（本文整理自鲜椒微电气平台钱政教授同名在线直播，特此说明。回顾该专业直播全程实时内容及获取ppt请联系微信号：xjwdq0）
下面看看关于功率预测的一些背景知识的介绍。
首先，大家看一下功率预测的分类方法，按照预测的时长可以把功率预测分成长期的、中期的、短期的和超短期的。
长期的时长是以年为单位，中期的是几天到几个月，短期的是30分钟到几个小时，超短期是30分钟以内。每一类预测都有现实意义，如图1所示，以年为单位的预测，主要是用于风电场的选址。以分钟为单位的预测，则通常是配合电网的调度，保证供电的质量。
图2 风电预测的分类方法
图2是风电预测的分类方法，通常有两种方法，一种是统计的方法，一种是物理模型的方法。数据的来源主要有三个方面，一个是风电场的实测数据，包括风电场测风塔的数据，包括SCADA系统的数据等；一个是用数值天气预报的数据，目前这类数据已经被越来越广泛地应用；最后一个就是要考虑到风电场的特征，譬如说位于平原、山地还是海上，以及风电机组的排列顺序等。如果想做到风力发电功率的准确预测，是要综合考虑上述信息的。
图2中还体现出了时间的差异，在小于6小时的短期预测中，通常采用的是基于SCADA数据的预测方法，这主要是因为数值天气预报一般来讲只能给出6到8个小时之后的预报结果，所以小于6个小时的时候，我们是很难应用天气预报数据的。而当需要以天为单位进行功率预测的时候，就可以把数值天气预报的信息结合进来进行预测。如果要求时间更长的预测，我们不仅要结合数值天气预报的信息，还要结合到风电场的地形特征来做。目前常用的预测方法在图2中也可以看到，即图中右边给出的神经网络、支持向量机、高斯过程的方法，接下来都或多或少地讲到和用到。
下面介绍一下我们课题组开展的短期风功率预测的工作。这里先给大家解释一下，风功率的预测通常是分为两大类的：
一类是直接预测风功率，也就是说模型的输出就是风功率。另外一类则是先做风速的预测，然后利用风速和功率输出之间建立起的功率曲线进行预测。现有方法已经可以建立起非常准确的风功率曲线，因此在预测出风速之后，再用功率曲线去推算出风功率的结果也是能够得到良好效果的。
两种方法都有人在做，当然现在更多的还是第二类的方法，也就是先做风速的预测，然后通过风速的预测结果来做功率的预测。我觉得这个方法做得多有一个很重要的原因，那就是现在数值天气预报的模型被越来越广泛的应用，数值天气预报给出的就是和风相关的预测结果。
图3 短期风速预测方法
图3给出了短期风速预测方法的分类，分为统计的方法和物理的方法。统计的方法主要是用SCADA数据以及数值天气预报的数据来做。方法的优点是成本较低，而且对短期风速的预测效果会比较好。缺点就是大量的风电场现场实测数据，有时候难以及时地获取。物理方法的优点在于其对实测数据的需求量会比较小，而且对复杂地形有更好的适应性。缺点就是对气象的信息储备要求高，而且建模过程会比较复杂。
围绕短期风速预测，我们课题组主要做的工作在后面会给大家讲到，第一个是结合周边地形的因素，特别是相邻风电场的测风数据来做预测。第二个就是结合数值天气预报的结果来做预测。第三个工作比较有意思，国内外这块工作比较少，就是首先判断风电机组的健康状态，是正常的还是故障的。就像人一样，当人生病之后效率一定会下降，所以对风电机组的状态先做一个评估，如果是健康的话，输出功率能到多少？而如果是故障的情况下，又能提供多少功率？根据风电机组健康状况的评估结果，采用不同的功率曲线进行预测，这块儿工作我们做的比较有新意。
（本文整理自鲜椒微电气平台钱政教授同名在线直播，特此说明。回顾该专业直播全程实时内容及获取ppt请联系微信号：xjwdq0）
作者简介：钱政，男，教授，博士生导师。首届北京市高等学校青年教学名师奖获得者，教育部高等学校仪器类专业教学指导委员会委员、中国仪器仪表学科普工作委员会主任委员、中国仪器仪表学会首席科学传播专家，国际工程教育专业认证仪器类专业认证专家。现为北京航空航天大学仪器科学与光电工程学院主管本科教学工作的副院长，仪器光电及可靠性工信部实验示范教学中心主任。
1990-2000年在西安交通大学电气工程学院学习，分别于1994、1997和2000年获得电磁测量及仪表专业学士、硕士学位和电气工程专业博士学位。2002年清华大学电工学科博士后出站后到北京航空航天大学自动化科学与电气工程学院工作，2003年进入仪器科学与光电工程学院工作至今。
