【摘要】风力发电的电力生产依赖于风力，这是一种波动不可控制的能源。为了将其整合到国家电力网络中，有必要预测其产生时间甚至是未来的几天。本文对两种风电预测方法进行了研究和比较。第一种是基于人工神经网络。这种方法在所有我国输电系统运营商中都在使用。第二种方法是结合最近邻搜索和优化算法来估计最优输入数据。

【关键词】风力发电  神经网络  最优输入数据

一、背景介绍

未来引入风力发电会在许多国家的电力供应中发挥重要作用。在中国，它目前占电力供应的2，7%。到2020年，風力发电的份额将增加到5%左右，风电装机容量将超过最小负荷。 风是一种波动且不可控制的动力源。因此，为了将大量风力发电整合到电力供应系统中，有必要可靠地预测未来几个小时甚至到几天内风力涡轮机产生的电力情况。对于发电厂调度和电力交易，“提前一天”的预测尤为重要。

二、风电预测

风电预测主要有两种不同的方法。一种方法是利用风力发电场的物理模型，通过天气数值预测模型来确定气象数据与风力发电场的功率输出之间的关系。另一种是数学建模方法，例如使用统计方法或神经网络来找出天气预报数据与历史数据集的功率输出之间的关系。在这里以德国ISET（（德国太阳能研究所）开发的风力发电管理系统WPMS最具代表性，它是一个神经网络模型。它由所有德国传输系统运营商操作使用。对于日前预报，采用德国气象局数字天气预报系统的气象预报数据作为人工神经网络的输入。……