某风电基地高精度风功率预测技术应用研究
摘要：近年来风电发展迅速，风电具有波动性和间歇性，大规模风电接入系统对电网的安全稳定运行也带来了挑战，风电高精度风功率预测是解决大规模风电接入问题的关键技术，本文采用中尺度数值模拟和微尺度CFD流体计算模型相结合的技术，以中尺度模式的结果驱动小尺度模型、中尺度与小尺度相嵌套的气象数据计算方法，对基地流场进行精细化模拟，以达到对逐台风机处的风速进行模拟预报的能力，供大家研究和参考。
关键词：风机发电;功率预测;系统;应用研究
风電具有间歇性、随机性和波动性。风电场出力不稳，给电网调度、调峰、安全等带来一系列问题。准确的风电功率预测是解决以上问题的有效方法。风电功率预测系统可以有效掌握和利用风能资源，为电网调度充分安排风电上网电量提供重要依据;对风电场输出功率进行预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一。同时，风电功率预测还可以指导风电场的检修计划，提高风能利用率，提高风电场的经济效益。发电功率预测系统对于电网能够起到节约调峰成本、保障电网安全、更多消纳风电的作用;对于风电场能够起到减小弃风、科学运营风电场、更多送出风电的作用[1-2]。
1 影响风功率预测准确率的因素
1.1 数值天气预报
影响风电场风电功率预测准确率的因素有很多，其中数值天气预报的影响最大。数值天气预报预测的是风速、风向、气温、气压等气象数据，是风电场开展风电功率预测的基础和输入，能否得到准确的数值天气预报对风电功率预测准确率有很大影响。但是，由于风的随机性、不确定性，再加上我国很多风电场都建在边远地区，地形差异较大，短时间会有风的快速变化，导致近地面的风速数值预报难度很大。风功率与风速的三次方成正比，所以风速数值预报的准确性会直接影响风功率预测的准确率。
1.2 风电功率预测方法
风电功率预测方法也是影响预测的准确率的关键因素。目前国内风功率预测方法主要有基于统计的方法和基于物理建模的方法。
统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测;物理方法是指根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法计算得到风电机组轮毂高度的风速、风向等气压信息，然后根据风电机组的功率曲线计算得到每台风电机组的功率，再考虑风电机组间的尾流影响，最后对所有风电机组的预测功率求和得到风电场的预测功率。因统计方法和物理方法都对数据都有很高要求，如果数据本身不是很完整，或者经过人为影响，或者得到的数据是错误的，都会影响到风电功率预测结果的准确度。
2 风功率预测系统设计目标
风电基地东西长约100公里，南北宽约60公里，范围大，地形地貌差异较明显。对该风电基地进行风功率预测，运算量大，需要大量的计算资源，尤其是对于数值天气预报模式和CDF模式的运算。针对这一问题，风功率预报系统依托超算中心的计算资源，利用多种输入数据源(全球模式、EC数据、资料同化)，针对基地不同地块设置精细化优化的参数化方案，经过多种后处理方式，提升中尺度风速模拟、CFD模式模拟的精度，同时对预测系统、功率模型不断进行优化，让模拟更加“智慧”，最终提高风功率预测系统的预报精度，以达到电网的要求。
3 高精度风功率预测方法
根据风功率预测系统预报的流程分析，可以从数值气象模式、CFD微尺度模式和功率模型等方面分别采取相应的技术措施来提高风功率预测系统的预测能力，以实现高精度的风功率预测。
3.1 数值气象预报
数值天气预报是指根据大气实况，在一定的初值和边值条件下，通过计算机求解表示天气变化过程的流体力学和热力学方程组，预测未来天气状况的定量和客观的方法。
目前，国内满足电网调度要求的风电场功率预测系统均是基于中尺度气象预报模式输出设计开发的。因此模式预测输出精度很大程度上决定了风电场短期功率预测的精度。但由于数值气象预报模式输入的初值和边值条件存在偏差;模式输出网格分辨率较低，散点预报值不能较好地代表全场气象特征;局地天气类型复杂多变，数值模式本地输入资料欠缺;数值气象模式对复杂剧烈天气条件下风速爬坡、扰动等评估相对薄弱，因此基于数值气象预报模式开发设计的风电场功率预测系统具有较大不确定性。为提高数值气象模式预报准确性，分别从初始背景场、参数化方案两个主要方面进行改进。
3.1.1初始背景场
数值天气预报是利用基于大气动力学方程及其相应的数值计算方法和物理参数化方案建立起来的数值模式，以给定的某时刻大气状态(即初值)为起点，来预报未来某个时刻的大气运动状态。因此初始场能否正确地反应真实大气运动直接影响到模式的预报结果。图3.1.1-1为数值天气模式预报过程及相应的初始背景场资料情况。
(1)测风数据
根据《风电功率预测系统测风塔数据测量技术要求》(NB/T 31079)，风电功率预测系统需进行现场气象数据观测，目前国内满足电网调度要求的风电场功率预测系统均是基于中尺度气象预报模式输出设计开发的。而中尺度数值气象模式输入的初值和边值条件是否准确直接影响模式预测输出结果的准确性。但由于该风电基地地区地广人稀，气象观测站稀少且分布不均匀，仅依靠气象站及中尺度再分析数据，很难提高数值气象模式的初始场的准确性。为此，为获取该风电基地准确的气象观测数据，需在场址区域增加风功率预测测风塔。现今，该风电基地场址区域及附近已建有55座测风塔，基地南部测风塔数量较多，而北部基本没有测风塔，场址现有测风塔不能满足基地风功率预测的需求。[3-4]
根据已有测风塔、拟建测风塔分布及基地区域划分情况，选取其中28座测风塔作为风功率预测测风塔，进行实时测风。
(2)激光雷达
由于风电基地场区面积大、测风塔分布不均匀，地形、地貌有较大差异，对于地形相对复杂的区域，仅靠测风塔难以满足风功率预测实测数据的要求。而激光雷达正可以弥补测风塔短缺造成的数据不足的问题。
激光雷达测风作为新型的移动测风技术，利用激光的多普勒频移原理，通过测量光波反射在空气中遇到风运动的气溶胶粒子所产生的频率变化得到风速、风向信息，从而计算出相应高度的矢量风速和风向数据。和传统的测风塔获取风速数据方式相比，激光雷达具有以下特点：数据更丰富;可同时测得不同高度的水平、垂直風速、风向数据，入流角等;激光雷达数据获取方便灵活，可满足各种地形项目数据测试;测量性能强大，满足40m～300m，12个高度层风参数据测量;测试精度高，数据完整率更高;测量数据更安全可靠。
(3)再分析数据
前期大气环流再分析数据作为数值气象预报模式的输入初值，由于得到该数据的模式、观测数据、处理方法的差异，导致各国得到的再分析数据存在差异。而为了提高数值气象模式输入初值的准确性，分别与国家气象局、中科院大气物理研究所、香港科技大学、丹麦、西班牙等多个专业气象机构建立的战略合作，为项目集中预报平台提供科研实验及业务化气象预报数据支持。同时根据风电基地区域特点，分析、选取适合该基地的多套气象预报数据源(主要的气象预报数据源见表3.1.1-1)，并与实测数据进行智能对比，按优切换。
同时采用同化技术，将基地测风塔、激光雷达观测的气象数据同化入中尺度再分析数据中，进一步提高模式输入初值的准确性，以提高数值气象模式的预报能力。
3.1.2 局地定制参数化
在边界层研究中，由于在技术上对湍流运动的观测十分困难，相应的理论还不很成熟，且大量的研究是基于半理论半经验之上，再者目前的大尺度、中小尺度模式的水平格距均比边界层湍流输送的特征尺度大得多，但在模式模拟预报中必须得考虑这种次网格尺度的效应。针对边界层的物理过程和能量交换过程，模式中对多采用参数化进行处理。
由于风电基地面积宽广，地形地貌、边界层条件差异较大，而模式中具有多种参数化方案，因此选择适合风电基地的参数化方案成为该区域风场模拟预报准确与否的关键。针对这一问题，根据风电基地不同区域地形特点，设置精细化优化的参数方案，利用超算，经过多种后处理方式，提升中尺度风速模拟预报能力。
3.2 CFD微尺度模式
(1)高精度地形数据
地形数据、下垫面的变化会使得风速发生变化，因此在气象数值模拟过程中，如果地形数据精度较差，直接导致模式模拟的近地面气象要素存在较大偏差。
针对地形数据精度较差的问题，利用便携式无人机等技术获得高精度的场区地形信息，以此高精度地形数据作为输入从而以此提高模式的预报能力。
(2)CFD微尺度模式
中尺度气象模式预报的结果空间尺度较大，即使采用多重嵌套的方式，其空间尺度也只能达到1-3km。因此很难满足风场精细化数值模拟预报的要求。针对这一问题，以往应用于空气动力学精细流场计算的CFD模式越来越多的用于风场的预测模拟中。由于具有成熟的网格生成模块，能够自适应地生成各种复杂地形上的贴体网格，以及强大的后处理模块显示局部的复杂流动，CFD模式更适应于复杂地形条件下边界层精细流场的模拟。
因此，风电基地风功率预测系统中，采用中尺度数值模拟和微尺度CFD流体计算模型相结合的技术，以中尺度模式的结果驱动小尺度模型、中尺度与小尺度相嵌套的气象数据计算方法，对基地流场进行精细化模拟，以达到对逐台风机处的风速进行模拟预报的能力。
3.2 功率预测模型
风功率预测水平不仅受到数值气象预报的影响，同时还受到功率模型的影响。由于风电基地采用机组类型多，对功率模型的自适应能力要求高;发电规律和气象特征的局地差异大，要求模型要具有多样化特征;同时实测数据质量、风机故障、特殊气象条件等的影响导致实测功率的变化影响模型的适应能力。众多因素的存在直接影响到功率模型模拟的准确性。
针对功率模型模拟中面对的各类难题，主要采取以下方法，以提高功率曲线的模拟能力：(1)高精度天气预报结果与现场SCADA数据相结合;(2)机组历史运行数据拟合风电场理论功率曲线;(3)基于机器学习的多预报方案融合预测算法;(4)稳定的自动建模和预测平台。通过以上方法，搭建智能功率预测模型，融和多机型、多地貌/多气候特征，以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立电场输出功率的预测模型，以风速、功率、数值天气预报数据作为模型的输入，结合电场机组的设备状态及运行工况，得到风电场未来的输出功率，实现自学习、自优化，以达到精确的功率预报能力。
4 结束语
随着环境的污染和传统资源的枯竭，可再生能源受到越来越多的关注。作为一种无污染的可再生能源，风力发电在全球范围内得到了快速发展。然而与常规能源相比，风力发电具有间歇性、波动性和随机性等特性，该特性对电力系统的安全稳定、电能质量均有影响。[3-4]
为了提高功率预测系统的预测准确率，分别从数值气象预报模式、CFD微尺度模式、功率预测模型等方面采取相应的技术方法对模式进行改进，以实现风电基地的高精度风功率预测，即预测准确率除达到相关标准规范的的要求，还能精准预测每台风机的出力，未来72小时准确率达到88%，4小时达到92%。
该高精度风功率预测系统的建立，可为风电场现场制定更合理、更有效的生产运行计划提供可靠的数据支撑，并合理安排场内风机的检修和定期维护计划，降低新能源场站的弃风、弃光电量损失，提高整体发电能力。同时，电力生产调度机构根据风功率预测模型预测的风电输出功率，提前掌握风电场的出力变化，及时调整运行策略，提高电网运行的安全性和经济性。
参考文献
[1] 李文鹤，风机发电风功率预测系统的研究与应用[J]，动力与电气工程，2016(22).
[2] 刘兴杰，风电输出功率预测方法与系统[J]，华北电力大学，2011.
[3] 钟宏宇等，组合预测技术在风电中的研究分析[J]，分布式电源与并网技术，2018(16).
[4] 国家电网公司.风电场接入电网技术规定：Q/GDW1392—2015[S].2015.
国核电力规划设计研究院有限公司 北京 100095
作者：王成金
摘 要：随着风力发电的快速发展，风电的穿透功率不断增加，随之带来的系统安全性和电能质量问题也日益凸显。可靠的风功率预测可以有效地提高电力系统的运行稳定性，改善电能质量。本文综述了当前各种风功率预测的方法包括物理方法、统计方法、学习方法等以及他们各自的适用场合，并展望了未来风功率预测的发展方向。
关键词：风功率预测;预测方法;发展方向
前言
由于风能是清洁、安全的可再生能源，风力发电在全世界已经进入大规模发展阶段。但由于风电的间歇性和随机性等缺点，随着风电装机容量的逐年增加，风电场穿透功率不断加大，无疑会对电力系统的电能质量造成一定的影响，尤其是大规模风电入网对系统的电能质量，诸如线路的潮流、无功补偿电压和频率带来很多不利影响[1]，并且影响系统旋转备用容量的大小，从而限制了风电的进一步发展。有效的风功率预测方法可以方便调度进行合理的用电安排，提高系统运行的可靠性，一定程度上可以改善风电并网后的系统运行。
1风电场功率预测分类
按照不同的分类标准，风电场功率预测方法分类方式不同。
1.1按预测时间尺度分类
风电场功率的预测，按时间分为长期预测、中期预测、短期预测和特短期预测。
(1)长期预测：以“年”为单位，主要应用于风电场设计的可行性研究，可预测风电场建成之后每年的发电量。这种方法主要是根据气象站提前20年或30年的长期观测资料和风电场测风塔至少一年的测风数据，经过统计分析，再结合风机的功率曲线来预测风电场每年的发电量。
(2)中期预测：以“天”为预测单位。中期预测主要是提前一周对每天得功率进行预测，主要用于安排检修。一般是利用数值天气预报系统的数据进行预测。主要用于安排检修或调试。
(3)短期预测：以“小时”为预测单位。一般是提前1-48小时对功率进行预测，目的是便于电网合理调度，保证供电质量。一般是基于数值天气预报模型和历史数据进行预测。
1.2按预测模型对象分类
按照预测对象的不同，一般可以分為基于风速的预测和基于功率的预测。按预测对象范围的不同，可分为对单台风机功率的预测、对整个风电场功率的预测和对一个较大区域(多个风电场)的预测。
1.3按预测模型原理分类
按预测模型的原理不同，可分为物理方法、统计方法和学习方法。
1.3.1物理方法
物理方法主要是通过数值天气预报系统提供的气象数据转化成当地风电场中各个风机的风速，然后利用厂家提供的风机功率曲线进行预测。
1.3.2统计方法
统计方法是利用各种历史数据和实时数据，建立系统输入与输出间的函数关系，通过建立的函数关系实现风电场功率预测。统计方法主要包括卡尔曼滤波法、自回归滑动平均法、时间序列法、灰色预测法等。该方法短时间预测精度较高，随着时间增加，预测精度下降。统计方法一般需要大量的历史数据进行建模，对初值较敏感，进行平稳序列预测精度较高，对不平稳风和阵风的预测精度较低。
1.3.3学习方法
学习方法包括小波分析法、神经网络法和支持向量机法。神经网络法的优点明显，它具有自组织、自学习和自适应的能力，对复杂的非线性映射能力具有很好的组织能力，广泛应用于各个行业中。同样，风功率预测中利用神经网络法将NWP中和SCADA系统中与风功率有关的数据作为输入，将风功率作为输出就可以进行风电场输出功率的预测。比较分析得知神经网络预测法较统计方法预测精度高，但该方法需要大量原始数据，训练速度较慢，存在过学习、维数灾难、局部极值和泛化能力较差等问题，如何应用人工神经网络法构造出适宜实际应用的风电功率预测模型还比较困难，输入数据和模型结构没有明确一句。文献[2， 3]采用支持向量机法进行风电功率预测，结果较为理想。文献[4]应用最小二乘向量机法( LS-SVM) 建立预测模型，并与时间序列法、神经网络法比较，发现LS-SVM 方法具有更高精度。支持向量机法运算精度受所选核函数结构影响较大，对于风电功率预测，核函数选取的准确性和完善性还有待进一步研究。目前学习方法被不断整合入预测软件的开发，有利于提升对阵风、非平稳风等突变类型的预测研究。
1.4组合预测方法
组合预测方法是Bates 和Granger 在1969 年提出的一种预测方法[5]，基本思想是将不同的预测方法和模型通过加权组合起来，充分利用各模型提供的信息，综合处理数据，最终得到组合预测结果。风电功率组合预测方法，就是将物理方法、统计方法、学习方法等模型适当组合起来，充分发
挥各方法优势，减小预测误差[6]。文献[6]分别利用BP 神经网络、径向基神经网络、支持向量机及三种方法的加权组合，对风电功率进行预测，结果表明应用组合预测模型，可以大大减少较大误差预测点，提高预测精度。
组合预测方法的一个关键问题是如何找到合适的加权平均系数，使各单一预测方法有效组合起来。目前应用较多的方法有等权重平均法、最小方差法、无约束( 约束) 最小二乘法、Bayes 法等。
1.5区域预测方法
区域风电功率预测是指将同一区域中的各风电场视为一整体进行风电功率预测。其主要原理在于同一区域内各风电场的气象信息具有很大相关性，受气象条件影响的规律也基本一致。在实际预测时可通过相应方法将预测区特征信息与历史区域风电功率特征信息进行关联分析，利用相似度高的样本来提高预测精度。
区域预测方法适用于电网层面上的关于节点的风电功率预测和整体调度，不计较单一风电场发电量，实际操作性较强，有利于减少局部因素的影响，提高预测精度。当然为了获取区域单一风电场发电功率，需要进行场间的相关性分配，过程较为繁琐复杂。
2国内外研究现状
国外很多国家对于风功率预测的研究已经有近20年了，目前有多套成熟的商用风功率预测软件。1990年丹麦国家实验室的物理预测模型Prediktor是全球第一个风电功率预测软件，之后丹麦技术大学开发了WPPT系统，两者目前整合为Zephry系统。德国奥尔登堡大学开发了Previento系统，德国太阳能研究所拥有风电功率管理系统(WPMS)。美国的AWS Truewind公司开发了eWind系统。其余;其余还包括西班牙的Sipreolico、爱尔兰的Honeymoon系统。这些风电预测系统都具有较为相似的预测框架，多是基于气象部门提供的数值天气预报数据，采用计算流体力学(CFD)或者中尺度气象模型(如MM5)进行物理降尺度，以此作为输入量，再采用综合的物理、统计和学习方法进行预测。系统短时预测误差为10% ～15%，主要原因在于数值天气预报的误差和模型的系统误差。早期风电功率预测系统多基于单一的物理方法、统计方法或学习方法，输入信号为数值天气预报数据，随着电力系统自动化技术和通信信息技术的发展，现在的预测系统多以数值天气预报和实时数据作为输入量，采用综合方法进行预测，提高了预测准确性。
我国风力发电技术起步较晚，对于风电场预测系统的研究也不如国外成熟。2008年12月我国首个风电预测系统WPFS Ver1.0投入运行，由中国电力科学研究院研究开发而成。该系统运用物理和学习方法使得预测误差低于20%。另一套投入试运行的预测系统，由内蒙古电力集团开发，预测误差在22% 左右。我国其他地区( 如宁夏、甘肃等) 也在积极探讨风电功率预测系統的开发。
3 风功率预测的研究发展方向
风电功率预测是比非常复杂的非线性系统问题。成熟的预测系统应该在以下两方面进行处理：首先，对系统模型的输入数据的真实有效性，如果出现数据丢失和失真，应该找个有效可行的方法对数据进行处理。再好的模型，如何输入的数据偏差过大，那么预测的结果误差必然很大。此外，模型选择的方法的适用性。上述的各种预测方法很多都已经应用于实际。如何对某一风电场或者是某一区域风电场建立适宜的预测模型也是不同的。一种方法进行深入的优化处理往往也会取得比较好的预测精读。具体来说，有以下改进方形：
(1)提高输入数据的准确性，剔除奇异值，对误差较大的点进行平滑处理。预测时，不能只利用风速历史数据，应考虑大气温度、湿度、空气密度以及地形等对风速，乃至风功率的影响。
(2)选择适宜的风功率预测方法，并且在采用风电功率预测方法时应综合利用各种方法，可扬长避短，提高预测精度，保持预测精度的稳定性，避免局部最小化等问题。
(3)提过数值天气预报系统的预测准确度，对恶劣天气出现的较大偏差加强应对处理能力。改善数值天气预报系统的分辨率，减小气象信息数据误差。提高风机厂家提供的风电功率曲线参数拟合准确性。
(4)在可能的区域里，采用区域预测方法来提高预测精精度。
4结束语
随着我国风力发电的迅猛发展，风功率短期预测是提高风电穿透功率的重要途径之一。同时，有效地风功率预测还可以更加合理的安排调度计划，改善电网调峰能力，提高系统运行的安全性和可靠性水平。本文介绍了目前常用的风电功率预测方法，并简单论述了风电功率预测的发展方向。
参 考 文 献：
[1] 杨秀媛，肖洋，陈树勇.风电场风速和发电功率预测研究[J].中国电机工程学报，2005，25(11)：1-5.
[2] 戚双斌，王维庆，张新燕. 基于SVM 的风速风功率预测模型[J]. 可再生能源，2010，28( 4) .
[3] 戚双斌，王维庆，张新燕. 基于支持向量机的风速与风功率预测方法研究[J]华东电力，2009，37( 9) .
[4] 杜颖. 风电场风速及发电功率的概率预测研究[D].重庆： 重庆大学，2008.
[5] BATES J M，GRANGER C W J. The combination of forecasts.Operational Research
Quarterly，1969，20( 4) ： 451-468.
[6] 张国强，张伯明. 基于组合模型预测的风电场风速及风电机功率预测[J]. 电力系
统自动化，2009，33( 18) .
作者：邹磊
摘要：受新能源平价上网政策逐步实施的影响，国内迎来了新一轮风力发电建设潮。由于风资源自身的特点，精准的功率预测能够精准地指导未来某段时间的发电能力，有助于电网企业稳定电网运行。对于风电场经营企业而言，精准的功率预测系统能够避免考核罚款，提高新能源消纳能力。基于此，本篇文章对风电场功率预测系统运行可靠性和预测精度提升的实践进行研究，以供参考。
关键词：风电场功率预测系统;运行可靠性;预测精度提升;实践对策
引言
风能是一种重要的清洁能源，风力发电近年来发展迅速，我国大批风电场投入建设和运行。风电机组功率特性曲线能够明显地表现出其运行特征，是评估机组运行状态的重要技术指标。出于技术层面考虑，风电机组以功率性能曲线作为设计依据、性能检验指标和发电量考核指标;出于经济层面考虑，功率性能曲线的优劣会直接影响风电场的经济效益。因此对功率性能曲线进行有效的研究与处理具有重要意义。随着我国高等教育规模的迅速发展，教学模式创新是创新教育的重要內容。
1风电功率预测关键技术
风电功率预测技术涵盖气象学、电气工程学和统计学等交叉应用学科，是保障电网安全运行和风电高效接纳的重要技术手段。1)快速循环更新技术。模式定期更新的背景场中不包含云及水汽信息，在启动一段时间后云及水汽才由参数化方案渐渐生成，不利于初始条件预报。可采用快速循环更新的方法，即令模式的背景场更新频率降低，比如每3d更新一次，而其间的常规启动不再使用背景场，改为使用上一次预报的预报场，这样就在初始场中保留了上一次预报的云和水汽信息，有利于提升区域模式初始条件预报精度及节省计算时间。2)定制参数化预报技术。不同地区的地形、地貌及天气类型差别很大，应考虑有地区针对性的物理过程参数化方案组合，而非对所有地区都使用同一套方案。对于地形、地貌复杂的风电场区域，应在考虑计算资源的情况下，尽可能地加密水平和垂直方向上的网格，并对边界层和陆面过程等影响近地面风速的参数化方案进行细调。同时，应考虑使用云分析手段同化局地的卫星、雷达、地基云图等观测资料，以改进辐照度预报效果。3)人工智能建模技术。对于预测模型本身，随着人工智能、大数据等前沿新兴技术的发展和熟，有望突破风电功率预测的技术瓶颈，实现预精度的显著提升。由于人工智能模型具有自学习能力，包括深信度网络、深度神经网络以及循环神经网络等，与物理统计模型相比，人工智能模型具有更高精度的预测结果，如“机器学习+数据库”的数据挖掘技术将提高短期功率预测精度。4)在线互动预测技术。目前风电功率预测普遍采用“离线建模、模型封装、模型嵌入”的运行模式，存在预测模型更新不及时、不能实时响应风电场运行状态等问题，在一定程度上影响了预测精度。建立“在线建模、实时调整、集中分布”的在线互动预测方法，对于提升预测模型的响应能力、提高预测精度意义重大。
2风电机组运行数据分析
在风电机组运行的过程中，通过SCADA监控系统对风速、空气密度、功率、周围环境温度、大气压力等数据进行收集，选取所需的数据及适用条件。针对风力发电机组的性能分析，本文建立了风电机组的两种功率性能曲线，即功率曲线(功率-风速)和转矩曲线(转速-转矩)。采集的SCADA数据存在着大量的异常点，为了保证实验所得数据能够如实反映风电机组运行时的功率输出情况，需要结合相关标准与实际情况进行数据剔除及修正。对数据进行处理主要采用如下规则：①剔出风电机组运行不正常点，即风电机组的运行风速已大于切入风速，但是输出功率仍为0或者负值的运行点;②剔出风电机组停机点，即在切入风速与切出风速之间运行阶段，输出功率从正常运行降到0或者负值的运行点，删除这些点以及相邻的前3个点;③剔出风电机组启动过程点，即剔出在切入风速以上，输出功率由0或者负值直接增加到正值的过程，删除其后面的3个点。按照上述方法进行处理后，就基本删除了影响比较大的异常数据点，最后将处理后的数据放入数据库。由于风电机组的功率性能曲线受到海拔、大气环境、空气密度、风速等的影响，在功率性能曲线测量的过程中需要对相关系数进行修正。
3功率预测模型的优化
3.1功率预测模型的持续优化
新能源场站的超短期功率预测，目前的规则要求是每15min预测场站未来0～4h的功率，并将预测结果上传至调度部门的主站，按照每15min取1个点，上传16个点。而新能源场站的短期预测，要预测未来4天的数据，也是按照每15min取1个点。物理模型在短期功率预测精度高，但该类模型的计算量较大，并不适合超短期功率预测。统计模型的优势在于超短期功率预测，目前较为成熟的统计模型有采用极限学习机等。由于各类预测模型都有自身的优点和缺点，用单个预测模型获得的预测结果，很难保证在任何工况下的预测结果都是合格的。因此工程实践中必须综合多种模型的优点建立组合预测模型。
3.2筛选优质数据修正预测偏差
由于目前新能源场站普遍存在限负荷、计划停电等场外受累发电的情况，会影响误导模型的学习和训练过程，必须进行数据筛选，以实现对原始实测数据的质量控制。实际工程实践上，一般是将限电时段、风机检修时段的数据归类为无效数据并予以剔除。通过剔除非正常发电规律数据等影响预测模型效果的因素，筛选出非场外受累时段的高质量实测发电数据，及时提取正常发电的特征要素，并用于提升算法模型的训练测试。山地风场的地形较为复杂，而且局部气象不统一、部分风机尾流效应大的现象普遍，可以将预测偏差较大的某几台风机，从全场风机中筛选出来，进行单独的预测结果校正。
4建议
4.1做好风电场发电预测工作
从当前对所有的风电场在运行时的状态进行分析时，能发现风电场运行的质量与风能的大小、风速、风力有着非常密切的关系，直接决定了风电厂自身输出电能的能力以及输出电能的功率、电网在运行时的质量。为此，在整个风电场进行经营管理的过程中，一定要考虑到采取多项管理措施与预测技术进行工作与学习，在风电场运行的过程中。要求其具有周期性，能够对后续一段时间内的风能大小进行准确的预测，才能够确保在后期开展风力发电机组调度工作时，其预测的质量得到提升，也能够根据问题制定出最有效地预防和解决措施。达成规避电网的冲击或者是由于第二波动而导致的风电场发电预测工作质量在逐步下降的目的。
4.2建设新能源数据中心平台
集中式页面上构建新的能源数据中心平台，由于位置较多，数据量大，风力预测需要实际性能、每小时风速等，因此可实现集中式数据收集和管理。一是实现数据集中采集和管理;二是便利集中生产建设专业管理平台。集中风电功率预测、预报系统可在新的能源中心平台上收集位置数据，以及综合天气预报等信息，使该集控制的所有风电场的能源预测和报告成为可能。
4.3做好专业人员的管理
根据完善能耗管理的新要求，目前除了轮班工作者之外，还有从事网络信息、技术监控等工作的专业管理人员。在集中能源预测和预测的基础上，建议在集中侧设置一个管理预测风电场的职位，并任命一名专职人员，负责系统的持续维护、故障分析、模型优化等，改进能源预测系统的运行管理，密切关注预测指标及限电规划，改进对短期预购功率的人工干预，提高预测准确性，切实提高风电功率预测预报的整体工作质量。
结束语
风电场风力预测为风电场的电力规划、供电计划编制和风电场维护提供了依据。风力发电预测精度可能有助于风电场系统地降低发电和电网所需的压力。另一方面，基于风势的风电场可以实现更加现实的风挡规划和维护时间，保证风力涡轮机在风中高效运行，提高风机在风和风流中的效率。对现有风能预测的逐步改进和预测准确性的提高已证明是确保大型风电场网络安全和提高其经济性的关键。
参考文献：
[1]许国春.基于数据驱动的风电场功率短期预测研究[D].新疆大学，2019.
[2]王建辉.风电场短期功率预测及爬坡识别方法研究[D].湖南工业大学，2019.
[3]王韶龙.基于分量分治的风电功率超短期组合预测方法[D].湘潭大学，2019.
[4]高磊.大规模风电场参与系统频率调整策略研究[D].兰州交通大学，2020.
[5]姚瑶.计及多因素影响的含风电场发电系统可靠性研究[D].山东科技大学，2019.
中电投电力工程有限公司 上海 200233
作者：王冠
第一章 系统操作
NRFM系统操作主要有三部分组成：人机界面、接口和数据库操作。人机界面为客户端程序，是用来进行系统配置、功率预测展示、系统查询、报警查询等功能的主要操作界面;接口和数据库是后台运行程序，负责接收、计算和存储系统运行数据，接口和数据库的操作在初始安装配置后，会自动运行，用户不必进行操作，如需更改，可在相关操作说明或技术人员的指定下进行操作。
目前桥东风电场运行风电功率预测系统机器密码设置为： 开机密码为：0818 软件登录用户名和密码均为：admin 1.1.人机界面 1.1.1. 主界面
点击桌面下的NRFM即可打开系统主界面，界面友好、简单，易于操作。主界面上有登录、系统配置、功率预测、实时数据、系统查询、报警、退出系统等导航栏。系统主界面如图1-1所示。进入其它界面，可在登录后，点击相应导航按钮，若从其它界面返回主界面，则可点击界面右上角的
按钮。
图1-1 系统主界面
1.1.2. 登录
对系统的任何操作，需在用户登录之后才可以进行操作，在主界面中点击登录按钮，即可弹出登录对话框，如图1-2所示，如登录不成功，会弹出对话框进行提示，如图1-3所示，登录成功后，可在进入的其它界面上方看到当前登录的用户名称和当前用户角色(图1-4所示)。目前现场运行的用户名和密码均为：admin,用户也可根据自己需要，按照下节“系统配置”的说明进行添加、删除用户。
图1-2 登录框
图1-3 错误提示
图1-4 用户信息
1.1.3. 系统配置
系统配置中有用户管理、电场配置、风机配置等操作选项。用户在运行系统前应进行相应的初始配置。 (1) 用户管理
用户角色在本系统中分为管理员、操作员和普通用户。管理员的权限最大，可进行系统的任何添加、修改、删除、查询等操作;操作员可以进行系统的查询，对自己登录密码的修改，对电场、风机信息的配置，对预测数据修改等操作，不具备其它用户的添加、修改、删除操作;普通用户仅有浏览系统信息和修改自身密码的权限。
用户管理需在用户管理界面下操作，用户可在主界面下点击“系统配置”按钮，默认进入用户管理界面，或在系统配置中点击左侧“用户管理”按钮进入用户管理界面，如图1-5所示。
图 1-5 用户管理
对用户有添加、修改、删除等操作，需要有相应权限的用户才可进行操作。添加用户操作方法是点击用户管理右侧的“添加”按钮，弹出如图1-6所示的添加用户对话框，填写用户相关信息后，点击“确定”按钮。
图 1-6 添加用户 修改用户的方法是在右侧列表框中选择要修改的用户，点击右侧“修改”按钮，弹出和图1-6类似的修改用户对话框，进行相应修改操作。
删除用户的方法是在右侧列表框中选择要删除的用户，点击右侧“删除”按钮，会弹出删除确认对话框，如图1-7所示，若用户点击“确定”，将会删除用户信息，点击“取消”则取消本次删除操作。
图 1-7 删除用户确认
(2) 电场配置
电场配置主要用来配置风电场的信息，用户可在主界面中点击“系统配置”按钮，在系统配置界面中点击左侧“电场配置”按钮进入电场配置界面，如图1-8所示。
图 1-8 电场配置
用户可根据需要填写电场信息，注意企业名称不能为空，填好好点击右侧“保存”按钮保存填写的信息。修改电场信息和添加一样，直接在相应处修改，修改后点击“保存”按钮。若要删除电场信息，可直接点击右侧“删除”按钮，会弹出确认删除对话框如图1-9所示，若点击“确定”则删除电场信息，否则取消本次操作。
电场配置注意事项： 企业名称不能为空; 投运装机容量不能为0;
短期预报时间为每天自动刷新时间，可根据实际情况填写; 开机容量设置和调度限电设置不能为0，可根据实际填写。
图 1-9 删除电场信息提示
(3) 风机配置
风机配置主要用来配置风电场风机的信息，用户可在主界面中点击“系统配置”按钮进入系统配置界面，点击左侧“风机配置”按钮，进入风机配置界面，如图1-10所示。
如要添加风机信息，点击右侧“添加”按钮，弹出添加“添加风机信息”对话框，如图1-11所示，用户在相应位置填入风机信息后点击“确定”保存信息;如要修改风机信息，则在右侧列表框中选择要修改的风机选项，点击右侧“修改”按钮，弹出和图1-11类似的对话框，进行相应修改后点击“确定”按钮保存;如要删除风机信息，则在右侧列表框中选择要删除风机选项，点击右侧“删除”按钮，弹出删除确认对话框，如图1-12，如需删除点击“确定”，否则点击“取消”按钮取消本次操作。
图 1-10 风机配置
图 1-11 添加风机
图 1-12 删除风机提示
1.1.4. 功率预测
功率预测分为短期功率预测和超短期功率预测。用户可在登录后，在主界面下点击“功率预测”按钮，进入功率预测界面，默认进入超短期功率预测界面。 (1) 短期功率预测 短期预测显示从当前或前一日期的2点到未来共168小时的功率预测数据，同时显示当前时间点往前的实发功率。显示方式为曲线和列表的形式，用户可在主界面中点击“功率预测”按钮，在功率预测界面中点击左侧“短期功率预测”按钮进入短期功率预测界面如图1-13所示。为便于观察，图中曲线可进行缩放操作，若需放大，可用鼠标左键在需要放大的数据处拖动一矩形框进行放大，若要缩回原处，可按键盘上“z”键。以下所有有关曲线图均可采用此种方法进行缩放，不再单独介绍。
图1-13 短期功率预测
短期预测实发数据刷新频率为5分钟，预测数据每天会在用户设置的时间点上进行刷新一次(如每天9点进行刷新)，用户也可根据需要点击右下侧“刷新”按钮进行手动刷新。 短期预测功率界面中允许有权限的用户(管理员、操作员)对未来某个时间点的预测数据进行手动修改，修改的方式是在右下侧的列表框中，选择要修改的选项，在“手动修改”项中输入要修改的数据，修改后回车，“是否使用手动修改”项会默认改为“是”，同时把数据存入数据库中，在下次上报预测数据时会报手动修改的预测值，而不报自动生成的预报值。若要观察曲线显示效果，可点击“刷新”按钮进行手动刷新。若要取消手动修改的预测值， 则把对应的“是否使用手动修改”改为“否”后“回车”即可。注意对预测值的修改仅可对未来时间的值进行修改，已过去则不能进行修改，否则会提示如图1-14所示信息。
图 1-14 修改提示
短期预测可根据实际需要查看指定时间段内的功率预测情况，在曲线图下方有“7天数据”，“6天数据”等单选按钮，用户可根据需要进行选择，默认为“7天数据”,显示从当前时间凌晨2点开始往后168小时的数据，若为“6天数据”,则显示从当前时间开始往后144小时的数据，其它为依次减少24小时的数据情况。
(2) 超短期功率预测
超短期功率预测显示过去和未来4小时的功率预测数据，同时显示当前时间点往前的实发功率信息，显示的方式为曲线和列表。用户可在主界面中点击“功率预测”按钮默认进入超短期功率预测界面，也在功率预测界面下点击“超短期功率预测”按钮进入该界面。界面如图1-15所示。
图1-15 超短期功率预测
超短期预测实发数据刷新频率为5分钟，每隔15分钟会对所有数据重新刷新一次，用户也可根据需要点击右下侧“刷新”按钮手动刷新。
超短期预测界面中也允许有权限的用户对未来数据进行修改，修改方式和短期预测中修改一致。 1.1.5. 实时数据
实时数据主要显示系统的当前信息，如实发功率、测风塔数据、系统进程或服务的运行状态等信息，用户可在主界面中点击“实时数据”进入实时数据界面，界面如图1-16所示。
图 1-16实时数据
1.1.6. 系统查询
系统查询主要是对历史数据的查询，包括历史某个时间段的实发数据、预测数据、风速、风向等数据信息，历史数据表现方法主要包括误差统计、时序图、直方图、风廓线、玫瑰图等。 (1) 误差统计
误差统计主要用来显示某个时间段的实发数据和预测数据，以曲线形式显示两者对比，并把这段时间的平均绝对误差(MAE)和均方根误差(RMSE)计算并显示出来，用户可根据需要把这段时间的信息导出到Excel文件中，供用户查询和打印。进入误差统计界面的方式是在主界面中点击“统计查询”按钮，默认进入的是误差统计界面，用户也可点击左侧“误差统计”按钮进入此界面，界面显示如图1-17所示。
查询中若时间段内有未来的时间，则不进行统计计算;若选择的时间段内没有实发功率，则不进行统计计算。
图 1-17 误差统计
用户可根据需要选择查询的开始时间和结束时间，然后点击“查询”按钮，即可查询该段时间的实发功率和预测功率信息，若需导出Excel文件，则在查询之后，点击“导出Excel”按钮，弹出选择保存文件路径对话框(图1-18)，用户可根据需要选路径，文件名默认为当前时间，用户也可根据需要对文件名进行修改，点击“保存”后，保存成功则弹出图1-19的提示信息框，失败则提示相应失败信息。
图1-18 保存Excel文件
图 1-19 保存Excel文件成功提示
(2) 时序图
时序图主要用来显示历史上某个时间段的测风塔或SCADA(目前没有接入)风速信息，以曲线的方式进行显示，用户可根据需要把某个时间段内的风速信息导出到Excel文件中。进入时序图的方法是在主界面中点击“系统查询”按钮，进入系统查询界面中，点左侧“时序图”按钮，显示时序图界面，如图1-20所示。用户设定好要查询的开始时间和结束时间，同时选择好要查询的数据源类型，点击“查询”按钮即可查询信息，若需导出到Excel文件，在查询后点击“导出Excel”，弹出图1-18的保存对话框，保存成功则出现类似图1-19的提示信息，保存失败则提示相应失败信息。
图1-20 时序图
(3) 直方图
直方图是过去某个时间段测风塔或SCADA(目前没有接入)风速的分布情况，用柱状图的方式表示某个风速在指定时间段内发生的次数。进入直方图界面的方式是在主界面中点击“系统查询”按钮，进入系统查询界面后点击左侧“直方图”按钮，进入直方图界面(图1-21)。用户设定好开始结束时间后，同时选择好要查询的数据源类型，点击“查询”按钮即可查看该时间段内的风速分布。
图1-21 直方图
(4) 风廓线
风廓线是过去某段时间内测风塔或SCADA(目前没有接入)10米、30米、70米高度上的风速情况，以曲线形式进行显示。进入风廓线界面的方法是在主界面中点击“系统查询”按钮，进行系统查询界面后点击左侧“风廓线”按钮，进入风廓线界面，如图1-22所示。用户设定好开始结束时间后，同时选择好要查询的数据源类型，点击“查询”按钮查看10米、30米、70米高度上的风速情况。
图1-22 风廓线
(5) 玫瑰图
玫瑰图是用来描述过去某个时间段内测风塔或SCADA(目前没有接入)风向分布情况，以曲线的方式进行表示。玫瑰图按地理位置的东西南北共分为16个方向，用国际上通用的字符标注方位，在某个方向上有风的次数越多，曲线越靠近外部边缘。进入玫瑰图的方法是在主界面中点击“系统查询”按钮，进入系统查询界面后点击左侧“玫瑰图”按钮，进入玫瑰图界面，如图1-23所示。用户设定好开始结束时间后，同时选择好要查询的数据源类型，点击“查询”按钮，即可查看风向分布图。
图 1-23 玫瑰图
1.1.7. 报警
报警可以查看某个时间段内的报警情况，在主界面中点击“报警”按钮，即可进入报警界面。用户设定好要查询的开始结束时间后，点击“查询”按钮，即可查询该段时间内的报警信息。如图1-24所示。
图 1-24 报警 1.1.8. 退出系统
如要退出该系统，可在主界面上点击“退出系统”按钮，系统会弹出退出确认对话框，如图1-25所示，若用户点击“确定”按钮则会退出该系统，也可点击“取消”按钮取消退出系统。
图1-25 退出系统确认
第二章 系统维护
2.1.数据库连接不上
出现数据库连接不上的问题是，首先查看数据库服务是否启动，若没启动，则启动数据库服务;其次查看系统配置文件中，数据库相关配置是否正确，若配置和系统所连数据库不符，则会发生数据库连接不上的问题。 2.2 找不到超短期预测数据 出现此现象时，一般是由于数据库中不存在数据或连接数据库失败，需查看网络连接是否正常，查看预测服务是否正常运行。解决方案是查看连接GPRS模块的指示灯是否正常显示，与预测主机相连的网线是否连接正常，都正常后重启机器，过两三分钟后重启预测程序。 2.3 找不到短期预测数据
出现此现象时，一般是由于数据库中不存在该数据，需查看网络连接是否正常，查看预测服务是否正常运行。解决方案是查看连接GPRS模块的指示灯是否正常显示，与预测主机相连的网线是否连接正常，都正常后重启机器，过两三分钟后重启预测程序。
黑龙江公司研发基于WAMS系统风电调峰控制系统
加强风电场有功功率控制
发布时间：2010-04-20点击次数：
黑龙江公司在6座风电场完成WAMS系统风电调峰控制系统改进和完善，并成功进行了远方控制风电场有功功率试验。据了解，黑龙江公司根据国家电网公司《风电场接入电网技术规定》，在4月19日召开的风电控制技术研讨会上提出了有关风电机组频率保护、电压保护、低电压穿越、风电场有功功率控制、电能质量监测、无功补偿装置的技术要求，而WAMS系统风电调峰控制系统即针对其中的风电场有功功率控制的实际应用。
《风电场接入电网技术规定》中要求风电场应具备有功功率调节能力，能根据电网调度部门指令控制其有功功率输出，为了实现对有功功率的控制，风电场需配置有功功率控制系统，接收并自动执行调度部门远方发送的有功功率控制信号，确保风电场最大有功功率值及有功功率变化值不超过电网调度部门的给定值。
2008年黑龙江公司通讯调度中心研究开发了基于WAMS系统风电调峰控制系统，通过WAMS和EMS系统获取风电、水电、火电机组出力、联络线运行计划、线路潮流电压等电网运行信息，按照调峰量公平公正分配、风电电量损失最小、风电机组无损伤控制三个原则对风电场实施调峰控制。该系统通过在风电场PMU装置增设控制单元，实时接收省调风电调峰控制主站下发的调峰控制指令，从而智能判断风场的运行工况，并将最终的风机控制指令通过协议传递给风电场本地后台监控系统，利用监控系统完成风机控制动作。这种控制方式需要风机生产厂家开放后台监控系统控制协议，并对监控系统进行改进，目前华锐风电公司、金风科技公司配合黑龙江公司已经在6座风电场完成监控系统改进，并成功进行了远方控制风电场有功功率试验。
为充分发挥黑龙江电网风电调峰控制系统作用，解决人工调度的控制不精确、调整速率慢、工作量大等问题，各风电场、风机生产厂家与黑龙江公司密切配合，逐步完善后台监控系统控制协议开放和改进工作，实现风电场功率优化控制功能。(桑学勇)
信息来源：黑龙江省电力公司
EMS - Environment Monitoring System环境监测系统
国家能源局关于印发风电功率预报与电网协调运行实施细则(试行)的
通知
国能新能[2012]-12文件
各省(区、市)发展改革委、能源局、中国气象局，国家电网公司、南方电网公司、华能集团公司、大唐集团公司、华电集团公司、国电集团公司、中电投集团公司、神华集团公司、中广核集团公司、三峡集团公司、中国节能环保集团公司、水电水利规划设计总院、各相关协会:
为促进风电功率预测预报与电网调度运行的协调，根据《风电场功率预测预报管理暂行办法》的有关要求，现将〈风电功率预报与电网协调运行实施细则~(试行)印发你们，请参照执行。
附:风电功率预报与电网协调运行实施细则(试行)
风电功率预报与电网协调运行实施细则(试行)
第-章 总则
第一条 根据《中华人民共和国可再生能源法》和《节能调度管理办法}，为贯彻落实国家能源局《风电场功率预测预报管理暂行办法}C国能新能(2011 ) 177号)，制定本实施细则。
第二条 中国气象局负责建立风能数值天气预报服务平台和业务运行保障体系，为风电功率预测提供数值天气预报公共服务产品和相关技术支持系统。
第三条 风电开发企业负责风电场发电功率预报工作，按照要求上报风电场发电功率预报曲线，并执行电网调度机构下发的发电功率计划曲线。
第四条 电网调度机构负责电力系统风电发电功率预测工作，建立以风电功率预测预报为辅助手段的电力调度运行机制，保障风电优先调度，落实风电全额保障性收购措施。
风电功率预测预报和并网运行的有关考核办法另行制定。
第五条 各有关单位应保证安全接收、传送、应用气象和电力运行等信息，确保涉密信息的获取和使用符合国家相关保密规定。
第二章 气象数据服务及功率预测
第六条 中国气象局负责建立风能数值天气预报公共服务平台体系;制定风电预测预报专业观测网建设和运行技术规定，负责风电预测预报专业观测网观测数据的提交和共享服务管理。
第七条 中国气象局负责通过适当方式向风电场企业或风电功率预测技术服务单位等用户免费提供风能数值预报产品。
申请风能公共预报服务的企业和技术服务单位应按有关规定办理备案和登记手续，具体办法由中国气象局制定，并报国家能源局备案。
第八条 风电场企业根据风能数值天气预报数据，并结合风电场地形、现场测风塔风能资源实测数据和风电场发电运行统计数据等开展风电场发电功率预报工作。
风电场发电功率预报工作也可由风电场企业委托风电功率预测技术服务单位承担。
第九条 风电场要按照有关气象观测规范标准，配套建立实时测风塔，测风塔位置应尽可能具有代表性和不易受风电场尾流效应影响，采集量至少应包括lOm， 50m及轮最高度的风速和风向以及某一层高的气温、气压等信息。
第十条 中国气象局可根据全国风能资源观测需要，提出将部分风电开发企业的测风塔纳入全国风能资源观测网的具体方案，经国家能源局批准后实施。各风电开发企业应按照有关技术规范建设和完善测风塔，并负责后期维护工作，按要求向中国气象局传送气象观测数据。
第三章 预测预报数据要求及报送
第十一条 风电场功率预测时间尺度分短期预测和超短期预测两种，短期预测为风电场次日O时至未来72小时的功率预测，超短期预测为未来15分钟到4小时内的功率预测。
第十二条 风电场功率预报系统应至少包括数值天气预报产品接收和处理、实时气象信息处理、短期和超短期预测、系统人机界面、数据库与数据交换接口等功能。电网调度机构的风电功率预测系统除具备上述功能外，还应具备风电场预报数据接收、预报考核和信息发布等功能。
第十三条 风电场功率预报系统硬件应至少包括气象数据接收系统和处理服务器、系统应用服务器、安全隔离装置、人机工作站等;电网调度机构的风电功率预测系统的硬件除具备上述功能外，还应包括与风电场数据进行交王的服务器o系统部署及数据交互应满足《电力二次系统安全防护规定》的要求.
第十四条 风电场安装使用的功率预报系统应具备自动向电网调度机构上报数据的功能，上报内容应包括用于日前发电计划编制的相关信息、目内超短期预测信息和运行情况O
第十五条 日前发电功率预报信息包括次日∞: 15至24 :00 的短期预测功率及同期的预计开机容量，每日在电网调度机构规定的报送截止时间之前报迭。数据的时间分辨率为15分钟。第十六条日内超短期预测信息和运行情况包括:(1)每15分钟滚动上报未来15分钟至4小时的风电功率预报数据，数据的时间分辨率为15分钟。(2)每15分钟上报当前时刻的开机总容量。(3)每5分钟上报风电场实时测风数据。
第十七条 风电场的计划申报模块通过调度数据网E区与调度端连接，按照Dν1719-20∞的要求并以E文本格式传送发电计划建议曲线。调度机构以E文本格式向风电场下达风电计划曲线。
风电功率预报信息的报送流程及数据交换的技术要求由各省级以上电网调度机构根据本实施细则制定，并报国家能源局备案。
第四章 凤电计划编制、下达和执行
第十八条 电网调度机构应建立覆盖整个调度管辖区的风电功率预测系统，开展调度区域内的风电功率预测工作，并负责对风电场上报数据进行统计和分析。
第十九条 风电场要按照要求配备专门人员负责预报工作，相关人员信息及风电预报系统信息应在电网调度机构备案，如有变动应及时通知电网调度机构。 委托风电功率预测技术服务单位承担风电功率预报的企业，应将服务单位的负责人员与风电场企业负责人员的信息同时报电网调度机构备案。
第二十条 风电场应具备在线有功功率调节能力，能够自动执行调度机构下达的发电计划，保证发电功率在发电计划允许偏差的范围内。
第二十一条 电网调度机构和风电场应充分利用厂网联席会议等信息交流平台，促进风电运行信息的公开。电网调度机构应通过电力调度E区数据网公开包含风电功率预测服务单位等信息在内的各风电场预报结果和实时运行数据。
第二十二条 电网调度机构要按照《电力系统安全稳定导则》和《电网运行准则》的要求，合理调配调峰资源，充分发挥快速调节电源的调节能力，为风电场顺利并网运行提供保障。
第二十三条 电网调度机构应充分应用风电功率预报结果，综合考虑系统负荷预测，结合电网和电厂运行工况，最大限度的保障风电全额消纳。
第二十四条 在系统运行不受约束情况下，电网调度机构原则上按风电场报送的计划曲线安排风电场运行;如系统运行受到约束，风电场不能按报送曲线运行，调度机构应公示限制出力的原因、限制容量及电网约束条件。系统运行约束条件一般有:(1)系统安全约束;(2)系统调峰能力不足;(3)电力系统处于故障或紧急状态。
第二十五条 电网调度机构每天在规定时间前向其调度管辖的风电场下达次日00: 15至24:∞的发电计划，电网调度机构可根据风电场实时预报结果和系统安全运行状况，实时修正调整风电场发电计划，并下达风电场执行。
第二十六条 在电力系统故障或紧急情况下，风电场应按有关规程规定进行故障处理和运行调整，并记录和保存故障期间的有关运行信息以备调查分析。
第二十七条 鼓励同一区域的小规模和分散式风电项目以适当方式联合开展风电功率预报工作。
第五章 附则
第二十八条本实施细则由国家能源局负责解释。
第二十九条 本实施细则自印发之日起执行。
推荐阅读：
风速:风电功率预测05-28
风电场功率预测的作用（通用5篇）12-15
风电预测误差风险评估论文（共3篇）04-15
风电场送出线05-30
风电场建设质量总结05-29
风电场施工验收规范06-08
风电场的安全规程10-20
风电场年工作总结08-29
57风电场风机检修规程09-04
风电场措施（通用9篇）10-21
