考虑地形影响的短期风电功率预测(2)
1 绪论
1.1 课题研究的背景和意义
我国风电行业正处于快速发展时期，截至 2013 年底，我国风电总装机容量达到
91412.89MW，同比增长 21.4%。风力发电机总容量不断增大，风电在整个电网中所占的比
例也在不断提高。风电接入电网时，必须要尽量限制风电穿透功率。风电穿透功率指的是
风电功率与电力系统总功率的比值。有研究指出，当该功率值小于 8％时，电力系统正常
情况下都不会出现大问题。随着该功率值的不断增大，风电在给人们创造方便的同时，也
带来了诸多不便。特别是当该功率值超过某一限值时，可能会大幅度降低电能质量，影响
电力系统的安全稳定运行，并可能危及系统的常规发电方式，主要表现为频率和电压会产
生大幅度的波动。更为严重的情况是，风速太大时风力发电机组可能不能正常运行，给电
力系统造成巨大的损失。此外，风资源间歇性很强，地理和气象因素对其影响很大，而且
风电场的有功功率和无功功率随风速的变化而变化，风电功率的波动会对配电网的频率稳
定、功角稳定、电压稳定、谐波、电压波动与闪变、网损及潮流分布、备用成本、发电计
划、系统可靠性等诸多方面产生不利影响。我国风资源的分布特点使得风电场的建设较为
集中，风能的间歇性和随机性使风电并网时对系统的影响更为突出。因此，进行风电功率
预测的研究对于我国风电行业的发展是很重要的。
进行短期风电功率预测，可以使电力调度部门提前了解风电功率变化趋势，从而适时
调整调度计划，减少系统备用容量，降低运行成本。从风电开发商的角度考虑，风电场建
成发电并参与市场竞争时，与其他可控的发电方式相比，风电的间歇性和随机性将大大降
低其市场竞争力，甚至因供电的不可靠性受到经济惩罚。进行风电功率短期预测，是解决
上述问题行之有效的办法，可以大幅度提高风电的市场竞争力。进行短期风电功率预测，
还便于安排机组文护和检修，提高风电场容量系数。风电场可以根据短期预测结果，选择
风速较小时段，对设备进行检测和文修，从而提高风电场的发电量和容量系数[1]。
1.2 风电功率预测方法简介
1.2.1 统计方法
统计方法是指不考虑风速变化的物理过程，而是只考虑历史或实际数据用统计学的方
法在预测系统的输入和输出(风电功率)之间建立一个映射关系，然后根据实际数据和数值
天气预报数据对风电场输出功率进行预测，常用的预测模型有持续预测法、人工神经网络
法、随机时间序列法、模糊逻辑法、空间相关性法和卡尔曼滤波法等。 (1) 持续预测法
持续预测法是最简单的预测方法，这种方法把最近一点或最近几点的风速或功率的平
均值作为下一点的预测值。此方法预测结果不稳定，且预测误差大。通常和其它预测方法
组合应用[2]。
(2) 人工神经网络法
人工神经网络(Artificial Neural Networks，ANN)是通过模仿动物神经网络的行为特征，
进行分布式并行信息处理的数学模型，由很多简单的处理单元（神经元）连接而成。神经
网络系统内部结构复杂，通过不断调整内部神经元之间的连接关系，达到处理信息的目的，
具有自组织、自适应和自学习能力。在数据预测方面，一般使神经元逐渐从它们的数据环
境中学习，便于在复杂的数据里抓住它们之间线性和非线性的变化趋势，从包含有用信息
和噪声的复杂数据中对某种趋势提供可靠预测。人工神经网络适合于短期风速预测[3-4]。