摘要：风电场功率短期预测技术对于促进新能源发展和“低碳经济”的时代要求具有一定的现实意义。国外相关方面的研究起步较早，随着时代和技术的发展，在软件算法方面已经相当成熟和具体，更是可以广泛地进行商用。而国内的研究在近几年才算起步，在预测的准确性和处于不同地理位置的差异性方面仍然有诸多不足。特别我国地缘辽阔，风力资源总量大，而带来的各方面问题就急需相关技术的不断研究发展。所以针对天气的预报和风电场的可靠性来提高预测精度和稳定性具有重要的学术和工程实用价值。

本文首先对数据误差进行统计分析，研究误差分布，将无效数据带来的预测误差降至最低。风电场功率短期预测的主要影响因素是数值天气预报所带来的误差，但目前使用的线性校正方法存在诸多不足。本文采用BP神经网络算法对数值天气预报数据进行训练，将训练后的数据用于风力机输出功率的预测，从而提高预测精度。

关键词：风电功率短期预测；误差分析；BP神经网络

目录

摘要

ABSTRACT

第一章  绪论-5

1.1研究背景及意义-5

1.2国内外研究现状-5

1.3本文的主要工作-6

第二章  风电场概念-7

2.1风能利用概述-7

2.2风速对风电功率的影响-7

2.3风电功率短期预测系统-8

第三章  预测误差分析-10

3.1风电功率短期预测系统框架-10

3.2风电场功率短期预报系统的改进-10

3.3误差分析-11

3.4本章小结-14

第四章  BP神经网络-15

4.1神经元模型-15

4.2 BP神经网络-16

4.3建模与数据处理-18

4.4程序设计步骤-19

4.5本章小结-20

第五章  算例仿真-21

5.1算例分析-21

5.2程序运行及其结果-23

5.3本章小结-26

第六章  结论与展望-27

6.1总结-27

6.2课题研究展望-27

致  谢-28

参考文献-29