目前风电对全网的电力平衡已经带来很大的影响[1-3]。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。经过多年的科研攻关与技术创新，我国具有自主知识产权的风电功率预测系统已在电力调度机构获得了广泛应用，12个网省调建立了预测系统，覆盖容量超过12 GW，在电网调度运行中发挥了一定作用。本文对近年来风电功率预测方面完成的工作进行了总结，对存在的问题进行了论述，并提出了下一步的发展建议。 1 风电功率预测发展现状 1.1 风电功率预测技术的发展情况 电网调度部门对风电功率预测的基本要求有2个：一是短期预测，即当天预测次日00：00时起72 h的风电场输出功率，时间分辨率为15 min，用于系统发电计划安排；另一个是超短期预测，即实现提前量为0～4 h的滚动预测，用于电力系统实时调度[4]。 风电功率预测方法主要分为统计方法和物理方法[5-6]。
统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测，常用的预测模型有时间序列、神经网络、支持向量机等。物理方法是指根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法，计算得到风电机组轮毂高度的风速、风向、气温、气压等信息。然后根据风电机组的功率曲线计算得到每台风电机组的预测功率，再考虑风电机组间尾流影响，最后对所有风电机组的预测功率求和得到风电场的预测功率。 物理方法和统计方法各有优缺点。
物理方法不需要大量的测量数据，但要求对大气的物理特性及风电场特性有准确的数学描述，这些方程求解困难，计算量大。统计方法不需要求解物理方程，计算速度快，但需要大量历史数据。混合方法有机结合了物理方法与统计方法的优点，可以有效提高预测精度和预测方法的适用性。 为提高预测精度，国内外研究机构都在尝试各种新的预测方法，主要包括多种方法同时预测、其中多数值天气预报、纳入实时功率和实时测风数据等。多数值天气预报、多种预测方法的集合预报逐渐成为发展趋势。 1.2 国内外预测系统的建设情况 国外风电功率预测技术起步较早，20世纪80年代就开始了风电功率预测相关技术研究，如丹麦在1990年就开发了一套预测系统[7]。
后来，Risø开发了Prediktor系统，丹麦技术大学开发了WPPT(Wind Power Prediction Tool)系统，现在Prediktor和WPPT已经整合为Zephry系统；德国奥尔登堡大学开发了Previento系统；德国太阳能研究所开发了风电功率管理系统(WPMS)；美国AWS Truewind公司开发了eWind风功率预测系统；西班牙、爱尔兰、法国等国家都开发了风电功率预测系统[8]。 在国家电网公司国家电力调度通信中心的组织下，中国电科院和吉林省电力公司开展了风电功率预测系统的研究和开发，并于2008年投入运行。目前已经开发出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机统计方法与物理方法混合预测模型的研究。
目前，华北、东北、西北、上海、江苏、福建、辽宁、吉林、黑龙江、甘肃、宁夏、新疆等风电功率预测系统已经投入运行，取得了不错的运行效果。国内其他科研机构和高校也开展了深入研究，取得了大量成果[9-18]。 1.3 风电功率预测误差 目前，我国单个风电场日前预测均方根误差为10%～20%，区域短期预测均方根误差为10%～25%(见表1)，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10%～18%。
1.4 风电功率预测的评价指标 风电功率预测受到预测算法、天气、风电场运行状态等多种因素影响，不可避免存在预测误差。目前国内外风电功率预测结果评价主要采用误差指标，包括均方根误差、平均绝对误差、最大误差、相关性系数等[4]，均方根误差和平均绝对误差适用于预测系统的整体性能评价，可用于评价预测系统或预测模型的优劣，但不适用于发电计划安排和实时调度。另外，由于风电功率固有特性与负荷不同，风电功率预测评价指标与负荷预测相关指标有不同的含义，有关预测误差的评价需要进一步深化研究。
