李建林，张海军，庞俊强

（国华（河北）新能源有限公司， 张家口 07500）

引言

大力发展可再生能源，增加可再生能源发电量是实现能源安全和环境保护可持续发展的根本途径。2020年全国风电新能装机达到111 GW，伴随着国家3060任务目标的提出，“十四五”期间风电装机规模将进一步提升，预计到2030年风电装机容量达12亿千瓦时，2050年达24亿千瓦时[1]。电力系统新能源接入进入中高比例后，系统在稳定控制、运行、规划等不同时间尺度将面临多重挑战，准确预报风电场的送出功率对于高比例可再生能源的电力系统经济调度和安全运行具有重要意义[2]。因此，在多尺度上提供高精度的风速及功率预测方法是必需的。由于风力发电机的输出功率与风速的立方成正比，准确估计风力发电机的输出功率至关重要。近年来，许多研究文献提出了功率预测模型，以期在实际应用中找到一种有效的方法。这些模型大多依赖于复杂的统计和人工智能技术，以及大量的气象和地形数据[3]。理想情况下，这些方法能够将能源系统内的故障风险降至最低，并通过建模或模拟未来情景来预测其可靠性。但是，其可靠性取决于所用预测技术的准确性，目前这一领域的研究和开发工作仍在继续。

风速预测是一项非常复杂的任务，因为精度与不断增加的预测时间帧之间存在负相关，风速时间序列数据的混沌特性导致预测精度在很大程度上依赖于时间间隔。根据气象资料和应用的时间尺度，文献[4-6]总结了多种风及功率预测方法，风速预测一般分为短期、中期和长期预测三类。……