风电功率波动特性分析
风电机组风速-功率特性曲线建模研究综述
风电机组风速-功率特性曲线建模研究综述杨茂;杨琼琼【摘要】风速-功率特性曲线是风力发电机组设计的基础,也是考核机组性能、评估机组发电能力的一项重要指标.介绍风速-功率特性曲线的定义、概念和基本特点,分别从参数方法、非参数方法、离散方法、随机方法4个方面详细阐述风速-功率特性曲线建模的实现方法.分析建模精度的评价方法,提出目前风速-功率特性曲线建模遇到的问题以及需要进行深入研究的发展方向.%The wind speed-power characteristic curve is the basis for the design of wind turbine,and it is also an important indicator for assessing the unit performance and generation ability.The definition,concept and basic features of wind speed-power characteristic curve are introduced,and the modeling methods for the curve are elaborated from four aspects,i.e.parametermethod,nonparametric method,discrete method,and random method.The evaluation method for modeling accuracy is analyzed and also the problems currently faced during modeling and the development directions needed to be deeply researched are proposed.【期刊名称】《电力自动化设备》【年(卷),期】2018(038)002【总页数】10页(P34-43)【关键词】风速-功率特性曲线;参数方法;非参数方法;离散方法;随机方法;建模【作者】杨茂;杨琼琼【作者单位】东北电力大学电气工程学院,吉林吉林132012;东北电力大学电气工程学院,吉林吉林132012【正文语种】中文【中图分类】TM6140 引言随着世界经济迅速发展，相应的能源需求也随之增长，传统的化石能源面临着能源枯竭的威胁。
风电功率波动的相似性研究
首先 对原 始数 据 进 行初 步 处 理 ， 剔 除 其 中 的不 良数据 。如 果 是 人 为 因素 造 成 的 功 率 值 急 剧 减 小 或 停机 ， 可 将该 时 段 的 数 据 剔 除 ， 认 为 该 时 段 内 风 电场没 有 并 网发 电 ， 输 出功 率 值 恒 定 为 零 。此 外 ， 风 电场 还可 能 输 出 负 功 率 ， 即从 电 网 吸 收 功 率 ， 这 种 情况 主要是 由机 组 停 机造 成 的 ， 机 组 停 机 时 分析 风 电功 率 的波 动 也 无实 际意 义 。为 了 方便 计 算 ， 将 功 率数 据进行 标 幺化 处理 。式 （ １ ） 中， Ｐ（ ｔ ） 为风 电 场在 ｔ时 刻 实 际 输 出 功 率 ， Ｃ为 风 电场 总 容 量 ， Ｐ （ ｔ ）为 ｔ 时 刻 功率 标 幺值 。标 幺化 的 另一 个好 处 是 对波 动 幅值 进行 了归 ～ 化 ， 方便 对 波 动 的形状 进
响， 风 电功率波动研 究逐渐成为风 能研 究领域 的热点课题。基 于风 电场 实测 数据 ， 提 出一种 功率相似 性分析方 法 ， 首先对原 始数据进行 必要 的处理 以及 滤波 ， 然后提取功率 时间序 列 的特征 值 ， 将 原始 数据序 列转化为特 征值序 列， 从 而减少 了数据样
本 点， 通过计算特征值序列之 间的动 态时间弯 曲距 离， 实现 了风 电功率波动 的相似 性分析。通过分 析某风 电场 两年的历史数
电功 率容 易产 生较 大 的 波 动 ， 对 电 网 的安 全 稳 定运 行 带来 许 多 不 利 的影 响 。风 电 功 率 的 波 动 除 了 和
风 速有 直接 关 系 之 外 ， 还 和 风 电场 地 形 、 机 组 的排
风电典型出力曲线
风电典型出力曲线
风电典型出力曲线是指在一定时间内，风电场发电量随时间变化的曲线。
这个曲线反映了风速与发电量之间的关系。
风电典型出力曲线具有以下特点：
1、受风速影响：风速是影响风电出力最主要的因素，风速越大，发电量越大。
2、波动性：由于风速的波动性，导致风电出力曲线具有一定的波动性，即在短时间内可能出现较大的波动。
3、日周期：风电出力曲线具有明显的日周期特点，一般白天风速较大，发电量较高，夜间风速较小，发电量较低。
风电典型出力曲线通常呈现出非线性变化的特点。
当风速低于额定风速时，风电机组的发电能力较低；当风速达到额定风速时，发电能力达到最大值；当风速超过额定风速时，发电能力会逐渐下降。
这种非线性变化使得风电机组在不同风速条件下的发电能力难以预测。
此外，风电典型出力曲线还具有高度依赖风速的特点。
当风速较低时，风电机组的发电能力较低，无法达到额定功率；当风速适中时，发电能力达到最大值；当风速过高时，发电能力逐渐下降。
因此，风电场的发电能力与风速之间存在着密切的关系。
电工杯
从一个风电场入手，围绕风电功率的波动数据，运用统计分析方法，建立数学预测模型，对风电功率波动特性进行综合分析。
考虑到数据的大量性、波动性和神经网络可能存在的“过拟合”现象，建立了基于灰度预测的改进BP神经网络模型。
预测未来4小时和７天滚动的风电场总功率，根据预测数据和实际数据拟合图形的拟合程度分析预测误差。
本文特色主要在于数据处理和模型建立两方面。
数据处理上，进行合理的求和分类处理，大大降低了数据量，简化运算复杂度，提高了程序运算效率；模型选择上，采用具有良好逼近性和高精度特点的神经网络算法进行预测，同时考虑到该算法的不足之处，本文对算法预测编程部分进行改进，建立了基于灰度预测的改进BP神经网络模型，预测结果精度好，与实际数据拟合度好通过对机组功率波动特性的分析，发现风电功率具有随机性和间歇性，反映了风的波动过程。
随着时间尺度的增加，主要呈现如下特点：风电功率波动范围变大；风电波动的频率分布更加分散；风电功率变化小于10%的概率呈现递减趋势。
风电机组发电功率的波动性和不可控性，使得大规模风电机组的并网使用给电网系统运行带来各方面不同程度的影响。
为确保电网稳定、安全运行，需要研究风电功率的波动特性，提出有效的方法来克服不利影响。
风电波动对电网的影响在对风电功率波动特性有了基本认识的基础上，查阅风电波动和电网相关领域的专业知识，发现风电波动会对电网运行造成的一系列不利影响。
比如由于风电波动，电网运行中出现谐波污染、电压不稳、频率不稳等问题6.1 模型的优点：对于本题的大量数据，在符合题目要求的原则上，对数据进行合理的提取和整合处理，从而大大减少了数据量。
一方面解决了大量数据难以找到合理的概率分布函数，题目难以分析的问题，另一方面也大程度地减少了运算量，节约时间，提高效率。
对问题进行合理的假设，忽略某些对数据波动性影响程度较弱的因素作用，在一定条件下对相关问题进行分析处理，既简化了问题处理的难度又具有代表性。
基于风电场功率特性的风功率预测误差概率分布浅析
基于风电场功率特性的风功率预测误差概率分布浅析发表时间：2020-08-13T06:19:12.712Z 来源：《中国电业》（发电）》2020年第8期作者：李平[导读] 对于常规的风电功率预测大都给出的是确定性的点预测结果，存在不可避免的误差，且预测值出现的概率也无法评估，不能客观反映出风功率的波动性。
身份证号：65010419730918xxxx摘要：对于风电而言由于风本身的不稳定性，风电场的实时出力具有较大随机性、间歇性以及不可控性，这也导致在实际生产中电网公司对风电场出力的准确预测和有效调度存在一定的困难，随着风电在电网中的比重不断增加，这一矛盾更加突显。
为应对大规模风电的接入给电网电压、频率、电能质量、稳定性和调度运行等方面带来的影响，电网公司在系统规划、运行方式以及调度控制等方面提出了新的要求，明确风电场应当参与电网有功及频率的控制，对无功及电压调节技术也有了明确的技术要求。
此外，从优化电网调度，提高风电场在电力市场竞争中的能力方面考虑，也都要求风电场将风功率预测信息纳入电力系统发电调度决策，作为解决风电波动的主要技术手段之一。
提升风功率预测系统的准确性不仅有利于电网经济运行，还可有效降低风电并网过程的冲击，促进电网安全稳定运行，从而可进一步提高风电容量在电网中所占比例。
对于常规的风电功率预测大都给出的是确定性的点预测结果，存在不可避免的误差，且预测值出现的概率也无法评估，不能客观反映出风功率的波动性。
关键词：风电场功率特性；风电预测误差概率分布不同的风电预测模型不可避免存在预测误差，确定预测误差的不确定度以及误差的概率分布也是当前的一个研究热点。
一、风功率预测的主要实现方法根据国家电网颁布的《风电功率预测系统功能规范》，依据预测时间尺度的划分，风电场功率预测主要包括短期和超短期预测。
其中超短期风功率预测时间尺度为0-4h，多用于电网实时调度。
短期风电功率预测时间尺度为0-72h，多用于电网负荷调整。
塔影效应引起的风电机组输出功率波动问题
塔影效应引起的风电机组输出功率波动问题张弘鲲;孟祥星【摘要】建立了描述塔影效应和风剪切效应的风速模型,并对风电机组输出功率的波动问题进行了分析.【期刊名称】《东北电力技术》【年(卷),期】2011(032)004【总页数】3页(P33-35)【关键词】风电机组;塔影效应;风剪切;功率【作者】张弘鲲;孟祥星【作者单位】华北电力大学,北京,102206;黑龙江省电力有限公司,黑龙江,哈尔滨,150090【正文语种】中文【中图分类】TM614;TK83由于风电机组的输出功率与风速的3次方成正比,而风速具有随机变化的固有特性,因此,风电机组的功率输出也是不稳定的,这种不稳定的功率注入电网,尤其是在大规模风电场并网的情况下,将对电网的稳定性和电能质量造成影响。
对风电机组输出功率的波动性进行研究,不论从维持系统稳定还是从保证电能质量的角度都具有实际意义。
风电机组输出功率的波动来源于风电机组运行过程中非恒定的转矩,该转矩的不稳定不但与风速的变化（如阵风、渐变风等）有关,而且还受机组自身固有特性的影响（如塔影效应、偏航误差及风剪切作用等）,严重时这些因素将使风电机组的转矩偏差达到20%[1、2],并且风电机组输出功率的波动周期与叶片旋转周期具有对应关系[3-5]。
对于3叶片风电机组来说,转矩的波动频率是叶片旋转频率的3倍,由此引起的输出功率波动频率也是叶片旋转频率的3倍。
为从理论上对由于塔影效应和风剪切引起的风电机组输出功率波动性进行分析,建立了相应的风速模型和风电机组模型,但多数文献对此进行描述时,仅定性说明了这些作用对风速的影响,或建立了含有一些经验参数的极坐标下的风速模型[1],不具有普遍适用性。
因此,结合其他文献的研究成果,建立了描述塔影效应和风剪切效应的风速模型,并结合某恒速风电机组数据和相关模型,对风电机组输出功率的波动问题进行了计算分析。
1 风速模型风电机组是将风能转换成电能的中间环节,对风速的准确描述是研究风电机组输出特性的基础工作之一。
试论风电系统中的电压波动及抑制措施
场 的布 局 和规 模 、 电机 组 所 接 入 电 网 的 电 网 结 构 、 风 风力 发 电 机 类 型 等 。此 外 ， 网风 电机 组 在 启 动 、 止 和 发 电机 切换 过 程 并 停
摘
要 ： 对 风 电 系统 中 电压 波动 的 问题 ， 析 了风 电 系统 中电 压 波 动 的 产 生 机 理 ， 针 分 指
出风 速 的 变 化 、 近 风 电场 的 电 网结 构 、 力 发 电机 类 型 等 是 影 响 风 电 系统 中 电压 波 临 风
Hale Waihona Puke 动 的主要 因素 ； 出了几种抑 制措施 。 提 即优化 电网结构 、 高风 电场风速 等。 提
２１ 优 化 电 网 结 构 ． 风 电机 组所 接 人 电 网 的 电 网结 构 对 其 产 生 的 电 压 波 动 和 闪
从 式 （ ） 可 以看 出 ， 风 电机 输 出 的有 功 功 率 变 化 时 ， １中 当 将 会 引起 电 网 电压 的 波 动 和 闪 变 。 风 电机 组 的 机 械 功 率 可 以表 示 为 ： Ｐ ＿ Ａｆ） ｖ ， Ａ １ （） ２
电场 ， 在受典 型阵风 （ 速突然变化 ， 升或下 降速率为 ５ｍ ｓ 风 上 ／，
时 间 ５ｓ影 响下 ， 升 压 站 １ Ｖ母 线 电 压 变 化 幅 度 为 一 ．１ ） 其 ０ｋ ３６ ％
～
随机性和间歇性有关 。下面将对电压 波动的产 生机理进行分析 。
图１ 为风 电机组并 网示意图。图中 为风 电机组出 口电压相 量 ， 为电网电压相量 ， 分别 为线路 电阻和电抗 ， 为风 电机 Ｄ Ｒ、 ，
风电消纳关键问题及应对措施分析
风电消纳关键问题及应对措施分析随着风电行业的高速发展，风电消纳成为了关键问题。
风电消纳的难点在于风电发电的不可控性和时变性导致了风电弃风率高、风电发电功率波动等问题。
本文就风电消纳的关键问题以及应对措施进行分析。
1. 电网配套不足问题当前我国普遍存在的电网配套不足问题，是风电消纳的最大瓶颈之一。
由于风电发电具有不可控的特点，需要完备的电网进行接纳。
然而目前我国在一些地区的电网覆盖率及电网输电能力和电网配套设施升级改造方面都存在缺陷，导致风电接入的任务受阻。
2. 风电的间歇性和波动性问题风电发电具有很大的不确定性，时有弃风现象。
同时由于天气等自然因素的影响，风电发电量波动性较大，也无法保证风电的稳定性。
这些问题导致风电产业在接入电网时会对电网造成一定的冲击，需要借助各种调峰、储能等手段来确保配电网安全稳定运行。
3. 风电新能源消纳的技术难题风电消纳的技术难题也是风电产业发展过程中所面临的重要问题。
风电通过变电站输送到变电站，再由变电站经地域性输电线路输送到城市供电局，其中的所有连接都进行了连接保护和控制。
若消纳能力不足，则会影响风电发电的运营。
这需要风电行业在技术上不断进行研发，以提升风电发电的消纳能力与抵抗能力，以达到可持续发展。
针对电网配套不足等问题，一方面可以扩大电网建设范围，增强电网的输电能力和电网配套设施升级改造；另一方面可以进行战略性区域布局，在地理区域上选择重点发展风电，避免过度的风电开发造成电网的压力。
2. 加强储能技术的开发和应用3. 推进风电与航空、基础设施建设行业的协作风电行业可以与航空工程、通信工程以及基础设施建设行业展开协作，以减轻风电设备在空中的传输负担，避免风电施工给民生及基础设施建设造成影响，提高施工周期。
4. 创新电力市场机制建立健全的电力市场机制，推动供应链上下游产业体系协调合作，促进产业的持续和健康发展，同时加快风电的开发，稳定消纳符合市场需求的风电电价。
总之，风电消纳中的关键问题必须引起行业的足够重视。
风电功率预测概述
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。
风电功率预测概述PPT精选文档
2009年11至 12月
2010年4月
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
以风电功率预测系统为核心的上海电网新 能源接入综合系统投入运行，在国家电网 世博企业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，
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。
预测精度满足应用要求。
18
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)。
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。
4
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
统计模型 物理模型
基于历史数据的 预测模型
5
物理法
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。
- 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)。
风电功率波动特性分析
作者：张晴露何天舒
来源：《中国高新技术企业》2015年第01期
摘要：文章通过频率频数的直方图进行初步估计，再通过dfittool工具箱进行确认和验证，最终得出指数分布最适合风电功率波动的分布。
通过样本总体的均值和方差估计概率分布的参数，并用概率密度函数图和频率分布直方图对不同时间间隔、不同机组、每天或者一个月的概率分布之间的关系进行分析。
最终得知，各个机组在以每日为时间窗宽，每天的平均风电功率大致相同，而方差除了一些特殊的点还有这个月的最后几天外，也是大致相同。
关键词：matlab工具箱；分布拟合；回归分析；ARMA模型；平稳时间序列文献标识码：A
中图分类号：TM76 文章编号：1009-2374（2015）01-0025-02 DOI：10.13535/ki.11-4406/n.2015.0013
1 问题描述
本题研究的是风电功率的波动性问题，当前世界各国资源环境约束的日趋严苛，以化石能源为主的能源发展模式必须向绿色可再生能源转变。
风电机组发出的功率主要与风速有关。
由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电在满足用电需求方面的确定性不如常规发电。
大规模风电基地通常需接入电网来实现风电功率的传输与消纳。
风电功率的随机波动是对电网不利的主要因素。
研究风电功率的波动特性，对改善风电预测精度、克服风电接入对电网的不利影响有重要意义。
风电场通常有几十台甚至上百台风电机组。
大型风电基地由数十甚至上百个风电场组成。
因此，风电功率的波动有很强的时空差异性。
在此我们需要研究风电功率的概率分布等一系列信息并以此对未来风电的功率进行预测，希望得到风力发电机发电功率的一般性结论。
2 模型建立与求解
首先我们要研究风电机发电功率的概率分布。
对于概率分布拟合，可以在matlab软件中用dfittool来解决。
我们随机选择了五台电机作为观测对象。
将y输入dfittool里面，分别用t分布、指数分布、正态分布去拟合，然后根据拟合出来的各个分布的参数，求出三个分布的表达式，并选取一定的样本，比较三种分布的残差平方和，如表1所示：
表1 时间间隔为5秒风电功率数据用t分布、指数分布、
正态分布去拟合的残差平方和
从分析结果可以发现指数分布的残差平方和是最小的，因此指数分布为我们推荐的最优的概率分布函数。
我们已经确定风电功率是服从指数分布的，则可以通过各个样本的总体的均值和方差对指数分布的参数进行估计。
根据经验，用Pim（tk）代替Pi5s（tk）时会损失很多信息，为了方便我们衡量损失的信息，需要通过一些数字化的特征来分析，前面已经确定用指数分布作为风电功率的最优估计分布，那么我们可以通过指数分布的一些特征值进行分析。
如果我们直接比较不同的特征参数是很难看出差异的，所以我们比较不同参数特征下指数函数的密度函数，这样更容易观察出其中的差异。
样本的取值频率下降时会损失很多信息，接下来需要度量损失的信息。
根据上面的分析，损失的信息大部分都存在于样本点中。
通过前面一系列的研究与分析，我们得到了以下的结论：得到的数据的时间间隔越大，那么分布损失的信息越多。
对于不同时间间隔得到的样本，其均值大致相等，因为均值的信息一般都不会损失，损失的信息都来自其波动性，也就是方差。
对于风电功率的预测，我们参考了很多论文，最终确定使用ARMA模型对已有的风电功率的数据进行拟合，然后用matlab里的predict函数对模型进行预测，最终得到总功率的预测值。
在用ARMA模型拟合之前，必须先检验时间序列PΣ5m（tk）和PΣ15m（tk）的平稳性，可以使用matlab里面的dfARDTest函数进行假设检验，检验值h=0时表示接受时间序列存在在单位圆中的根的原假设，即接受该序列不是平稳时间序列的原假设；h=1时表示拒绝原假设，则序列为平稳时间序列。
将PΣ5m（tk）和PΣ15m（tk）的数据导进matlab用dfARDTest 函数处理之后，发现这两个时间序列的检验值h都为1，说明两者都是平稳的时间序列，可以用ARMA模型进行拟合。
接下来是确定ARMA模型的阶数p和q，此处可以用matlab中的for循环实现，p和q分别在[0，10]取值，然后将这121个组合分别带入ARMA模型中，用aic函数求出121个AIC 值，显然，最小的AIC值的那一组（p，q）就是ARMA模型的最优阶数，在本文中，经过编程后，发现PΣ5m（tk）和PΣ15m（tk）的最优的（p，q）分别是（2，3）和（1，2）。
最后，用predict函数求出预测值，得出对比的图像并编写程序求出误差值。
在此处，我们采用第1～7天0∶00～4∶00的数据去预测0∶15～4∶15的值，并与观测值作对比。
通过计算，我们得出PΣ5m（tk）的预测效果明显要比PΣ15m（tk）预测的效果要好得多。
这是因为PΣ15m（tk）的时间跨度比较大，自相关性没有PΣ5m（tk）要好，因此用ARMA模型预测的效果差。
对全部电机采集到的数据进行平稳时间序列的检验，发现h的值均为零，说明单台电机在时序上并不是平稳时间序列，而风电场总功率是一个平稳的时间序列。
而从前面得出的概率分布中，可以看出，时间间隔加长之后，由于风速的相关性减弱，相邻时段的平均功率的波动性增强。
而概率分布的局限在于没有办法得出每一个时间点所对应的风电功率，从而体现出了预测风电功率的时序规律的必要性。
通过上述对机组和全场风电总功率波动的分析，我们对风电功率波动的特性有了比较深入的认识。
风电功率分布具有一定的随机性，但又具有一定的规律性。
风电功率波动的规律是可以通过不断改进、完善数学模型得到的。
通过以上的认识，我们可以不断深入了解风电功率波动的特性，以克服风电波动对电网运行的不利影响。
例如，风电功率的波动是与风速风向有着紧密的关系的，由于风电功率具有随机性，但是风是由大气运动形成的，因此我们可以通过了解风电场里面风速波动的特性进而深入了解风电波动，更准确地预测风电波动，从而消除其对电网运行的不利影响。
参考文献
[1] 胡良剑，孙晓君.MATLAB数学建模[M].北京：高等教育出版社，2008.
[2] 姜启源，谢金星，叶俊.数学模型（第四版）[M].北京：高等教育出版社，2011.
[3] 李秀珍，庞常词.数学实验[M].北京：机械工业出版社，2008.
[4] 茆诗松，称依明，濮晓龙.概率论与数理统计教程（第二版）[M].北京：高等教育出版社，2011.
[5] 李子奈，潘文卿.计量经济学（第三版）[M].北京：高等教育出版社，2010.
（责任编辑：周琼）。