福州大学本科生毕业设计（论文）开题报告
姓名黄生树学号011000511专业电气工程与自动化（建筑电气方向）
毕业设计（论文）题目风电功率预测方法的研究
一、论文选题依据（包括本课题国内外研究现状述评，研究的理论与实际意义，对科技、经济和社会发展的作用等）
由于人们对能源需求的不断增展然而传统的化石能源作为不可再生资源而日益枯竭，以及使用化石能源对生态环境带来的的破坏越来越引起人们的重视，因此找到新的清洁能源代替化石能源是人们迫切的需求。
风电作为可再生的清洁能源，大力发展风电是解决能源的可持续发展的重要举措之一。
据统计，截止至2014年末，中国新增装机容量和累计装机容量均占据世界第一。
根据相关调查报告显示，中国风电行业具有良好的发展前景和广阔的市场空间。
从各国风电总的发展情况上看，风电发电占比持续上升，化石能源发电占比持续下降。
但是由于风能具有高度的波动性、间歇性、不稳定性等特点，使得当大容量风电并网运行时，会破坏电力系统的平衡，带来电网电能质量下降危害电力系统安全等严重后果。
这也进一步限制了风电的进一步发展。
为了风电的进一步发展，保障电网系统安全，降低风电并网时电网备用容量及风电发电成本，需要对风电场风电功率进行预测。
风电功率预测根据不同的分类依据具有不同的分类方法。
根据预测的物理量可分为物理法和统计法。
物理法是先预测出风速，再根据风速与风机的功率曲线预测出输出功率；统计法是通过建立输入与风电输出功率的映射关系直接预测出输出功率；根据预测数学模型分类可以分为持续预测法、时间序列法、卡尔曼滤波法、支持向量机法、人工神经网络法等。
按照预测的时间分类可分为超短期功率预测、短期功率预测、中期功率预测、长期功率预测。
在风电功率预测方面国外起步早，其预测方法和手段趋于成熟，其预测系统在发达国家获得了广泛的应用为风电的优化调度提供了重要的支持。
在丹麦，其国家就研究出了Prediktor、WPPT、Zephyr等著名的风电功率预测预报系统。
相对于国外，虽然我国风电功率预测起步较晚，很多预测的方法和手段都在研究和探索阶段，但已经有不少预测系统投入到实际使用当中，如中国电力科学研究院开发的WPFS、湖北气象服务中心研发的WPPS、中国气象局公共服务中心开发的WINPOP系统等。
本论文主要对现有的预测方法进行学习研究，然后选择出最适合自己研习的预测方法进行进一步的实践学习。
二、研究内容、研究方案及进度安排，预期达到的目标
1.研究内容
1）对风电的特性与影响风力发电的因素进行研究分析，找出主要影响风力发电功率的因素。
2）风电功率预测主要的预测方法以及这些预测方法的优点与不足。
3）根据实际运行的风电场的历史数据，选择风电功率预测的方法。
4）结合历史数据和选择的风电功率预测方法，建立风电功率预测的数学模型。
5）根据建立的数学模型，选取合适的软件编程，进行风电功率预测，并对预测结果进行简单的分析。
2.研究目标
通过对风电基础知识与风电功率预测方法的学习与研究，结合实际风电场运行情况，选出合适的预测方法进行数学建模，从而建立合适的风电功率预测系统。
3．研究进度安排
3月15日—3月31日生产实际调研与文献调研；
4月01日—4月15日完成开题报告与文献综述；
4月16日—5月15日对风电功率预测的方法进行研究；
5月16日—5月31日探讨风电功率预测的数学模型与编程工作；
6月01日—6月15日整理材料，完成毕业论文，毕业答辩。
4.预期达到的目标
根据实际的风电场运行情况，建立了合适的风电功率预测的数学模型，并通过合适的编程软件编程，达到了风电功率预测的效果，并且预测结果与实际运行结果没有太大的误差。
三、研究过程中可能遇到的问题及其解决方法
1.可能遇到的问题
1)问题：根据现有的预测方法建立的数学模型其预测结果不准或者误差太大。
方法：重新检查预测方法的选取，看是否预测方法不适合。
检查数学模型，分清影响风电功率的主次因素，对数学模型进行修正或重新建立数学模型。
对风电场原始数据进行重新筛选，选取普遍的具有广泛代表性的数据样本。
2）问题：建立数学模型后不知道选取哪些合适的编程语言编程软件进行编程。
方法：了解目前主流的几种编程软件的主要功能与不足，根据建立的数学模型，参考前辈们选择的编程软件及编程语言，选取合适的编程软件。
四、参考文献
[1] 2015年全球风电装机容量，中国贡献最大.铁甲工程机械网,2016-03-14.
[2]2015年中国风电行业发展现状及竞争格局分析.中国产业信息网行业频道,2016-01-18.
[3]陈正洪, 许杨, 许沛华, 等.风电功率预测预报技术原理及其业务系统. 北京: 气象出版社, 2013.
[4]王瑞雪,刘博.浅谈我国风电产业发展现状及前景[J].城市建设理论研究.2015,14(1).
[5] 孟静.风电功率预测[J]. 武汉理工大学.2012,4(21-22).
[6]宁美凤.风速及风电功率短期预测方法研究[D]. 郑州市中原区科学大道100号:郑州大学.2012-5.
[7]2015风电产业发展情况.国家能源局网站.2016-02-02.
[8]段学伟,王瑞琪,王昭鑫,郎澄宇,孙树敏,赵鹏.郑伟. 风速及风电功率预测研究综述[J].山东电力技术, 2015,210(42):26-31.
[9]钱晓东,刘维奇.基于时间序列分析的风电功率预测模型.[J].电力学报,2015,29(4).
[10] 徐敏，袁建洲，刘四新，郭含. 基于支持向量机的短期风电功率预测[J].南昌大学学报, 2012,34(2).
[11] 邱潇钰，张化祥.概论核方法及核参数的选择.信息技术与信息化，2007,6:62-65.
[12] 武小梅,白银明,文福拴等.基于RBF神经元网络的风电功率短期预测[J].电力系统保护与控制, 2011,39(15):80-83.
[13] 杨桂兴.对风电功率预测系统中预测精度的讨论[J].电网与清洁能源,2011,1(1)
[14] 徐曼,乔颖,鲁宗相. 短期风电功率预测误差综合评价方法[J].电力系统自动化,2011,35(12):20-26.
[15]孟岩峰，胡书举，邓雅，许洪华.风电功率预测误差分析及预测误差评价方法.[J].电力建设,2013,
[16] 风电场功率预测预报管理暂行办法[S].北京：国家能源局，2011
[17] 风电功率预测功能规范[S].北京：国家电网公司，2011
[18]杨世成.基于人工神经网络的风电功率预测[D].北京市昌平区北农路2号：华北电力大学.2011-3.
[19] 杨志凌,曾宇,刘永前等.基于粒子群神经网络的风电功率预测算法[C].//2010年全国高性能计算
学术年会(HPC china2010)论文集.2010:586-592.
[20] 刘永前,朴金姬,韩爽等.风电场输出功率预测中两种神经网络算法的研究[J].现代力,2011,28(2): 49-52.
[21] Zhengtang Liang , Jun Liang, Chengfu Wang, Xiaoming Dong, Xiaofeng Miao, Short-term wind power combined forecasting based on error forecast correction [J]. Energy Conversion and Management 2016(119) 215–226.
[22] Haijian Shao , Xing Deng . Short-term wind power forecasting using model structure selection and data fusion techniques [J]. Electrical Power and Energy Systems 2016(83)79-86.
指导教师评语：
指导教师签字签字时间年月日。