风电场风速和发电功率预测研究(4)
我国幅员辽阔，具有丰富的风能资源，绵长的海岸线使得我国具有大力发展海上风电的条件。而在陆地上，东北、华北、西北的风能都是其发展风电的基础。但是在近现代刚刚开始时，我国的风力发电事业并没有什么大的研究进展，直到“十五”期间，我国才促进风电事业的发展，为了鼓励和促进我国风力发电技术的发展，我国在1996年制定的《乘风计划》。而在2000年之后，国内经济迅猛发展，能源要求的不断加大以及人们环保意识的加强促进了我国风电产业的迅猛发展。
直至2015年2月底，我国已经并网的风电装机容量已经到达了1000.4GW，突破了1亿千瓦。居于我国发电类型的第三位，而在全世界的风电装机容量上排在首位。在全国的31个省份都有并网的风电场，位于西部的内蒙古河甘肃的容量也较于其他省份多，分别是212.5GW和105.3GW，其次，河北、新疆、山东以及辽宁的装机容量都超过500万千瓦。从2011年至今，我国针对风电发展已经下发了四批风电项目核准计划，装机容量为288.3GW、252.8GW、287.2GW以及276GW，总量已经超过了1亿千瓦。
从2014年开始，新能源的发展逐步变好，其中风电更是保持强劲的增长趋势，在2014年度的新增容量创造历史新高到达198.1GW。而全国的新增风力发电的设备吊装容量也增长了45%，为233.5GW。
风力发电对于我国的能源结构调整，环境治理有着不可估量的作用。风电的大力发展能够降低煤炭的使用率，随着风电比重的不断加大，必定能缓解我国的雾霾问题。风电与光伏以及燃气等清洁能源的发展壮大，必将为我国的环境问题作出巨大贡献。
1.3风电功率预测研究发展现状
按照对功率预测时间尺度的不同来对预测方法进行分类，能够将预测分为超短期、短期、中期以及长期预测。而由于长期的风电功率的预测涉及到法规、政策以及能源资源规划等多方面的问题，其不确定性比较强，所以风电功率预测研究更多的是集中在中、短期的预测。
一种人们比较认可的、风电功率预测较为准确方法的预测方法是基于数字天气预报（NWP）的风电功率预测方法。但是这种方法也存在其自身的缺点，它的输入是依赖于数值天气预报系统的，所以对于气象预报系统的普及度和准确度要求比较高，然而数值天气预报的日更新频率比较低，受到周围环境、物理因素的影响较大，对于预测的精确度有较大的影响。
统计方法是一种在短时间预测精度较高，而随着时间增加，预测精度下降的预测方法[1]。该方法以时间序列法为代表，有着很好的短期预测效果，采用时间序列法预测风电场短期风速的误差可小于10%[2-3]。但是它的缺点是输入数据单一，对突变量处理不佳，所以随着时间的增加，预测精度逐渐下降。
由于风速和风电功率是受多方面影响的复杂非线性的动态过程，针对这一特性，人们发展了人工智能的预测研究方法，这一方法以神经网络方法为主要代表，建立智能化的学习机制来预测多变的风速，智能化的方法能较好的适应风电的非线性和非平稳性，所以预测结果的精度比较高。但是其要求的数据较大而且模型复杂，训练速度比较慢。
不同的预测方法具有不同的优势，所以根据实际情况需求组合不同的预测方法能获得更好的预测效果。因此越来越多的预测研究开始采用组合预测的方法，将不同的预测方法相组合。例如将支持向量机、模糊逻辑、神经网络结合使用的预测方法[4]；基于相似性样本的多层前馈神经网络风速预测方法[5]。
1.4本论文的主要工作
本论文在介绍完风力发电的发展现状以及功率预测的研究现状之后，重点介绍了时间序列的预测方法。