨機性等特征，大量風電場集中并網除了會對電網的安全、穩定以及經濟運行帶來重要影響，更直接限制著電網接納風電的效率[1]。風電功率預測系統的應用，可以使調度運行人員按照數據預測的波動的情況，愈發合理地采取應對舉措，保障電網運行的安全性和可靠性。功率預測和負荷預測的結合，還有好多益處，例如更夠調整調度運行的人員、優化常規電站的發電計劃、增加風電的并網的容量、改善電網的調峰能力，對改善電力系統運行的經濟性，降低溫室二氧化碳的排放具有十分重要的意義[2]。
另外，對風電功率的預測還能否提升風電在電力市場中的競爭力，對提升上網水價也具有重要作用。對普通的風電場而言，風電功率的預測還能否對企業合理安排檢修計劃起到重要的參考作用，因而進一步提升企業的贏利能力。
1關于國外外風功率預測的現況研究
我國的風功率預測系統經過二十余年的發展，早已取得了突飛猛進的發展，在全球早已獲得了很廣泛的應用。近些年以來，國際上都非常注重風機發電風功率預測系統的研究，早已開始開發更中級的預測模型，各發達國家早已開始研究在復雜地形、極端天氣以及海上風電等惡劣條件下的風功率的預測系統。當下，英國和法國等風電大國的風電技術領先世界，如英國早已才能達到提早48h、平均偏差在20%之下、提前24h平均偏差在10%之下[3]。
我國的風機發電風功率預測系統也取得了很大進展，盡管起步較晚，而且我國經過許多年的技術創新和投入，早已具備建立的解決困局和實際中出現的問題的能力。可以說是成就卓著。我國相關的風機發電風力預測的機構結合當地的實際情況，完善和完善了大量的風功率預測模塊，這些人工智能的算法和體系在很大程度上提升了風功率預測的精度。另外，我國還提出了有效的風功率預測方案，這能在很大程度上解決由于大規模接入風電對電網所引起的沖擊問題。
2風機發電風功率預測系統的組成
功率預測系統主要由以下幾部份組成：功率預測主機、NWP處理處理器、防火墻、反向化學隔離裝置、預測系統顧客端以及網路設備和附屬設備等[4]。
3風機發電風功率預測技術方式總結分類
借助空氣動熱學、熱力學等基本的原理，也就是數值天氣預報就是風功率的預測技術，它基本是利用歷史天氣的試驗為重要的經驗，借助數值估算的方式來預測風場輸出功率的一門科學。
風機發電風功率預測技術的直接方式是以風速為基礎的預測方式，基于功率的預測方式被稱為間接方式風電功率預測數據，這兩種方式的功率預測都由預測的物理模型來確定。
化學方式借助NWP數據（主要是風速）作為輸入的參考數據，而且須要充分考慮風電場的地形以及地表的粗糙程度，附近的障礙物、風機輪的高度，機械的轉動的結構、風機特點曲線和風機的控制策略等技術作為建設模型的對象來確定相對適宜風功率預測的中常年預測。
另一種常用的方式是統計方式，這一技巧的實質是在風功率預測系統的輸入端和風功率預測系統的輸出端這兩個端口構建一種映射函數，在不考慮風速的情況之下，直接借助NWP這一數據來對風場的輸出功率進行直接的預測。常見的統計方式大致有以下幾個：時間序列法、指數平滑法、概率預測法、灰色預測法、小波分解方式和數據挖掘方式[5]。在這種方式中，最典型的方式是時間序列，其特征是隨機性高、具有平穩的數據，且必需要計算機的程序才就能辨識。另外，這些方式所采用的數據相對單一，預測的周期很短，其對偏差的設計也不夠合理，由于它具有以上的優點，所以其多用于優化控制。
描述系統輸入和輸出之間關系的時侯，須要用到解析多項式來解決，構建非線性預測的學習模型。常見的學習方式有：支持向量機法、神經網路法、混合專家經驗法、模糊邏輯法等。最典型和最常見的就是神經網路法，這些方式因其具有很強悍的手動適應能力，手動學習能力以及優良的容錯性和泛化能力，因此被廣泛地應用于訊號的管理、模式的辨識、智能檢查以及車輛和金融等領域。
4風機發電風功率預測系統的偏差剖析
風機發電風功率的預測或許只是預測，偏差存在也是客觀的，由于風速會遭到不確定的天氣狀況影響，受限于風馬達組，預測物理模型等不良數據的影響，具體的偏差有下邊幾點。
（1）波動的風速給預測模型的輸出帶來了偏差，這是由于風資源具有很大的隨機性和不確定性，這促使偏差不可防止。
（2）物理模型的精確度低。在當前我國使用的風功率預測的數據模型很單一，這不才能全面地反映實際的溫度和地貌等誘因，雖然也有些組合的精度大大提升，并且就整體而言國外的預測技術并不是很成熟。
5風機發電風功率預測系統的不足之處和改進技巧
風機發電風功率預測系統的不足之處有風電消納能力的局限、輸入數據單一及周圍的環境和化學誘因的影響。另外，不健全的測風塔采集系統，致使偏差沒有經過人為修正，偏差很大。具體的改進舉措如下。
（1）優化組合風力預測的模型，預報NWP的信息，這可以有效地縮小在惡劣天氣和極端天氣下的偏差，大大提升預測的精準度。
（2）加速NWP更新的頻度，改善物理模型和數據輸入的同時，更新現代的物聯網技術和計算機控制技術，提升輸出的精準度。
（3）充分地借助小波剖析、混沌理論、模糊神經網路等智能方式，對預測的結果進行優化組合剖析，提升預測的可靠性和精準度。
（4）在對風功率短期預測的時侯，盡早更新NWP的數據，提升風功率預測的技能和技巧。
6結語
其實，我國電網的經濟穩定運行和發展離不開對風速和風力發電功率的預測，對風速和風力發電的確切預測才能極大地提升風電企業的市場競爭能力。我國早已設計并實現了以神經網路和精典統計學的風電場功率預測模型，其具有剖析訓練簡單、結果穩定可靠、執行速率極快、硬件消耗資源少、精準預測等優點。
雖然自然界的風速變化詭譎，風機發電的功率預測的難度也很大風電功率預測數據，以目前的技術水平來看，其精準度還有待進一步提升，并且有理由相信，隨著技術水平的不斷提升，獲得的歷史數據越來越多，采取新的NWP等數據來應對和預測突發天氣等，那些都還能進一步提升風機發電功率預測的精準度。
參考文獻
[1]王文剛，劉建鵬，武環宇，等.風功率預測系統的應用與優化的討論[J].科技創新與應用，2013（14）：49-50.
[2]彭加立，馬月，李霸軍.風電場短期風功率預測研究及應用實例剖析[J].水力發電2013（10）：86-96.
[3]鐘宏宇，元氏，武良，等.功率預測技術在風電中的研究剖析[J].家電與能效管理技術，2015（10）：51-55.
[4]柳玉，白愷，崔正澎，等.風電場短期功率預測水平提高措施舉措研究與實例剖析[J].電網與清潔能源，2015（12）：78-81.
[5]秦政，包德梅，賴曉路，等.風電場風功率預測系統研究[J].計算機技術與發展，2013（7）：58-63.