风电功率预测概述
风功率预测对风电场的重要意义
风功率预测对风电场的重要意义风功率预测是以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率、数值天气预报等数据作为模型的输入，结合风电场机组的设备状态及运行工况，预测风电场未来的有功功率。
风功率预测系统对接入大量风电的电力系统运行有重要意义。
电力系统是一个复杂的动态系统，维持发电、输电、用电之间的功率平衡是电网的责任。
没有风电的电力系统，电网调度机构根据日负荷曲线可以制定发电计划，满足次日电力的需求。
风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加，风电给电力系统的调度运行带来巨大挑战。
对风电场输出功率进行预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一，同时，风电场开发企业也可以利用风电预报选择风力较小的天气合理安排风电机组设备的检修，尽可能减少因风电机组检修无法发电带来的发电量损失。
一、风功率预测预报要求电网调度部门对风电功率预测的基本要求有两个：一是日预报，即次日零时至二十四时的预测预报，时间分辨为十五分钟。
二是实时预报，即自上报时刻起未来十五分钟至四小时的预测预报，时间分辨不小于十五分钟。
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零时到二十四时每十五分钟共九十六个时间节点风电有功功率预测数据和开机容量。
试试预报要求并网风电场按规定要求每十五分钟滚动上报未来十五分钟至四小时风电功率预测数据和实时的风速等气象数据。
二、影响风功率预测准确率因素影响风电场风电功率预测准确率的因素有很多，其中数值天气预报的影响最大。
数值天气预报预测的是风速、风向、气温、气压等气象数据，是风电场开展风电功率预测的基础和输入，能否得到准确的数值天气预报对风电功率预测准确率有很大影响。
但是，由于风的随机性、不确定性，再加上我国很多风电场都建在边远地区，地形差异较大，短时间会有风的快速变化，导致近地面的风速数值预报难度很大。
风力发电功率预测讲解
数值天气预报预测
优 点：
较为成熟准确的风电中长期预测方法 ，国内外风 电场预测系统多基于物理方法。不需要风电场的历史 数据，风电场投产就可以进行预测。
缺 点：
要求对大气的物理特性及风电场特性有准确的数 学描述。模型复杂、计算量大，较少用于短期预测。 常结合神经网络、支持向量机等来提高预测精度。
预测方法介绍
预测方法介绍
三、组合预测：
由于预测方法各有优势，多种预测方法组合 使用成为发展趋势。
1、预测模型融合组合 a、卡尔曼滤波法对数据进行预处理，再采用 NWP法进行风电预测. b、将神经网络的局部寻优与遗传宏观搜索相融 合。 c、粒子群优化的神经网络法、小波改进的神经 网络法等。 2、预测模型加权组合 a、 BP神经网络、径向基神经网络、支持向量 机进行风电功率加权组合预 测等。
实例分析 ——灰色神经网络预测
数据二结果：超 短 期 功 率 预 测 （ 未 来 四 步 ） 结 果 对 比 图 ：
90 实际功率
80
GM预 测 值
BP神 经 网 络 预 测 值
70
GM-BP预 测 值
60
功 率 -KW
50
40
30
20
10
0
0
2
4
6
8
10
12
14
16
2013年 8月 6日 （ 2:00-5:45） -t/15min
时间序列法
优 点：
不必深究信号序列的产生背景，序列本身所具有 的时序性和自相关性已经为建模提供了足够的信息， 只需要有限的样本序列，就可以建立起相当高精度的 预测模型。
缺 点：
但其存在低阶模型预测精度低、高阶模型参数估 计难度大的不足。
《2024年风电功率预测关键技术及应用综述》范文
《风电功率预测关键技术及应用综述》篇一一、引言随着全球能源结构的转型和可再生能源的快速发展，风电作为清洁、可再生的能源形式，越来越受到各国的重视。
风电功率预测作为风电并网和运行的关键技术之一，对于提高风电的利用率、减少弃风现象、优化电网调度等具有重要意义。
本文旨在综述风电功率预测的关键技术及其应用现状，以期为相关研究与应用提供参考。
二、风电功率预测的关键技术1. 数据采集与预处理技术数据采集与预处理是风电功率预测的基础。
通过对风电场的历史数据、气象数据、地形数据等进行采集和预处理，提取出对风电功率预测有用的信息。
此外，还需要对数据进行清洗和校正，以消除异常数据和噪声干扰。
2. 预测模型构建技术预测模型是风电功率预测的核心。
目前，常用的预测模型包括物理模型、统计模型和机器学习模型等。
物理模型基于气象学原理和风电场特性进行预测，统计模型则通过分析历史数据找出风电功率与气象因素之间的统计关系，而机器学习模型则通过学习大量数据找出风电功率的规律和趋势。
3. 预测算法优化技术针对不同的预测模型，需要采用相应的优化算法来提高预测精度。
常见的优化算法包括支持向量机、神经网络、集成学习等。
这些算法可以通过对历史数据进行学习和训练，找出风电功率的变化规律和趋势，从而提高预测精度。
三、风电功率预测的应用现状1. 风电并网与调度风电功率预测技术可以帮助电力系统调度中心准确掌握未来一段时间内的风电功率变化情况，从而合理安排电网调度，提高风电的利用率和电网的稳定性。
此外，还可以通过预测结果对风电场进行调度优化，减少弃风现象。
2. 风电场规划与设计风电功率预测技术可以为风电场的规划和设计提供重要依据。
通过对历史数据和气象数据的分析，可以找出风电场的最优布局和风电机组的配置方案，从而提高风电场的发电效率和经济效益。
3. 电力市场交易在电力市场交易中，风电功率预测技术可以帮助电力生产商和电力交易商准确掌握未来一段时间内的电力供需情况，从而制定合理的电力交易策略，提高电力市场的竞争力和效益。
电力系统中的风电功率预测模型
电力系统中的风电功率预测模型一、引言电力系统是现代社会的重要基础设施之一，风电作为可再生能源的重要组成部分，具有环保、可持续等特点。
然而，风能的不稳定性和变化性给电力系统的运行带来了一定的挑战。
因此，准确预测风电功率对电力系统的规划、运行和调度具有重要意义。
本文将介绍电力系统中的风电功率预测模型。
二、数据预处理在建立风电功率预测模型之前，首先需要对数据进行预处理。
由于风力的不稳定性，风速、风向和风能之间存在一定的关联关系。
因此，需要采集历史风速、风向和风能数据，并进行清洗、对齐和归一化处理，以便用于后续建模。
三、基于统计方法的预测模型基于统计方法的预测模型是最常见的风电功率预测方法之一。
其中，基于时间序列分析的模型是较为常用的方法之一。
该方法使用历史风电功率数据，并结合多种统计技术和算法，通过拟合历史数据的趋势和周期性，来预测未来一段时间内的风电功率。
常用的时间序列分析方法包括ARIMA模型、回归模型等。
四、基于人工智能的预测模型近年来，随着人工智能技术的迅速发展，基于人工智能的风电功率预测模型也得到了广泛的研究和应用。
其中，基于神经网络的模型是较为常见的方法之一。
该方法通过建立多层神经网络，将历史风电功率数据作为输入，通过网络的训练和学习，得到一个能够较为准确预测未来风电功率的模型。
此外，还可以利用支持向量机、遗传算法等人工智能技术进行风电功率预测。
五、模型评估与改进模型的评估是模型建立的一个重要环节，它可以评估模型的预测能力和准确性。
常用的评估指标包括均方根误差（RMSE）、平均绝对误差（MAE）等。
在评估模型的基础上，可以对模型进行改进。
例如，可以引入外部因素（如天气状况、季节变化等）来改进预测模型的准确性，也可以通过提高数据质量和模型参数调整等方法来改进模型的性能。
六、模型应用与展望风电功率预测模型在电力系统中具有广泛的应用前景。
它可以为电力系统提供可靠的风电功率预测结果，为电力系统的运行和调度提供决策支持，同时也可以为电力市场的交易和电价的制定提供参考。
风功率预测系统
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》
引自：风电功率预测功能规范
风功率预测系统功能规范
预测建模数据准备
➢ 风电场历史功率数据 ➢ 历史测风塔数据 ➢ 风电机组信息 ➢ 风电机组/风电场运行状态记录 ➢ 地形和粗糙度数据
风功率预测系统功能规范
数据采集与处理
➢ 数据采集范围
➢ 数据采集要求
➢ 数据的处理 • 所有数据存入数据库前应进行完整性及合理性检验，并对缺测和 异常数据进行补充和修正。 • 数据完整性检验应 • 缺测和异常数据处理
➢ 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。
➢ 实时预报要求并网风电场按规定要求每15 分钟滚动上报未来1 5 分钟至4 小时风咆功率预测数据和实时的风速等气象数据。
➢ 风电场功率预测系统提供的日预测曲线最大误差不超过25% ;实时预测误 差不超过15 % 。全天预测结果的均方根误差应小子20% 。
风功率预测系统功能规范
性能要求
➢ 电网调度机构的风电功率预测系统应至少可扩容至200个风电场。 ➢ 风电功率预测单次计算时间应小于5min。 ➢ 单个风电场短期预测月均方根误差应小于20%，超短期预测第4h预测
风功率预测的方法
风功率预测的方法风功率预测是指对风力发电厂产生的风能进行预测，以便更好地管理和规划风力发电系统的运营。
准确的风功率预测对于风电场的安全运行、电网调度和电力市场交易等方面至关重要。
虽然风力是一种不稳定的自然资源，但通过利用合适的方法和技术，我们可以提高风功率预测的准确性。
风功率预测方法可以分为统计方法、基于物理原理的方法和机器学习方法。
统计方法是最常用的风功率预测方法之一。
它通过对历史风速数据进行分析和建模来预测未来的风力发电情况。
常用的统计方法包括时间序列分析、谱分析和回归分析等。
时间序列分析是一种将历史数据的趋势和周期性考虑在内的预测方法。
谱分析则是通过对信号进行频谱分析，提取出信号的频率特征来进行预测。
回归分析是一种通过建立线性或非线性回归模型来预测风功率的方法。
统计方法的优点是简单易实现，但对于复杂的非线性系统来说，可能会有一定的局限性。
基于物理原理的方法是另一类常用的风功率预测方法。
这种方法是基于对风力发电系统的建模和仿真来进行预测的。
它通常使用复杂的物理方程和机器学习算法来考虑风的传输特性、涡旋动力学等因素。
基于物理原理的方法的优点是可以对复杂的非线性系统进行较准确的预测，但是需要大量的风速、风向等实测数据来进行模型的校准和验证。
机器学习方法是近年来风力发电预测领域的热点研究领域。
这种方法利用机器学习算法对大量历史数据进行训练，建立预测模型。
常用的机器学习算法包括支持向量机、人工神经网络、决策树等。
机器学习方法的优点是可以灵活地适应不同场景下的预测需求，并能够处理大量的输入特征，比如温度、湿度、气压等。
但机器学习方法也存在一些挑战，比如需要大量的数据来进行模型训练，模型的解释性较差等。
除了上述方法外，还有一些辅助方法可以提高风功率预测的准确性。
比如数据融合方法可以结合多种数据源，比如气象卫星数据、雷达回波数据等，来提高预测的准确性。
时间尺度的选择也是一个关键因素，短期预测可以通过近实时的数据来进行，而中长期预测则可以通过气象模型来进行。
风功率预测 标准
风功率预测标准摘要：1.风功率预测的背景和意义2.风功率预测的主要方法3.风功率预测的标准及其作用4.我国风功率预测标准的发展现状5.风功率预测标准对行业发展的影响6.未来风功率预测标准的发展趋势与建议正文：风功率预测是可再生能源领域中的一项关键技术，对于风电场的规划、设计、建设和运行具有重要意义。
通过科学合理地预测风功率，可以降低风电投资风险，提高风电发电效率，促进风电产业的健康发展。
风功率预测的主要方法包括经验预测法、物理模型预测法和统计预测法等。
经验预测法主要是基于历史数据建立风功率预测模型，对于短期预测具有较好的效果；物理模型预测法通过模拟大气运动过程来预测风功率，适用于中长期预测；统计预测法则是结合多种气象参数进行预测，具有一定的通用性。
风功率预测标准是对预测方法、技术要求、性能评价等方面的规范。
它可以为风功率预测提供参考依据，指导风电企业和研究机构开展预测工作。
风功率预测标准的主要内容包括预测方法、数据质量、预测模型评估等方面。
我国风功率预测标准在近年来取得了显著的进展。
国家能源局、中国气象局等部门联合发布了《风电功率预测技术规范》等行业标准，对风功率预测的方法、数据要求、模型评估等方面进行了详细规定。
这些标准的实施对于提高我国风电功率预测的准确性和可靠性起到了积极作用。
风功率预测标准对风电产业的发展具有深远影响。
一方面，标准可以引导风电企业采用科学的预测方法和技术，提高预测准确性和可靠性，降低投资风险。
另一方面，标准有助于风电产业形成统一的技术规范，推动产业技术进步和市场拓展。
未来风功率预测标准的发展趋势将更加注重预测技术的创新和实用性。
在现有方法的基础上，不断探索新的预测方法和技术，提高预测精度和可靠性。
此外，国际标准的对接与合作也将成为风功率预测标准发展的重要方向。
综上所述，风功率预测标准在风电产业发展中具有重要地位和作用。
风功率预测系统相关知识讲解
01-功率预测业务—术语定义
数值天气预报 功率预测建模
短期预测
超短期预测
➢ 数值天气预报(NWP)：根据大气实际情况，在一定的 初值和边值条件下，通过大型计算机作数值计算，求 解描写天气演变过程的流体力学和热力学的方程组， 预算未来一定时间的大气运动状态和天气现象的方法。
➢ 功率预测：以电场的历史功率、历史风速（辐照）、 地形地貌、数值天气预报、风电机组（逆变器）运行 状态等数据建立电场输出功率的预测模型，以风速 （辐照度）、功率或数值天气预报数据作为模型的输 入，得到电场未来的输出功率，预测时间尺度包括短 期预测和超短期预测，分辨率均为15min。
TRFYF1_20190404_1030_FJ.WPD5分钟一个，当前时刻风机5分钟数 据
TRFYF1_20190404_1030_CFT.WPD5分钟一个，当前时刻测风塔5分 钟数据
16
02-功率预测日常维护—日常巡检
工作 规划
保障 措施
02-功率预测日常维护
一、功率预测系统的日常运维 1.确保场站，上传省调功率预测系统.上传数据稳定性，不得出现数据中断、跳变、超 工出作合理范围等异常情况。 规2划.加强天气预报服务器网络连接稳定性监视，不得出现因外网中断无法读取预测系统 天气预报的情况。 3.确保站内网络安全。及时加固新能源场站功率预测服务器、天气预报服务器主机,确 保天气预报服务器与公网连接的防火墙、与II区功率预测服务器连接的反向隔离装置端 口、IP地址和业务配置最小化，严禁违规外联、跨区直联。 4.强化落实站内功率预测系统异常的处理机制。加强运行人员在功率预测系统使用方 保面障的培训，系统异常时运行人员具备及，时处理的能力，必要时各场站需建立与预测 措系施统厂家异常处理支撑机制。
- 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)。
时间
成果
测系统WPFS由中国电力科学研究院研发完 成，并于吉林省电力调度中心正式投入运 行 江苏风电功率预测系统建设试点工作顺利 完成
2008年11月 我国首套具有自主知识产权的风电功率预
2009年10月
2009年11至 西北电网、宁夏电网、甘肃电网、辽宁电 网风电功率预测系统顺利投运 12月 以风电功率预测系统为核心的上海电网新 2010年4月
风电场发电功率预测模型
风电场发电功率 预测模型
基于数值天气预报 的预测模型
基于历史数据的 预测模型
统计模型
物理模型
物理法
物理法应用大气边界层动力学与边界层气象的理论将数值天气 预报系统输出的较粗略预报数据精细化为风电场实际地形、地貌 条件下的预报值，并将预报风速、风向转换为风电机组轮毂高度 的风速、风向，考虑风电机组间尾流影响后，再将预报风速应用 于风电机组的功率曲线，由此得出风电机组的预测功率，通过对 所有风电机组的预测功率求和，得到整个风电场的预测功率。 物理法的优点在于，不需要风电场历史功率数据的支持，可在 物理模型的作用下，根据数值天气预报数据直接进行风电场功率 预测，适用于无历史功率数据的新建风电场。 此外，物理法可以对每一个大气过程进行分析，并根据分析结 果优化预测模型，从而使预测结果更准确。物理法的缺点是对由 错误的初始信息所引起的系统误差非常敏感，如风电场地形、地 貌的描述偏差等。
此外，统计法的建模过程带有“黑箱”性，不利于模型的进一 步优化。因此，为了在学习过程中准确的选择气象变量，应用统 计法建模仍然需要具备一定的大气物理知识。
混合法
近来，风电功率预测系统的发展倾向于使用 多种预报方法（如物理法和统计法）集成预报。 如时间序列法（统计法）用于6小时范围以内的风 电功率预报时，其具有较高的预报精度，而物理 法用于6-72小时范围的预报时具有较高的精度， 因此集成两种预报可以提高总体预报精度。现已 投入使用的混合方法预报系统有丹麦的Zephyr和 包括7个国家的23个机构参与研发的新一代风电功 率预测系统ANEMOS。
风电功率预测的未来展望
对于中国来说，风电行业经过了几年的 冰封期终于渐渐有回暖的迹象了，这主要有 赖于国家对风电行业进行了一系列的规范， 其中对风电功率预测技术方面的大力扶植占 了重要地位，放缓了激进的风电发展速度， 使风电发电产业日趋成熟。 对于全世界来说，风力发电发展迅猛， 风电功率预测技术在世界各国的电网调度和 电力市场竞价中扮演着越来越关键的角色。
涉及风电功率预测的相关规范
风电功率预测的准确性与风电事故发生几率有很大程 度的关联。 在我国的风电发电场中，因为预测值偏大而导致电网 调度出现问题和预测值偏小而导致不得不弃风的情况时不 时会发生。 国家电网公司国调中心水电及新能源处处长裴哲义曾 在一篇报道中表示：为了保障电网安全稳定运行和风电充 分消纳，国家电网公司组织所属科研单位积极开展风电接 纳能力研究和评估工作，指导风电运行。在实际调度工作 中，积极推进风电功率预测和监控体系建设，根据风电预 测情况，统筹常规能源和风电的运行，将风电纳入月度电 量平衡和日前调度计划管理，保证了电网安全稳定运行和 风电的充分利用。
预测误差变化曲线如图 3 所示， 其中η为均 方根误差与装机容量的比值。由图 3可知，预测 系统性能的优劣是决定预测系统不确定性的重要 因素。随着系统的不断完善，经验和历史数据的 积累，预测误差会逐渐较小。
对于一个风电功率预测系统来说，其可靠性主要取决 于其预测误差的大小，若预测误差过大则会给风电场本身 带来很大的损失和给电网调度带来麻烦。所以如何减少风 电功率预测误差的研究在一个风电功率预测系统里占了很 重要的地位。
国外风电场发电功率预测系统介绍
国内风电功率预测现状
我国风力发电起步虽然晚，但是在近十年来的发展势 头却不容忽视。但是就是因为其速度过快的发展，导致了 风电行业出现了重量不重质的结果。近五年来，从下面的 表格可以看出，虽然风电累计装机容量还在不断持续的发 展，但其增长率显然明显放慢了，其发电开始由速度/规 模导向型发展转向质量/效率导向型发展。因为如此种种 的原因，我国风电功率预测在近年来才开始受到行业的重 视，其现在仍处于起步阶段。 我国目前已经开发了基于人工神经网络、支持向量机 等统计方法的风电功率预测模型，以及基于线性化和计算 流体力学的物理模型，同时正在开展多种统计方法联合应 用研究及统计方法与物理方法混合预测模型的研究。
风电功率预测发展现状
风电场发电功率预测尺度
超短期预测：以分钟为预测单位，用于机组控制 短期预测：以小时为预测单位，用于电网合理调度、保证 电能质量；也可为风电场参与竞价上网提供保证 中长期预测：以天、周或月为预测单位，主要用于机组检 修安排或调试 长期预测：以年为单位，用于风电场规划设计 目前，中长期预测还存在比较大的困难。短期预测是目前 应用最为广泛的预测技术，主要包含统计方法、物理方法、物 理统计相结合的混合方法。所以下面主要以短期预测作为探究 对象。
根据目前风电功率预测技术的发展趋势 以及函待解决的技术难题,可对风电功率预测 技术做如下展望: 1、采用更先进的智能算法来提高现有预报 模型的预报精度; 2、将先进的统计方法和物理方法集成,提高 各种时间尺度下的风电功率预报精度; 3、研究更加可靠的风电功率预报结果置信 区间估计方法; 4、继续提高复杂地形地区的数值天气预报 精度;
结语
本文对风电功率预测的发展现状与展望进 行了简浅的探讨，从中可以看出加强风电功率 预测系统的建设对于保障风电进一步的加快发 展起着不可或缺的作用。 在以后的风电功率预测系统建设中，国家 应该作为主要指导，监督风电行业落实建立风 电功率预测系统并且辅助其技术发展；风电行 业应该不断深化风电功率预测的技术研究，提 高预测精度，是的风电与电网能够健康和谐地 发展。
风电功率预测误差偏大是一个普遍问 题。目前 ，我 国 单 个 风 电 场 日前 预 测 均 方 根 误 差 为 1 0 ％ ~20 ％ ， 区 域 短 期 预 测 均 方 根 误 差 为 1 0％～2 5％ 。 这 与 德 国 6 ％左 右 的 预测 误 差 还 有 一 定 的 差 距，与 电 网 负 荷 预 测 水 平 相 比 差 距 更 大 。 超 短 期 预测 进 行 了 一 些 试 点 研 究 ，提 前 4 h 的 预 测 均 方 根 误 差 为 1 0 ％～1 8 ％ 。 通过以下表格数据更能清楚看到这一 点。
国外风电功率预测现状
国外风电率预测研究工作起步较早， 比较有代表性的方法主要有：丹麦的Risø 国家实验室的Prediktor预测系统、西班牙 的LocalPred预测系统和德国的AWPT预测 系统等。其主体思想均是利用数值天气预 测提供风机轮毂高度的风速、风向等预测 信息，然后利用风电功率预测模块提供风 电功率预测。
为什么会导致这种质量跟不上数量的尴 尬的局面呢？归根到底还是那个老问题— —风电场发展过程中只注重速度和规模而 忽略了技术与效率。 终于在我国风电场近年来频频发生事 故后，国家终于不得不重视起风电行业的 规范，加快建立起了涉及风电功率预测方 面的风电发电的相关规范。
风电功率预测存在的问题
1、风电功率预测还没建立完善的数据基础。 风电功率预测的基础是数值天气预报。 在我国，风电功率预测的数值天气预报模式 还没有建立，国内的风电功率预测系统采用 的还是国外的数值天气预报数据。 2、预测精度与电网调度运行的要求相差甚远。 就目前来说，风电功率预测的误差还是 比较大，在负荷低谷期和负荷高峰期的偏差 尤为严重，若发电厂按照这样的风电预测曲 线安排发电计划，那么其将面临很大的冒险。
统计法
统计法基于“学习算法”，通过一种或多种算法建立数值天气 预报历史数据与风电场历史输出功率数据之间的联系，再根据该 关系，由数值天气预报数据对风电场输出功率进行预测。应用于 风电功率预测中的统计法主要有递归最小二乘法、人工神经网络、 支持向量机等。由于人工神经网络方法具有分布并行处理、非线 性映射、自适应学习、鲁棒容错和泛化能力等特性，成为了功率 预测中应用最广泛的统计方法。统计法不考虑风电场局地效应对 数值天气预报数据的影响，无需对数值天气预报数据进行精细化 处理。其优点在于，在数据完备的情况下，理论上可以使预测误 差达到最小值，预测精度较高；但统计法需要大量历史数据支持， 且对历史数据变化规律的一致性具有很高要求。
风电功率预测概述
发展风电功率预测的ቤተ መጻሕፍቲ ባይዱ景
电力系统是一个复杂的动态系统。维持发电、输电、 用电之间的功率平衡是电网的责任。没有风电的电力系统， 电网调度机构根据日负荷曲线可以制定发电计划，满足次 日的电力需求。风电场输出功率具有波动性和间歇性，风 电的大规模接入导致发电计划制定难度大大增加，风电给 电力系统的调度运行带来巨大挑战。 目前风电对全网的电力平衡已经带来很大的影响。对 风电场输出功率进行预测是缓解电力系统调峰、调频压力， 提高风电接纳能力的有效手段之一。同时，风电功率预测 还可以指导风电场的检修计划，提高风能利用率，提高风 电场的经济效益。
能源接入综合系统投入运行，在国家电网 世博企业馆完成展示
目前，全国20个省级调度中心上线运行了风电功率预测系 统，约300个风电场使用了我国自主开发的风电功率预测系统， 预测精度满足应用要求。
风电功率预测的误差
预测具有不确定性，预测误差是客观存 在的。预测误差的来源主要有天气条件快 速变化、测量数据损坏、风电机组停运、 数值天气预报数据误差较大、预测模型不 精确等。明确预测误差的定义有利于对预 测方法的优劣性进行评价。常用的预测误 差有均方根误差(root mean square error， RMSE)、平均绝对误差(mean absolute error，MAE)和平均误差(mean error， ME)。
3、预测的时间尺度有待改进。 随着 我 国 电力工业 的快 速 发 展 ，电 力 系 统 步 入 了 大 电 网 、大 机 组 时 代 ， 而 大 机组 起停 费用 较 高 ，短 周期的频繁 起 停将 带来 巨大的 社会代价 。因此风电并 网容量 的进 一步增 加 客观上要 求 系 统 运 行方式和发电计划安排必须向更长 时 间尺 度 延 伸 ， 这 也 对 风 电 年 度 、月 度等较长时间尺度的预测提出了更 高 的要 求 。