由于風(fēng)力發(fā)電的間歇性、隨機(jī)性和波動(dòng)性，給電網(wǎng)的安全穩(wěn)定運(yùn)行帶來了挑戰(zhàn)。對風(fēng)力發(fā)電功率進(jìn)行有效預(yù)測，可以幫助電網(wǎng)調(diào)度部門做好各類電源的調(diào)度計(jì)劃，提高電網(wǎng)運(yùn)行的穩(wěn)定性，同時(shí)也可以提高電網(wǎng)消納風(fēng)電的能力，進(jìn)而減少了由于限電給風(fēng)電開發(fā)商帶來的經(jīng)濟(jì)損失，增加了風(fēng)電場投資回報(bào)率。風(fēng)電功率預(yù)測不僅為電網(wǎng)的調(diào)度計(jì)劃提供依據(jù)，同時(shí)也能為風(fēng)電場的管理工作提供輔助手段。
　　國家能源局2011年6月發(fā)布《國家能源局關(guān)于印發(fā)風(fēng)電場功率預(yù)測預(yù)報(bào)管理暫行辦法的通知》(國能新能[2011]177號)，通知對風(fēng)電場功率預(yù)測提出要求，根據(jù)辦法第九條要求，風(fēng)電場功率預(yù)測系統(tǒng)提供的日預(yù)測曲線最大誤差不超過25%;實(shí)時(shí)預(yù)測誤差不超過15%。全天預(yù)測結(jié)果的均方根誤差應(yīng)小于20%。
　　在此文件的指導(dǎo)下，近年來，各省/區(qū)電網(wǎng)調(diào)度中心對所轄區(qū)域內(nèi)風(fēng)電場功率預(yù)測精度提出了考核機(jī)制，如山西、河北等省，新疆地區(qū)也從2015年開始進(jìn)行精度考核。考核機(jī)制的細(xì)化和落實(shí)，對風(fēng)功率預(yù)測精度提出了更高的要求，各風(fēng)電場為避免被處罰，必須配置穩(wěn)定的、高精度的風(fēng)功率預(yù)測系統(tǒng)。
　　“高精度風(fēng)電功率預(yù)測系統(tǒng)”是以高精度數(shù)值氣象預(yù)報(bào)為基礎(chǔ)，搭建完備的數(shù)據(jù)庫系統(tǒng)，利用各種通訊接口采集風(fēng)電場集控和升壓站數(shù)據(jù)，采用人工智能神經(jīng)網(wǎng)絡(luò)、粒子群優(yōu)化、風(fēng)電信號數(shù)值凈化、高性能時(shí)空模式分類器及數(shù)據(jù)挖掘算法對各個(gè)風(fēng)電場進(jìn)行建模，完成對風(fēng)電場的短期風(fēng)電功率預(yù)測、超短期風(fēng)電功率預(yù)測工作。系統(tǒng)要能夠提供人性化的人機(jī)交互界面，方便查看歷史數(shù)據(jù)和實(shí)時(shí)預(yù)測數(shù)據(jù)。
　　高精度數(shù)值天氣數(shù)據(jù)是以中尺度模式數(shù)值氣象預(yù)報(bào)數(shù)據(jù)為基礎(chǔ)，結(jié)合風(fēng)電場微觀選址及針對不同地域特點(diǎn)的參數(shù)化方案，經(jīng)過大規(guī)模并行分布式計(jì)算機(jī)集群的模式計(jì)算優(yōu)化后得到高精度的中小尺度數(shù)值天氣預(yù)報(bào)，作為風(fēng)功率預(yù)報(bào)的基礎(chǔ)。
　　風(fēng)功率預(yù)測中，對風(fēng)電場進(jìn)行數(shù)學(xué)建模是最關(guān)鍵的一個(gè)環(huán)節(jié)。根據(jù)預(yù)測時(shí)采用的數(shù)學(xué)模型不同分為物理模型、統(tǒng)計(jì)模型。物理模型是在風(fēng)電場物理環(huán)境和風(fēng)功率之間建立一種聯(lián)系，該方法中，需要對風(fēng)電場的地形、粗糙度、周圍障礙物等進(jìn)行建模，將數(shù)值天氣預(yù)報(bào)中風(fēng)速、風(fēng)向、氣壓、氣溫等氣象值換算成風(fēng)電機(jī)組輪轂高度的相應(yīng)數(shù)值，然后結(jié)合風(fēng)機(jī)本身的功率曲線預(yù)測每一個(gè)風(fēng)機(jī)的功率，并考慮風(fēng)機(jī)間尾流影響，綜合得到整個(gè)風(fēng)電場的風(fēng)功率。該方法優(yōu)點(diǎn)是不需要長期積累大量測量數(shù)據(jù)，缺點(diǎn)是需要充足的氣象知識(shí)，對模型的精確度要求較高，預(yù)測效果不太理想。
　　統(tǒng)計(jì)模型方法是在模型的輸入(數(shù)值天氣預(yù)報(bào)和風(fēng)電場的其它測量數(shù)據(jù))和模型的輸出(風(fēng)電場預(yù)測功率)之間建立一種映射關(guān)系。統(tǒng)計(jì)方法的優(yōu)點(diǎn)是預(yù)測誤差小，缺點(diǎn)是需要長期的測量數(shù)據(jù)以訓(xùn)練模型參數(shù)，此外，當(dāng)天氣狀況發(fā)生突變時(shí)，系統(tǒng)的預(yù)測精確度就會(huì)下降，因此對這些突然變化的天氣狀況進(jìn)行修正是很重要的，否則將會(huì)產(chǎn)生較大的預(yù)測誤差。常見的統(tǒng)計(jì)模型有：智能神經(jīng)網(wǎng)絡(luò)、卡爾曼濾波、時(shí)間序列等方法。
　　結(jié)合上述兩種建模方式，可以采用混合建模，在現(xiàn)有時(shí)間序列模型下，采用人工智能技術(shù)，引入概率統(tǒng)計(jì)學(xué)理論以及智能優(yōu)化算法，針對電場地形及氣候特點(diǎn)，細(xì)化建模，加深建模深度，實(shí)現(xiàn)復(fù)雜性建模，提高風(fēng)電場功率預(yù)測的精度。
　　總之，隨著各地對風(fēng)電場功率預(yù)測系統(tǒng)的考核機(jī)制逐步落實(shí)和推行，對風(fēng)功率預(yù)測精度提出了更高的要求，各風(fēng)電場未來將更多的關(guān)注穩(wěn)定的、精度高的預(yù)測系統(tǒng)，這也將促進(jìn)國內(nèi)風(fēng)電場功率預(yù)測技術(shù)的進(jìn)一步發(fā)展和提升。