乌兰察布地区电网现有装机容量约7576 MW，其中风电装机容量4446 MW，占总装机容量的58.6%，火电装机容量2510 MW，光伏发电装机容量620 MW，风力发电已成为乌兰察布地区电网的主力电源。乌兰察布地区在每年9月下旬至下一年4月底风速较大，若风电场全发，出力可达2200 MW。但由于风电场发电具有随机性和快速波动性的特点^[1]，为了保证电网的安全，调度部门通常会限制风电出力^[2]，目前风电场在该时间段内出力仅为1200MW，仅占风电装机容量的26.9%，存在风电窝电现象。为解决风电窝电问题，开发设计了风电场出力预测系统。

风电场出力预测系统主要通过实时连接并采集各风电场出力（有功功率、无功功率）、天气预报相关信息并存储（存储时间不低于3 a），根据天气预报的风速信息和历史年份的风速数据，通过线性回归法对风电场出力进行预测（特别对短期风电场出力的预测）；并根据预测结果科学合理地安排电网线路及设备检修^[3]，优化电网运行方式^[4]，在保证电网安全运行的基础上，提高风电利用率，最大限度地解决目前乌兰察布电网存在的风电窝电问题，实现经济效益和社会效益的最大化。

风电场出力受多种因素的影响，本文基于天气预报的多元线性回归理论，根据天气预报的日风速信息和历史年份的日风速信息，对风电场出力进行预测^[5]。多元线性回归模型表述如下^[6]：

式中x_i —由对风电场出力产生影响的一系列因素构成的自变量（如天气预报的日风速信息和历史年份的日风速信息）；

y—依赖于x_i 的随机变量（如风电场出力）；

ε—服从正态分布 N(0，σ² ) 的随机误差，又称随机干扰。

模型参数为A=[a₀，a₁，…，a_m]^T，同样利用基于残差平方和最小二乘法对参数进行估算，其表达式如下^[6]：

其中

将所得的参数估计值代入多元线性回归方程，得到风电场出力的预测数值为^[6]：

根据基于天气预报的多元线性回归理论，建立三元线性回归方程，其表达式如下：

式中Y_2014.x.y—2014年x月y日风电场出力预测值；

X_TY.x.y—2014年x 月y 日风电场天气预报的风速值；

X_2013.x.y—2013 年x 月y 日风电场风速日平均值；

X_2012.x.y—2012 年x 月y 日风电场风速日平均值。

图 1是根据天气预报风速信息和历史数据风速信息，采用三元线性回归法对风电场出力进行预测的Matlab仿真曲线。从图 1可以看出，预测曲线和历史曲线吻合程度高，仿真效果良好，表明采用三元线性回归理论对风电场出力进行预测能够满足实用化的要求。

图1(Figure 1)

图1 多元线性回归法仿真图

风电场出力预测系统主要由采集、通信、信息处理、人机接口与显示功能4部分组成，硬件结构如图 2所示。

图2(Figure 2)

图2 风电场出力预测系统硬件结构

采集部分主要由站内测控装置、风力测速仪和天气预报信息采集装置等硬件组成：其中测控装置用于测量有功功率和无功功率；风力测速仪用于测量风电场的实时风速；天气预报采集装置通过网络接收内蒙古电力调度通信中心的天气预报信息。

通信部分主要由站内交换机、风电场光端机、光纤、局光端机和局交换机组成。站内交换机将各测控装置、风速仪测量的信息进行汇总，风电场光端机将电信号转换成光信号，通过光纤上传至局光端机，局光端机再将光信号转换成电信号，接入局交换机，从而完成采集信息的通信传输。

信息处理部分由风电场出力预测服务器和磁盘阵列构成。风电场出力预测服务器通过对采集的实时数据与磁盘阵列存储的风电场出力历史数据以及天气预报的历史数据进行处理，采用多元线性回归法对出力情况进行相关计算，得出风电场出力预测的相关数据。

人机接口和显示部分主要包括显示器、键盘、鼠标，其功能是实现人机交互，通过人机交互界面可以选择风电场出力预测时间、勾选天气预报选项等来查询风电场出力预测情况。

软件设计根据模块化的架构模式，结合风电场出力系统的实际情况，设计了风电场出力预测系统相应的函数程序，该系统主要由初始化函数、接收函数、校验函数、预测处理函数、告警函数、显示函数等子程序构成。

风电场出力预测系统工作流程如图 3所示。具体系统流程分析如下。

图3(Figure 3)

图3 风电场出力预测系统工作流程

（1） 初始化函数：对系统参数进行初始化设置，例如风电场出力上、下限值，风速上、下限值，查询日期等，并根据设置的内容调用接收函数。

（2） 接收函数：通过接收函数对接收的数据进行分类，判断报文类型属于遥测（风电场有功功率、无功功率）格式或天气预报格式，若属于遥测格式则调用遥测接收函数；若属于天气预报格式则调用天气预报接收函数；若不属于上述2种格式，则发出告警。

（3） 遥测接收函数：对遥测报文信息进行分析，提取具体的遥测信息，并调用校验函数对遥测数据进行校验，若校验正确，则调用预测处理函数；若校验不正确，则调用告警函数。

（4） 天气预报接收函数：对接收的天气预报报文信息进行分析，提取天气预报信息，并调用校验函数，若校验正确，则调用预测处理函数；若校验不正确，则调用告警函数。

（5） 校验函数：对报文完整性进行校验，并判断接收的数据是否在正常范围内，若校验正确，则调用预测处理函数；若校验不正确，则输出至告警函数。

（6） 预测处理函数：对遥测和天气预报信息进行处理，并结合风电场出力的历史数据，根据多元线性回归法理论对风电场出力进行预测处理，处理后输出至显示函数。

（7） 显示函数：对预测结果进行显示，并实现人机交互。

2014年，乌兰察布电业局调度处对风电场出力预测系统进行了测试，图 4为风电场出力预测系统预测界面。从图 4可以看出，预测出力曲线和实际出力曲线吻合程度较高，其短期预测效果良好。经3个月的测试，结果表明，超短期预测的准确率达85%，短期预测的准确率达82%，系统运行稳定可靠，能够为风电场调度和运行方式安排提供可靠依据，满足目前对风电场出力预测的要求。

图4(Figure 4)

图4 风电场出力预测系统预测界面

2014 年夏季，乌兰察布地区火电机组集中检修，供电缺口较大。通过应用风电场出力预测系统实时掌握电力缺口情况，并将预测结果及时汇报内蒙古电力调度中心，通过降低东送潮流（由4 GW降至3 GW），为乌兰察布电业局增加供电量460 GWh；同时根据电网供需预测情况，提前通知用户做好启炉准备，用户启炉时间由2 h减至0.5 h，供电量增加31.5 GWh，用户满意度由80%提升至95%，提高了乌兰察布电业局的售电量和服务水平。

此外，可利用该系统进行风电场出力预测，根据预测结果合理安排风电场检修时间（风力较小时安排检修）。察右中旗京能风电场应用该系统前、后风能利用效果见表 1。从表 1可以看出，在风力较小时安排检修，发电量增加了800 MWh，按0.51元/kWh计算，10 h可产生40.8万元的经济效益。经核算，根据该系统预测结果合理安排风电场检修，每年可为乌兰察布地区电网产生经济效益约816万元。

表1(Table 1)

表 1 不同检修时段察右中旗京能风电场风能利用效果

表 1 不同检修时段察右中旗京能风电场风能利用效果

目前，风电场出力预测系统在乌兰察布地区电网应用了近1 a。根据风电场出力预测结果，能够合理安排电网运行方式，一定程度上解决了乌兰察布风电场窝电问题，经济效益和社会效益显著。若将风电场出力预测系统稍作改动，便可用于光伏发电出力预测，具有推广应用价值。