祁 乐，唐 健，江 平，郑芳雯，刘德志

（1.广西电网电力调度控制中心，广西 南宁 530023；2.北京心知科技有限公司，北京 100102）

0 引言

随着海上风电制造、安装、并网成本的逐步下降，海上风电开发不断向深海拓展，预计中国海上风电累计装机容量将在2025年达到2 500万kW［1］。海上风电场装机规模大、风能质量高，但因海上存在风流热效应和放大的尾流效应等，且海上风电功率预测技术发展较晚，故海上风电功率预测一般以陆上风电模型为基准，并结合海上特征加以改进，相关研究证明该做法切实可行［2］。

传统的风功率预测方法可分为物理模型、统计模型和将二者结合的方法［3］。随着气象数值模式性能的提高，目前主流采用结合法，即使用机器学习方法对数值天气预报（Numerical Weather Prediction，NWP）风速预测结果进行误差订正后处理，得到较为准确的风速，并基于优化后的风速进行风电功率预测［4］。

通过引入多位置NWP 信息，可有效避免出现单位置NWP 无法准确描述风电场气象信息的问题，提高预测精度［5-6］。文献［7］同时考虑多位置NWP 与非典型气象特征，基于最大相关-最小冗余原则和主成分分析进行特征选择，减少整体冗余性，有效降低了预测模型的训练时间。此外，考虑风机数据的时间相关性，用聚类分析方法生成不同天气类型数据，针对不同天气类型进行NWP 数据订正后处理，能进一步提升预报能力［8］。文献［9］考虑功率变化趋势，获取更优的性能，可在一定程度上解决功率波动大的问题，即爬坡问题。然而上述研究只针对风电场的单一风速，缺乏对大型风电场内部差异的充分考虑，没有利用机组各风机的历史信息。……