摘要：指出了风功率预测的研究对保证电力系统安全、经济运行以及提高电能质量有着重要意义。探讨了当前风功率预测的主要方法，论述了风功率预测中的关键技术步骤，对短期风功率预测及实时功能率预测的发展趋势进行了展望。
关键词：功率预测；风力发电；组合预测
１引言
创造出了可观的经济效益。然而，风力发电具有间隙性、随机性和波动性的特点，这给整个电力系统的安全、稳定运行带来了挑战，直接影响了风电厂在整个电力行业的竞争力。因此，加快风功率预测的研究、提高功率预测的精度显得尤为重要。
２风功率预测的主要方法
（１）按照预测时间划分，可分为长期预测、中期预测、短期预测以及超短期预测。长期预测以年为单位在新风场选址、规划中起着重要作用。以月为单位的中期预测可以更合理的安排风场大规模检修。短期预测主要用于优化电网调度，一般提前１～２ｄ进行。以控制风电机组为目的的超短期预测一般是提前几十分钟或几小时进行预测。当下的实时预测也属于超短期预测的范畴。
（２）按照预测模型的对象不同，可分为间接法和直接法。以风速为对象，实现对风速的精准预测进而根据风功率曲线得到预测功率属于间接方法；以功率为研究对象不考虑风速的变化过程进行风功率预测则属于直接方法。
（３）按照所用预测模型差异，可分为统计模型预测和物理模型预测。忽略风速物理变化过程，依据统计学原理，寻求历史数据和机组输出功率的映射关系，从而进行功率预测的方法叫做统计模型预测方法［１］。常见的统计模型预测法有卡尔曼滤波法、时间序列法等，和基于智能类模型的人工神经网络法、小波分析法、ＳＶＭ回归法、模糊逻辑法等。统计方法依赖于历史数据，这使其在进行长期预测时有一定的局限性，主要体现在大量的数据处理和长期的历史数据统计这两方面。
（４）按照功率预测模型个数划分，可分为单一功率预测和组合功率预测。像小波分析法、时间序列法、神经网络法等局限在单一的数学模型或物理模型中的预测方法称为单一功率预测。选择一定的组合方式把单一模型集成起来进行预测称为组合功率预测。
单一功率预测往往忽略了其物理影响因素，导致预测精度效果不佳。组合功率预测发挥了各种算法的优势，在算法的精度和泛化能力上都有了很大提高。例如，基于粗糙集和神经网络的组合预测、基于ＰＣＡ和粗糙集的组合预测，这些预测方法都达到了良好的预测效果。
３提高风电场风功率预测准确率的关键技术步骤
３.１数据预处理
（１）目前常用的数据分解法包括小波分解和经验模态分解（ＥＭＤ），当涉及到基于数据自身时间尺度的信号分解时小波分解就会失效，而ＥＭＤ不能很好的处理模态混叠现象。于是一种基于ＥＭＤ的优化算法ＥＥ－ＭＤ被提出［３］。该算法可有效进行风功率分解，并减轻模态混叠现象。
（２）主成分分析法（ＰＣＡ）的核心思想是降维。这方法可以减少变量的个数，并且可以保留原数据样本的关键信息。采用ＰＣＡ降维可以有效降低训练时间，提高预测速度。
（３）粗糙集理论是一种处理不精确、不一致、不完整信息的有效工具。它不需要任何的先验知识，可帮助我们在庞大的数据库中挖掘有用的信息，将数据去粗取精。
（４）针对实测风速和功率数据中包含奇异点以及同一风速下风功率存在较大范围波动的问题。首先，采用拉依达准则剔除风速和功率奇异点，再使用优化的一次指数平滑法及最大皮尔逊相关系数对风速进行平滑处理，有效的提高了预测精度。
３.２预测模型优化
气象条件往往是不稳定的，目前单纯使用物理模型预测方法进行短期或超短期预测并不多见。本文主要讨论统计模型预测的相关预测模型。单一的功率预测法往往达不到预期的预测精度，于是相关学者提出了组合预测的思想。目前主要有两种组合预测思想。第一种组合思想是在传统的预测模型前增加数据的预处理过程。采用集合经验模态分解（ＥＥＭＤ）法将原始风速信号分解为频域稳定的子序列并对ＬＳ－ＳＶＭ预测模型进行了优化。通过对已磨损的风速测量装置、磨损部位及安装方式进行分析，发现风速测量装置存在以下缺陷：
（1）风速测量装置安装在粉管长方形的壳体内与粉管相通，壳体内壁空间狭小，无法进行有效防磨处理，运行中风粉混合物易在此处产生涡流，冲刷磨损造成测点损坏、套管磨损、壳体磨穿频繁漏粉等缺陷；所有到场的技术人员必须持证上岗维护安全技术管理配合协调工作，在遵循安全技术措施的同时，作业前一定要做好交底工作，对于实际项目生产做好检查和巡查，纠正维护中的三违现象。在维护过程中，如果发现安全隐患应及时的进行排除，结合处理措施，对于维护过程中存在的病害进行彻底的维护和改善。
（2）风速测量装置结构及安装方式不合理，取样管与壳体间隙较大，且没有任何密封装置。
４短期风功率预测及实时功能率预测的发展趋势
（１）目前，关于风功率的短期预测研究大部分集中在预测算研究上，对模型存在异常输入的情况考虑不够周全。优化数据预处理算法，可以有效提升模型预测精度。
（２）优化ＮＷＰ系统，提高系统的分辨率、更新频率和预报精度，可以对风电功率预测起到根本性的改善。
（３）发挥单一模型的优势，采用组合预测的思想，也是提高预测精度的有效途径。
为了提高预测精度而优化ＮＷＰ系统、重视数据预处理环节、采用组合预测思想将成为风电预测的发展趋势。为了更好的完善建设质量，在实际的建设维护过程中，应当严格的审核所用的材料和设备进行科学化的有效管理，维护单位应当建立合格的材料名单动态更新与信誉非常好的合作方进行长期合作，必要时可以 通过公平竞标来选择合适的供货方。另外，维护企业应当根据维护进度和市场的基本行情进行科学采购，在严格控制质量的同时，对于每一件进场的材料都要进行严格的审核和检查，避免不合格的材料经常作业引发后期的质量问题。在改造管理时应当加强材料的计划管理，杜绝维护环节中出现浪费现象，避免由于市场行情波动较大，对于整个设备的成本和造价造成影响。最后应当加强进场材料的仓库管理，建立相关的储存保管措施在后期根据进度和工艺进行，材料运用时要按照详细计划进行进厂工作，利用专人负责的形式，定期的对于设备和材料进行保养和维护。
５结语
电网的经济性和安全性很大程度上依赖于高精度的风功率预测结果。本文介绍了风功率预测法的主要分类，论述了预测过程的关键技术步骤。优化ＮＷＰ系统、优化数据预处理算法以及采用组合预测的思想，可以进一步提升预测精度。
参考文献：
［１］陶玉波，陈昊.短期风电功率预测概念和模型与方法［Ｊ］.电力工程技术，２０１８，３７（５）：７～１２.
［２］许新华.基于风机发电风功率预测系统的研究与应用［Ｊ］.公用工程设计，２０１８，０２（２５）：１０５～１０９.
［３］杨茂.基于ＥＥＭＤ去噪和集对理论的风功率实时预测研究［Ｊ］.太阳能学报，２０１８，３９（５）：１４４１～１４４８.
［４］高庆亭．皮托管在气流测量中一些问题的探讨［Ｊ］．气象水文海洋仪器，２００７（３）：５９－６２．
［５］吕雪芹，敖振浪．冷镜式露点仪动态测量误差的实验与分析［Ｊ］．仪器仪表学报，２０１３，３４（１２）：１４－１８．