赵攀，戴义平，夏俊荣，等

目的：风电功率的精确预测有助于优化电力系统调度，降低电力系统运行成本及提高风电并网容量。数值天气预报NWP（Numerical Weather Prediction）为风电功率统计预测方法提供气象预报数据，但由于 NWP模型在处理次网格现象方面的能力不足及物理参数初始化存在缺陷，将导致 NWP模型提供的近地气象参数存在系统误差，从而影响风电功率预测精度。本文利用卡尔曼滤波技术消除 NWP预报数据中的系统误差，达到提高风电功率预测精度的目的。方法：风电功率短期预测的统计方法主要是利用历史数据建立风电场区域气象数据与输出功率之间的非线性映射关系，进而利用NWP输出的气象数据预测未来功率输出。本文以统计方法中常用的逆向传播（BP）神经网络为基础建立预测模型，通过卡尔曼滤波技术消除 NWP预报数据中存在的误差，从而提高风电功率预测精度。具体方法为：首先使用卡尔曼滤波算法对风电功率起主导作用的风速数据进行动态修正，消除 NWP风速输出数据中的存在的系统误差；进而采用3层BP神经网络方法建立修正风速、风向正弦、风向余弦及空气密度与实际功率之间的非线性映射关系作为风电场实际功率预测的数学模型；最后使用NWP输出的未来的修正风速、风向正弦、风向余弦及空气密度作为 BP神经网络预测模型的输入，获取未来的风电功率输出。结果：以江苏某沿海风电场作为试验风场来验证本文所提出的基于卡尔曼滤波修正的风电场短期功率预测模型。……