1、隨著近幾年的迅猛發(fā)展，風(fēng)電大規(guī)模接入電網(wǎng)。風(fēng)能具有波動(dòng)性、間歇性和不穩(wěn)定性等特點(diǎn)，對(duì)電力系統(tǒng)安全穩(wěn)定運(yùn)行造成了巨大的影響。為解決大規(guī)模風(fēng)電接入電網(wǎng)帶來(lái)的問(wèn)題，必須進(jìn)行準(zhǔn)確的風(fēng)電功率預(yù)測(cè)。這樣既能幫助電力系統(tǒng)提前制定相應(yīng)的調(diào)度控制策略，還能保證電力系統(tǒng)安全穩(wěn)定運(yùn)行。因此，對(duì)風(fēng)電功率預(yù)測(cè)方法進(jìn)行研究具有深遠(yuǎn)的意義。
　　本文選取國(guó)內(nèi)某一個(gè)風(fēng)電場(chǎng)相關(guān)實(shí)測(cè)數(shù)據(jù)作為研究對(duì)象，分別針對(duì)風(fēng)場(chǎng)全年風(fēng)速和風(fēng)向的分布﹑風(fēng)力發(fā)電功率變化特性進(jìn)行了仔細(xì)的

2、研究和分析，并以此為基礎(chǔ)，深入研究提高風(fēng)力發(fā)電功率預(yù)測(cè)精度的方法。并且，將云計(jì)算技術(shù)引入電力系統(tǒng)領(lǐng)域，探索智能電網(wǎng)環(huán)境下風(fēng)電功率預(yù)測(cè)、資源優(yōu)化配置發(fā)展的新方向。本文的主要研究?jī)?nèi)容如下：
　　最先，以國(guó)內(nèi)某風(fēng)場(chǎng)為研究對(duì)象，針對(duì)風(fēng)速、風(fēng)向﹑風(fēng)電場(chǎng)空間分布、風(fēng)能及風(fēng)電功率特性進(jìn)行了系統(tǒng)的分析。結(jié)果表明：風(fēng)速的概率分布呈現(xiàn)威布爾分布特征；風(fēng)向呈現(xiàn)一定的季節(jié)特性；風(fēng)電場(chǎng)風(fēng)機(jī)呈現(xiàn)一定的延時(shí)空間分布相關(guān)性；風(fēng)電功率具有規(guī)律性較強(qiáng)的輸出特性和隨機(jī)

3、波動(dòng)特性。
　　然后，提出了一種改進(jìn)的特征加權(quán)模糊聚類(lèi)算法和基于遺傳算法改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)建模相結(jié)合的風(fēng)電功率短期預(yù)測(cè)方法。由于風(fēng)的各物理屬性對(duì)風(fēng)類(lèi)型判別的重要程度不同，在傳統(tǒng) FCM模糊聚類(lèi)算法中引入加權(quán)因子，對(duì)歷史日風(fēng)類(lèi)型數(shù)據(jù)樣本進(jìn)行綜合聚類(lèi)。再對(duì)各聚類(lèi)結(jié)果建立動(dòng)態(tài) GA-Elman神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行風(fēng)電功率預(yù)測(cè)。使用國(guó)內(nèi)某風(fēng)場(chǎng)的實(shí)測(cè)數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，證明本文方法的優(yōu)越性和實(shí)用性。
　　最后，提出一種基于云計(jì)算的風(fēng)