风电功率预测系统简介
风功率预测系统
栖霞风电风功率预测系统介绍
考核系统介绍
杨学良
风电场风功率预测系统介绍
• 一、风功率预测系统介绍 • 二、风功率预测系统操作 • 三、风功率预测系统注意事项
一、风功率预测系统介绍
• 栖霞风电使用北京东润环能科技有限公司研发的风功率预测系统，该系统 主要采用两台服务器的冗余设计（互为备用），位于安全大区II区，通过若 干路由器、隔离装置及防火墙等设备接入调度通信系统。通过天气预报服 务器接收天气预报信息，经过反向隔离装置将文件传输至两台风功率预测 服务器，由风功率预测系统预测未来10天功率预测结果，另外风功率预测 系统接收综合通信系统相关数据，如实时功率、测风塔数据等进行展示， 并将天气预报及风功率预测等数据整理后上报山东省调度系统。
考核系统介绍
• 二、功率预测考核 • 功率预测分日前预测和实时预测两种方式。 • 1、日前预测 • 是指对次日0 时至24 时的风电功率预测预报，风电场每日中午12 点（风场 一般8点）前向电力调度机构提交次日0 时到24 时每15 分钟共96 个时间节 点风电有功功率预测数据和开机容量； • （1）风电场日前风电功率预测上报率按月进行统计、考核，上报率应达到 100%； • （2）风电场日前风功率预测准确率按月进行统计、考核，准确率应大于 （或等于） 80%；
• 风功率预测系统运行中会出现一系列问题，如数据传输、数据接收异常等， 如果不及时处理，容易造成考核。容易造成考核的如下几项： • 1、次日功率不上报：每天8点上报，可以通过上报管理和实时监控查看，不 上报容易造成日前上报率及准确率考核。
（1）天气预报文件长时间未接收，造成无法形成上报数据文件
处理：检查天气预报服务器外网连接是否正常，服务器是否死机，联系厂家 对侧天气预报文件是否正常下发。
风功率预测系统基础知识(精华版)
风功率预测系统基础知识(精华版)风功率预测系统XXX一、风功率预测的目的和意义1.通过风电功率预测系统的预测结果，电网调度部门可以合理安排发电计划，减少系统的旋转备用容量，提高电网运行的经济性。
2.提前预测风电功率的波动，合理安排运行方式和应对措施，提高电网的安全性和可靠性。
3.对风电进行有效调度和科学管理，提高电网接纳风电的能力。
4.指导风电场的消缺和计划检修，提高风电场运行的经济性。
5.应相关政策要求。
二、设备要求提供的设备应满足《风电功率预测系统功能规范》中所提出的各项要求。
XXX三、风功率预测的方法风电机组或风电功率曲线先预测风速1、按预测的物理量分类预测输出功率XXX电功率预测2、按数学模型分类3、按输入数据分类4、按时间尺度分类直接预测输出功率持续预测方法ARMA模型（差分自回归移动平均模型，多用在随机时间序列法）XXX滤波：用之实现风速预测，适用于在线风速预测。
智能方法，如人工神经网络（ANN）等。
ANN具有并行处理、分布式存储与容错性等特性。
具有自研究、自组织和自适应本领，能够实现联想记忆、非线性映射、分类与识不采用数据天气预报数据（基于时间序列）物理方法：基于风速的方法，枢纽有精确的物理模采用数据天气预报统计方法：基于功率预测的方法。
常用基于时间序列方法及基于人工智能算法。
需分析输出功率与气象信息之间关系，建立准确数学模型。
目前多采综合方法（现在多用）超短期预测：未来0~4h的风电输出功率，分辨率≤15min。
如东润的WPFS短期预测：至少预测未来3d的功率，分辨率≤15min。
如东润的XXX：基于人工神经网络的统计方法模型、基于解析法和计算流体力学（CFD）XXX四、设备介绍可能涉及到的设备：以下出自XXX的FR3000F系统数据收罗服务器：运行数据采集软件，与风电场侧风电综合通信管理终端通信采集风机、测风塔、风电场功率、数值天气预报、风电场本地风电功率预测结果等数据。
数据库服务器：用于数据的处理、统计分析和存储，为保证数据可靠存储，配置了磁盘阵列。
风电场风电功率预测系统介绍
于２ ０ １ ０ 年 ４月通过专家验收 ，华北 电力大学研发的 风电功率预测系统也于 ２ ０ １ ０年 ７月通过专家验收。
收稿 Ｅ ｔ 期 ：２ ０ １ ２— ０ ８— ０ ３
７ ２
率预测系统功能规范 （ 试行 ） 》 的各项要 求 ，需要 建设 以下几方 面内容 即风电功率预测系统 的构成 ：
2012080372中国电科院是国内最早从事风电功率预测技术研究的单位已成功开发出国内首套具有自主知识产权的风电功率预测系统开发出基于人工神经网络支持向量机等统计方法的风电功率预测模型基于线性化和计算流体力学cfd的物理方法预测模型针对统计方法需要历史数据和物理方法受基础资料影响等不利因素开发出了统计方法一物理方法混合预测模型掌握了适合中国国情的风电功率预测建模技术
自动气象站 （ 也称遥测 站） 、信息传输 通道 、中心
站 以及 系统 软件 。
量平均值 。 （ ５ ）风 向区域 ：所记录的风向都是某一风速在 该 区域的瞬时采样值。风向区域分 １ ６等分时 ，每个
扇 形 区域 含 ２ ２ ． ５ 。 ；也可 以采 用多少 度来 表示 风 向 。
利 于风 电产业 的 良性发 展 。
基于线性化和计算流体力学 （ Ｃ Ｆ Ｄ ） 的物理方法预 测 模 型 ，针 对统 计方 法 需 要 历 史 数据 和物 理 方 法受 基础资料影响等不利因素，开发出了统计方法 一 物 理方法混合预测模型 ，掌握 了适合 中国国情 的风电 功率预测建模技术 。 自２ ０ ０ ８年 １ １ 月首套 中国电科 院风 电功 率预测 系统 在 吉林 省 电 网投 运 以来 ，至 今
应 用该 系统 的省 级 电 网达 １ １ 个 ，总 预测 风 电场数超
风电场功率预测系统的实时调度与优化策略
风电场功率预测系统的实时调度与优化策略随着能源需求的增长和环保意识的提高，可再生能源的利用逐渐成为解决能源需求的重要途径。
其中，风能作为一种清洁且可再生的能源，得到了广泛的关注和应用。
然而，由于风速的不稳定性和不可预测性，风力发电场在实际运行过程中存在着一定的挑战。
为了更好地协调风电场的运行和电网的需求，实时调度与优化策略成为了风电场功率预测系统中的关键问题。
一、风电场功率预测系统的概述风电场功率预测系统是基于对风速数据的分析和模型建立，预测未来一段时间内风电场的发电功率，从而实现对风电场的实时调度与优化。
预测的准确性对于实时调度和优化决策具有重要意义。
一般来说，风电功率预测可以通过以下几方面的因素来进行分析和建模：1. 风速数据分析：通过对历史风速数据的统计和分析，可以得到风速的概率分布及其变化规律。
这对于选择适当的风速模型和算法有着重要的指导作用。
2. 外部环境因素：风速的变化除了与内部因素有关外，还受到一系列外部环境因素的影响，例如气象因素、地理位置、季节变化等。
考虑这些因素，可以提高预测模型的准确度。
3. 风电机组特性：不同风电机组有着不同的工作特性和性能指标，例如启动风速、切入风速等。
这些特性对于发电功率的预测具有一定的影响，需要在模型中予以考虑。
二、实时调度策略实时调度在风电场的运行过程中起着至关重要的作用。
通过实时收集和分析风速数据，可以及时调整风电机组的工作状态，以实现最优的发电功率输出。
下面介绍几种常用的实时调度策略：1. 基于强化学习的调度策略：强化学习是一种通过与环境的交互来学习最优行为的方法。
在风电场中，可以通过建立动态规划模型，将风电场的状态和功率输出作为状态和动作空间，通过强化学习算法，不断迭代优化发电功率输出。
2. 模糊控制调度策略：模糊控制是一种基于模糊逻辑推理的控制方法。
在风电场中，通过建立模糊规则库，将风速、风电机组状态等作为输入，发电功率作为输出，通过模糊推理来实现对发电功率的调度。
风功率预测系统
风功率系统
国外风电场发电功率预测系统介绍
在风电功率预测技术研究方面，经过近20 年的发展，风电功率预测已获得了广泛的 应用，风电发达国家，如丹麦、德国、西班牙等均有运行中的风电功率预测系统。
德国太阳能技术研究所开发的风电管理系统（WPMS）是目前商业化运行较为 成熟的系统，目前该系统对于单个风电场的日前预报精度约为85%左右。丹麦RisØ 国家可 再生能源实验室与丹麦技术大学联合开发了Zephyr，目前丹麦所有电网公司均采用了该预 测系统。此外，美国、西班牙、英国、法国、爱尔兰等风电发展较快的欧美国家纷纷开始 开发和应用风电功率预测系统，其中较为成熟的产品还有美国True Wind Solutions 公司开 发的E-Wind，法国Ecole des Minesde Paris 公司开发的AWPPS，西班牙马德里卡尔洛斯 第三大学开发的SIPREóLco以及爱尔兰国立科克大学与丹麦DMI 联合开发的HIRPOM。
辽宁力迅风电控制系统有限公司风功率预测系统 兆方美迪风电功率预报系统 黑龙江大唐晨光依兰风电场
上海交通大学风力发电研究中心
风功率预测系统功能设计标准
《风电场接入电网技术规定》 《风电功率预测系统功能规范》 《风电场风能资源测量方法》 《风电场风能资源评估方法》 《风电调度运行管理规范》 《风电场并网验收规范》 《风电场风能资源测量和评估技术规定》 《电工名词术语》 《继电保护和安全自动装置技术规程》 《电力工程电缆设计规范》 《继电保护设备信息接口配套标准》 《国家电网公司十八项电网重大反事故措施》
日预报要求并网风电场每日在规定时间前按规定要求向电网调度机构提交 次日0 时到24 时每1 5 分钟共96 个时间节点风电有功功率预测数据和开机容 量。
风电功率预测系统
9风功率预测系统：9.1概况：本风场采用的是北京博雅智恒新能源科技有限公司产品。
1)系统架构如下图所示：风电功率预测系统需要配置两台服务器，数据服务器与应用服务器，数据服务器用于接收实时测风塔数据、数值天气预报数据；应用服务器用于安装预测系统主程序，接收实时功率数据，并向调度上传预测结果。
同时，为保障系统的安全性，同时满足电网对风电安全性要求，对从外网接受的数值天气预报数据需加装方向网络隔离装置，以保证系统的安全性。
风电功率预测综合管理系统拓扑图2)预测系统采用B/S模式,用户登录系统不需要安装其它软件，在系统所在网段任何一台电脑的浏览器上输入以下链接：http://ipAddress:port/WindPower系统初始登陆账号：f初始登陆密码：f注意：如果两人同时使用同一用户名登录，系统将自动注销先登录的用户。
系统用户目前分为二个等级：(1).超级管理员超级管理员具有所有模块的操作使用功能。
(2).普通用户普通用户具备浏览功能，相比较超级管理员用户，普通用户没有系统管理模块的操作权限。
系统中只保留一个超级管理员账户（admin），普通用户由超级管理员统一创建和管理，以免发生混乱和越权操作。
9.2 系统软件主要计算功能(1)可以对单独风电场或特定区域的集群预测。
(2)系统目前能够预测风电场次日0 时至24 时的96 点出力曲线，时间分辨率为15 分钟。
当数值天气预报的时间长度超过24 小时的时候，可以预测超过48 小时的出力曲线。
(3)系统能够设置每日预测的时间及次数,具备手动启动预测和自动定时预测两种预测方式。
(4)考虑到出力受限和风机故障对风电场发电能力的影响，可进行限电和风机故障等特殊情况下的功率预测, 同样支持不断扩建中的风电场的功率预测。
(5)系统可对预测结果进行误差统计，可统计任意时间段内的系统预测指标。
(6)系统可生成一段时间内的风速玫瑰图及风廓线。
9.3风功率预测系统基本应用操作预测系统分为实时状态监测、气象信息展示、报表统计、系统管理共四个应用模块，每个应用模块又根据应用包含了若干个具体操作的子模块。
风电场功率预测系统的经济性与可行性分析
风电场功率预测系统的经济性与可行性分析引言：随着能源需求的增加和环境保护意识的提升，可再生能源成为了全球能源发展的重要方向之一。
其中，风能作为一种清洁、可再生的能源形式，受到了越来越多的关注。
然而，风能的不稳定性和间歇性给其在能源系统中的应用带来了一定的挑战。
为了更好地利用风能，开发一套功率预测系统成为了必要的选择。
本文将对风电场功率预测系统的经济性与可行性进行分析。
一、风电场功率预测系统的定义和原理风电场功率预测系统是使用多种技术和方法，通过对气象数据、风能机组运行情况等多因素进行分析和建模，对未来一段时间内的风电场发电功率进行预测的系统。
其原理主要包括以下几个方面：1. 气象数据获取：通过气象站点或者遥感技术获取各种气象数据，如风速、风向、气温等。
2. 数据处理与特征提取：对获取的气象数据进行处理和分析，提取特征变量，如平均风速、风速变化率等。
3. 基于模型的预测算法：根据历史数据和实时数据建立预测模型，应用机器学习、统计学等方法，预测未来一段时间内的发电功率。
4. 系统输出与反馈控制：根据预测结果，进行功率调整、储能控制等策略，实现对发电系统的智能化控制。
二、风电场功率预测系统的经济性分析1. 节约成本：风电场功率预测系统可以提高风电场的发电效率，降低电力系统的短缺风险和备用发电成本。
预测准确性的提升将减少因风电波动带来的非计划停运和风电机组的失配调整，节约维护成本和运营成本。
2. 提高资源利用率：通过精准的风电功率预测，可以合理安排电网运行、储能系统的充放电以及风电机组的调度，最大限度地利用风能资源，提高风电场的发电量和出力率，提高资源利用率。
3. 增加收益：风电场功率预测系统可以帮助电力公司优化电网调度和储能系统运行，减少储能设备的充放电次数，延长其使用寿命，降低维护费用。
有效的功率预测还可以实现风电场与电力市场的良好协调，通过灵活调度，获取对电网的附加价值，增加风电场的收益。
三、风电场功率预测系统的可行性分析1. 数据可靠性：风电场功率预测系统的可行性首先依赖于准确、可靠的气象数据。
风电功率预测系统功能规范
风电功率预测系统功能规范一、引言风电功率预测系统是利用机器学习和气象数据等信息，对未来一段时间内的风能发电的功率进行预测的系统。
该系统可以帮助风电场经营者提前做好调度和运维安排，以提高风电发电效率和稳定性。
本文将介绍风电功率预测系统的功能规范，包括系统的输入、输出、算法和用户接口等。
二、系统输入1.气象数据：系统需要接收与风能发电相关的气象数据，包括风速、风向、温度、湿度等信息。
2.风力发电场数据：系统需要接收风力发电场的基本信息，包括风机类型、容量、数量等。
3.历史数据：系统需要接收风力发电场的历史功率数据，以用于训练模型和进行模型验证。
4.调度参数：系统需要接收运营人员设定的调度参数，包括预测时间段、预测精度等。
三、系统输出1.功率预测结果：系统将输出未来一段时间内风力发电的功率预测结果，以时间序列的形式呈现。
2.不确定性指标：系统将输出与功率预测结果相关的不确定性指标，包括置信区间、误差范围等。
四、系统算法1.数据清洗：对接收到的气象数据和风力发电场数据进行清洗和预处理，去除异常值和噪声。
2.特征提取：从经过清洗的数据中提取与风能发电相关的特征，包括风速、风向等。
3.模型训练：利用历史数据和提取的特征，训练风能发电功率的预测模型，可以采用机器学习算法，如支持向量机、随机森林等。
4.模型验证：对训练好的模型进行验证，使用部分历史数据进行模型测试，并评估模型的准确性和稳定性。
5.预测结果生成：利用训练好的模型和实时的气象数据，生成未来一段时间内的风能发电功率预测结果。
6.不确定性估计：根据模型的预测误差和历史数据的统计特征，估计预测结果的不确定性指标。
五、用户接口1.登录和注册：系统提供用户登录和注册功能，以确保数据安全和系统权限管理。
2.数据导入：用户可以将气象数据、风力发电场数据和历史数据导入系统。
3.参数设定：用户可以设定系统运行的参数，如预测时间段、预测精度等。
4.结果展示：系统将以图表等形式展示功率预测结果和不确定性指标，方便用户直观了解。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
风电功率预测系统简介目录1目的和意义 (3)2国内外技术现状 (3)2.1国外现状 (3)2.2国内现状 (4)3风电功率预测系统技术特点 (5)3.1气象信息实时监测系统 (5)3.2超短期风电功率预测 (5)3.3短期风电功率预测 (6)3.4风电功率预测系统软件平台 (8)1目的和意义风能是一种清洁的可再生能源，由于其资源丰富、转化效率高、产业化基础好、经济优势明显、环境影响小等优点，具备大规模开发的条件，在可以预见的将来，风能的开发利用将成为最重要的可再生能源发展方向。
但由于风电等可再生能源发电具有间歇性、随机性、可调度性低的特点，大规模接入后对电网运行会产生较大的影响,以至于有些地方不得不采取限制风电场发电功率的措施来保证电网的安全稳定运行。
对风电输出功率进行预测被认为是提高电网调峰能力、增强电网接纳风电的能力、改善电力系统运行安全性与经济性的最有效、经济的手段之一。
首先，对风电场出力进行短期预报,将使电力调度部门能够提前为风电出力变化及时调整调度计划，从而减少系统的备用容量、降低电力系统运行成本。
这是减轻风电对电网造成不利影响、提高系统中风电装机比例的一种有效途径。
其次，从发电企业(风电场)的角度来考虑,将来风电一旦参与市场竞争,与其他可控的发电方式相比,风电的间歇性将大大削弱风电的竞争力,而且还会由于供电的不可靠性受到经济惩罚。
提前对风电场出力进行预报,将在很大程度上提高风力发电的市场竞争力。
2国内外技术现状2.1 国外现状在风电功率预测技术研究方面，经过近20年的发展，风电功率预测已获得了广泛的应用，风电发达国家，如丹麦、德国、西班牙等均有运行中的风电功率预测系统。
德国太阳能技术研究所开发的风电管理系统（WPMS）是目前商业化运行最为成熟的系统。
德国、意大利、奥地利以及埃及等多个国家的电网调度中心均安装了该系统，目前该系统对于单个风电场的日前预报精度约为85%左右。
丹麦RisØ国家可再生能源实验室与丹麦技术大学联合开发了风电功率预测系统Zephyr，目前丹麦所有电网公司均采用了该预测系统。
此外，美国、西班牙、英国、法国、爱尔兰等风电发展较快的欧美国家纷纷开始开发和应用风电功率预测系统，其中较为成熟的产品还有美国True Wind Solutions公司开发的E-Wind，法国Ecole des Mines de Paris公司开发的AWPPS，西班牙马德里卡尔洛斯第三大学开发的SIPREóLco以及爱尔兰国立科克大学与丹麦DMI联合开发的HIRPOM。
近年来，国际风电功率预测研究的重点已经转向开发更高级的预测模型，强调研发适用于复杂地形、极端天气条件以及海上风电场的预测技术。
在2002年欧盟启动的“开发下一代陆上与海上风电场风能预测系统”项目(“Development of a Next Generation Wind Resource Forecasting System for the Large-Scale Integration of Onshore and Offshore Wind Farms” - ANEMOS )的支持下，涌现出大量新的预测方法，如结合统计法与物理法的混合预测法、小气候模型与中尺度气象模型的结合、多个中尺度模式的集合预报等。
新预测方法的提出对提高预测结果的精度，拓宽预测方法的适应性具有重要意义。
2.2 国内现状经过多年的技术攻关，我国在风电功率预测的研发方面取得了重大突破。
国网电力科学研究院自主研发的风电场功率预测系统于福建省电力公司、内蒙乌拉特风电场等不同现场投运,预测精度达到国外同类产品水平，并在我国首次实现超短期预测功能，预测精度可满足国家电网公司相功能规范要求，接近或达到国外同类产品的水平。
国网电力科学研究院的风电功率预测系统将于近期在华北电网公司、东北电网公司投运现场验证。
中国电力科学研究院研发的风电功率预测系统在我国多家网省电力公司投运，预测精度已满足国家电网公司相关功能规范要求，接近或达到国外同类产品的水平。
目前所有运行的风电功率预测系统均为针对单一电场的功率预测系统，缺乏针对整体区域性大规模新能源电站（群）的综合预测，综合考虑区域间大气科学、边界层物理等约束条件的不同对新能源电站发电能力的影响。
随着我国大规模新能源产业的大规模发展，亟需加强大规模区域性新能源电站（群）发电功率预测的相关研究。
3风电功率预测系统技术特点风电功率预测系统包括了数据监测、功率预测、软件平台展示三个部分。
数据监测是预测的基础，数据监测包括对气象信息的监测和对风电场运行状况的监测。
功率预测系统可实现短期、超短期预测功能，满足风电企业对于不同时效预报的需求。
软件平台将对监测和预测的数据结果以直观的方式展示并分析。
3.1 气象信息实时监测系统气象信息实时监测技术的应用，为风功率预测提供风电场区气象实时数据，以实现超短期功率预测，并为模型校订提供关键数据源。
实时监测系统由遥测站、中心站数据采集装置和通信通道组成，其中遥测站安装于风电场指定测风塔的相应高层，中心站数据采集装置安装于风场中控楼内，遥测站与中心站之间有光纤通道或者特高频通信通道供用户根据风场实际条件进行选择。
实时监测系统具有稳定可靠的微功耗数据采集器、多信道可选的无线通信接口、丰富的高精度传感器接入、适用的机械构件设计、功能完备的中心站数据采集软件平台等核心技术。
在监测的气象要素数据中，多个高层的风速、风向值以每秒进行采集，近地面的温度、湿度、气压以每10秒进行采集，每分钟采集雨量，遥测站可实现每5分钟向中心站自动发送气象要素的实测数据和5分钟平均值、最大/小值、极大值等统计数据。
3.2 超短期风电功率预测超短期风电功率预测能够实现对接入系统的风电场未来0-4小时的输出功率情况进行预测，预测点时间分辨率为15分钟。
超短期风电功率预测一般采用数理统计法，数理统计法是对风电场所在地测风塔的历史观测数据和周边气象台站的历史观测数据进行分析和整理，采用逐步回归法、时间序列法、BP神经网络法等，进行风力预测建模试验，最后选取预报效果较好的一种风力预测模型。
再将测风塔实时数据作为输入，经风力预测模型计算，即可得到超短期风力预测结果。
数理统计预报模式——超短期功率预测流程示意图3.3 短期风电功率预测短期风电功率预测能够实现对接入系统的所有风电场次日0-24小时的输出功率情况进行预测，预测点时间分辨率为15分钟。
短期风电功率预测主要依靠数值气象预报，并根据风电场地形的特点，输入风电场测风塔观测资料、周边自动气象站观测资料、风电场基础地理信息资料等，对风电场微观区域进行时空加密计算，得出满足风电场出力预测需求的风力预测结果。
在风机标准功率特性曲线基础上，根据风电场历史功率数据以及历史测风塔数据统计分析获得风电场的出力预测模型。
结合风力预测结果与出力预测模型便可获得风电场全场输出功率预测结果。
风电场短期功率预测方案流程示意图数值天气预报是以资料同化系统ADAS为基础，通过INTERNET实时获取GFS 背景场，结合本地大量实时观测资料，重建中尺度区域模式所需的初始场。
在获得精细化客观分析场的基础上，调试中尺度区域模式WRF，构建风力预估数值预报系统。
业务化运行后，可将模式预报所得传送至后处理服务器，通过INTERNET向客户提供数据下载，并通过页面形式显示各气象要素场。
数值天气预报每天8： 00、20：00分别发布风电场给定预报点（含测风塔指定经纬度）的5分钟平均风速、5分钟平均风向。
预测高层涵盖风机轮毂高度，风电场测风塔测风设备的安装高层等；对应预报点整点的2米温度、2米相对湿度、地面气压，6小时累计雨量预报值；3.4 风电功率预测系统软件平台风电功率预测软件平台采用基于B/S架构的友好人机界面，具有如下功能：1) 实时监视信息：提供界面监视测风塔采集的各气象要素（气温、湿度、气压、雨量、风速风向等）实测、预测值；2) 风电场气象实时/历史信息：包括实测和预测的气温、湿度曲线、风速、风向、湿、压、雨数据表格等；3) 风电场出力实时/历史信息：包括全站实时有功曲线、日前预测出力曲线、风速与出力对比曲线、实际出力历史数据查询、预测出力历史数据查询；4）误差统计分析：风力预测误差统计、出力预测误差统计分析。
风电出力预测系统是一个建立在分布式计算环境中的多模块协作平台，主要采用java语言、Python语言等作为开发工具语言。
人机界面采用了基于浏览器的B/S架构开发。
风电出力预测系统软件平台模块划分和数据流见下图：数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数风电出力预测系统软件平台模块图各个软件模块的功能如下：1. 预测数据库：是整个风电预测系统的数据核心，各个功能模块都需要通过系统数据库完成数据的互操作。
系统数据库中存储的数据内容包括：数值天气预报、测风塔实测气象数据、风场实时有功数据、超短期风力预测、时段整编数据、出力预测数据；2. 人机界面：这是用户和系统进行交互的平台，人机界面中以数据表格和过程线、直方图等形式向用户展现了预测系统的各项实测气象数据、风场实时有功数据和预测的中间、最终结果；3. 天气预报获取解析程序：负责定时从ftp 下载从气象部门获得的天气预报数据，通过筛选、格式化等操作将数据存放到预测系统数据库中；4. 风场风机信息采集程序：负责将从风机厂家获得的风场风机实时有功数据转存到预测数据库以作为预测数据比对和预测功率计算使用；5. 数据采集平台：负责从测风塔收集与预测相关的气象数据，并对数据做初步筛选处理，并将之存入预测数据库；6. 短期和超短期风电出力预测模块：从预测数据库中获得数值天气预报以及测风塔实测气象数据，以此为输入，应用各种模型计算短期和超短期出力预测结果并存入预测数据库；7. 误差统计计算模块：输入不同时间间隔的预测和实测出力数据，统计合格率、平均相对误差、相关系数，通过存入预测数据库、输出误差计算结果到人机界面。