1. 研究目的与意义

国民经济可持续发展要求国家进一步深化能源结构，扩大可再生能源规模。以风电为代表的新能源发电装机容量占比逐年增长，精确的风电功率预测对提高风能利用率、助力双碳目标的实现具有重要意义。然而风电固有的间歇性、随机性和波动性的特点，给大规模风电并网的安全调度和平稳运营带来挑战。风电功率预测技术能够预测未来一段时间风电机组的输出功率情况，能够为保障电网平稳运行提供有效依据，且有助于降低风力发电成本，为提高风电并网规模创造条件。因此，本课题通过分析风电机组出力特性，并进一步研究基于神经网络的风电机组功率预测，对于国家电网安全调度与平稳运行及提高风能利用率和助力双碳目标具有重要意义。

2. 课题关键问题和重难点

随着风电产业规模庞大且增长较快，风电大规模并网运行对电力系统的安全稳定运行和电能质量的优质保障造成了新的挑战，但由于风力发电的随机性和波动性，变相提高了风力发电的成本。作为解决上述问题的关键技术之一，风力发电功率预测可以保障电力系统安全，提高风电的消纳水平。但现有方法未充分挖掘风电功率预测数据的关键信息，限制了模型的评估性能，因此本课题拟解决的关键问题在于：

（1）对风力发电原理，风电功率影响因素分析

（2）分析传统风电功率预测方法的原理及优缺点

3. 国内外研究现状（文献综述）

随着人类社会的发展，煤炭、石油等主要矿物能源的供应日趋紧张，而我们赖以生存的环境也因为矿物能源的大量使用正逐步恶化。为了改善生存环境，风能、太阳能等洁净的可再生能源的利用就显得尤为重要，其中，风资源的开发和利用，在最近几年得到了飞速发展。因此，做好风电功率预测预报服务工作，对全球风电产业的发展会起到积极推进作用^[1-2]。

我国在风电功率预测技术方面的研究起步较晚，很多研究只停留在理论方面而实际应用方面的工作相对滞后。但目前很多风电功率预测预报系统已被国内的一些科研机构和高校开发出来^[1]。例如湖北气象中央的wpps系统、中国气象局公共效劳中央的winpop系统、中国电科院的wpfs系统、华北电力大学的swpps系统等。总体来说，我国风电功率预测方面的研究取得了一定的成果，一些学者也提出了不同于传统方法的新型研究方法和技术。但是中国目前在预测的精确度方面有待提升，根据其预测结果安排发电方案有相当大的风险，预测时长尺度还不能满足要求^[3-4]。

国外对于风电功率预测的研究起步早，始于80年代，随着其研究的不断深入，其预测技术越来越完善、预测精度不断提升。目前兴旺国家像美国、德国、西班牙、丹麦等风电功率预测技术较为成熟^[5-6]。丹麦国家研发的典型的风电功率预测系统有prediktor、wppt、zephyr。美国研发的ewind系统组合了多个统计模型像多元线性回归、支持向量回归、人工神经网络等集合生成预测结果。该系统基于高分辨率的数值天气预报模型，具有先进的统计预测技术，目前为caiso、ercot、nyiso等电网运营商提供预报效劳。但从全球范围上看数值天气预报技术不够完善普及，现国家研究的重点在于通过人工智能算法研发出更精确的预测模型以及开发相应的技术与工具减小预测结果误差。

4. 研究方案

1、研究影响风电机组功率的相关因素，根据影响因素选择模型的输入特征量。

2、对采用深度学习的风电机组功率方法进行总结归纳，学习神经网络模型的原理和搭建方法。

3、采用编程软件搭建神经网络风电功率预测模型，利用该模型进行分析计算，选取合适的评价指标进行风电功率预测结果的分析。

5. 工作计划

1、阅读分析国内外相关的文献资料，了解本课题所在领域的技术现状和发展前景，翻译外文资料，进行文献综述，并在此基础上认真撰写开题报告。

2、对风力发电特性进行分析总结。

3、学习深度学习神经网络的基本原理。