1．目的及意义

1.1 研究目的和意义

长期以来，人类长期使用化石能源这一不可再生资源作为发电的主要手段，其数量日益紧缺，另一方面，化石能源的长期使用在对地球环境造成巨大污染的同时增强了人类环境意识和环境科学与工程领域的飞速发展。就发电这一领域而言，人们提出了许多能够取代火力发电的发电方式。风力发电作为火力发电的替代方式之一，利用可再生的自然现象风，将其能量有效收集并转化为可正常使用的电能，以实现自然资源的高效清洁使用。作为一项新兴技术，风力发电已受到国内外越来越多的学者和工程师关注^[1]-[6]。而发电功率预测则是实现风电场能够并网且高效运行的一个先决条件。由于风力本身受天气影响非常大，会导致其风速和风向不断变化，为了确保供电需求和电网的可靠，风电场必须能够及时调整参数和设备，宏观上制定合理的计划以降低风电的成本^[7]。该过程中最理想的情况即可以在不确定的天气环境下适当地对风电功率做出预测，进而有计划地调整设备。

使用机器学习的方法对风电场功率进行预测，既利用了风力极大程度依赖气象这一极不稳定的因素而难以使用固定函数进行描述的固有特点，依靠机器学习依靠训练数据自行寻找其内在联系的特点预测准确率能够达到更高。

本次设计的题目为《基于机器学习的风电场短期功率预测》，希望借助机器学习的手段编写一个算法，利用收集到的或仿真的数据对算法进行训练，进而实现对未来5-24小时风电场发电功率的预测。尽可能确保风力发电机的安全调度，并提高风电场的经济收益。

1.2 国内外研究现状分析

目前，国外对风力发电功率预测进行了很多研究，美国、德国、丹麦、荷兰等国家已经将风力发电功率预测的数据作为风力发电系统中电网调度的重要参考依据。风电功率预测已成为这些国家的发电系统中的基本组成部分^[9]。而在我国，风力发电也在步步普及，随着风力发电设备的大规模投运，国家能源局于2011年发布了《风电场功率预测预报管理暂行办法》（以下简称《办法》），强制风电场安装风力发电功率预测系统。该《办法》中提到在2012年1月1日，我国所有已并网运行的风电场必须建立起风电预报体系和风电计划申报工作机制，未按照要求报送风力发电功率预报结果的风电场不能并网运行。

欧洲国家风力发电市场化比较完善，因此对风力发电功率预测在政策制定方面也起到了推动作用。德国已经对风电场上网电价做出规定：风电场对所发出的风力发电功率进行预测，预测准确率达到一定要求实行优惠电价。因此风力发电功率预测可以对风电竞价上网提供有利条件。

根据欧洲发电发达国家的实践经验，如果风机检修全部在小风期或无风期完成，风电场每年的发电量将提高2%，以5万千瓦的风电场为例，其每年直接经济效益将超过120万元。同时选择风速较小时检修也可以降低风险，避免风速过大对风机叶片造成损坏。