李明偉，青 松

(國(guó)網(wǎng)四川省電力公司，四川 成都 610041)

0 引言

由于風(fēng)和光的間歇性和隨機(jī)性特點(diǎn)，使得大規(guī)模的風(fēng)光系統(tǒng)接入對(duì)電網(wǎng)的安全、穩(wěn)定以及電能質(zhì)量帶來(lái)嚴(yán)峻挑戰(zhàn)。因此風(fēng)光互補(bǔ)發(fā)電系統(tǒng)接入大電網(wǎng)穩(wěn)定運(yùn)行需要實(shí)現(xiàn)3種控制目標(biāo):功率平滑輸出、跟蹤計(jì)劃出力、跟蹤實(shí)時(shí)負(fù)荷出力［1］。下面的研究是為了發(fā)電系統(tǒng)更好地跟蹤計(jì)劃出力，增強(qiáng)其可調(diào)度性，提高風(fēng)能和太陽(yáng)能資源的利用率。

加入風(fēng)力和光伏發(fā)電功率預(yù)測(cè)信息，有利于風(fēng)光系統(tǒng)制定合理的能量分配策略，實(shí)現(xiàn)系統(tǒng)的計(jì)劃輸出。目前，功率預(yù)測(cè)在風(fēng)電場(chǎng)和光伏電站中已經(jīng)獲得了應(yīng)用［2］，可分別采用統(tǒng)計(jì)方法或物理方法建立相應(yīng)的模型進(jìn)行預(yù)測(cè)。文獻(xiàn)［3-5］提出在風(fēng)光系統(tǒng)控制策略中加入功率輸出預(yù)測(cè)信息，將預(yù)測(cè)得出的功率曲線作為決策基礎(chǔ)使系統(tǒng)最大程度達(dá)到預(yù)定控制目標(biāo)。由于風(fēng)光互補(bǔ)發(fā)電系統(tǒng)現(xiàn)場(chǎng)每一條饋線上的機(jī)組數(shù)量不等，每臺(tái)風(fēng)機(jī)和光伏組件的控制周期也不一定相同，再加上現(xiàn)場(chǎng)數(shù)據(jù)采集的周期不定，現(xiàn)有的這些物理或統(tǒng)計(jì)方法［6-10］需針對(duì)不同的周期重復(fù)建模。由于上述模型復(fù)雜度較高、重新建?；ㄙM(fèi)時(shí)間長(zhǎng)，因此不適用于分配周期隨時(shí)可變的風(fēng)光互補(bǔ)系統(tǒng)。

針對(duì)上述問(wèn)題，提出了一種時(shí)間尺度可變的可靈活適應(yīng)風(fēng)光互補(bǔ)發(fā)電系統(tǒng)分配周期變化的風(fēng)光功率預(yù)測(cè)方法。該方法結(jié)合歷史數(shù)據(jù)與物理模型，實(shí)現(xiàn)了功率預(yù)測(cè)分辨率可變，應(yīng)用于能量管理模型進(jìn)行預(yù)測(cè)控制，改善了風(fēng)光互補(bǔ)發(fā)電系統(tǒng)跟蹤計(jì)劃出力的能力。歷史數(shù)據(jù)與物理模型相結(jié)合的預(yù)測(cè)方法與單獨(dú)采用物理模型的預(yù)測(cè)方法相比，系統(tǒng)跟蹤計(jì)劃出力的平均相對(duì)誤差減小了4%。

1 變時(shí)間尺度的短期功率預(yù)測(cè)

1.1 功率預(yù)測(cè)的基本原理

歷史數(shù)據(jù)與物理模型相結(jié)合的變時(shí)間尺度功率預(yù)測(cè)方法，由結(jié)合歷史數(shù)據(jù)的變時(shí)間尺度天氣預(yù)測(cè)模塊、風(fēng)場(chǎng)風(fēng)機(jī)和光伏組件物理模型構(gòu)成。

其中，對(duì)于風(fēng)力發(fā)電機(jī)組的功率預(yù)測(cè)，輸入為天氣預(yù)報(bào)點(diǎn)未來(lái)24小時(shí)整點(diǎn)時(shí)刻的預(yù)報(bào)風(fēng)速風(fēng)向數(shù)據(jù)，將此數(shù)據(jù)輸入風(fēng)場(chǎng)風(fēng)機(jī)物理模型得到每臺(tái)風(fēng)機(jī)測(cè)風(fēng)儀處未來(lái)24小時(shí)整點(diǎn)時(shí)刻的預(yù)測(cè)風(fēng)速;變時(shí)間尺度的天氣預(yù)測(cè)模塊結(jié)合風(fēng)機(jī)若干日歷史風(fēng)速數(shù)據(jù)對(duì)未來(lái)24小時(shí)整點(diǎn)時(shí)刻的預(yù)測(cè)風(fēng)速插補(bǔ)處理，得到每臺(tái)風(fēng)機(jī)未來(lái)24小時(shí)所需預(yù)測(cè)分辨率的風(fēng)速信息;最后通過(guò)風(fēng)機(jī)風(fēng)速功率曲線得到所需分辨率的未來(lái)24小時(shí)風(fēng)機(jī)預(yù)測(cè)功率。

對(duì)于光伏組件的功率預(yù)測(cè)，輸入為天氣預(yù)報(bào)點(diǎn)未來(lái)24小時(shí)整點(diǎn)時(shí)刻的預(yù)報(bào)光照強(qiáng)度和溫度數(shù)據(jù)，此數(shù)據(jù)即為光伏電站未來(lái)24小時(shí)整點(diǎn)時(shí)刻的預(yù)測(cè)光照強(qiáng)度和溫度;變時(shí)間尺度的天氣預(yù)測(cè)模塊結(jié)合光伏電站的若干日歷史數(shù)據(jù)對(duì)預(yù)報(bào)數(shù)據(jù)插補(bǔ)處理，得到光伏電站未來(lái)24小時(shí)所需預(yù)測(cè)分辨率的光照強(qiáng)度和溫度;最后通過(guò)光伏組件物理模型得到所需分辨率的未來(lái)24小時(shí)光伏預(yù)測(cè)功率。

風(fēng)場(chǎng)短期功率預(yù)測(cè)的物理方法，需要對(duì)風(fēng)電場(chǎng)所在地進(jìn)行物理建模，包括風(fēng)場(chǎng)的地形、地表植被及粗糙度、周圍障礙物等;還要對(duì)風(fēng)場(chǎng)的風(fēng)機(jī)排列、風(fēng)機(jī)本身的輪轂高度、功率曲線等進(jìn)行建模［11］。圖1表示不同粗糙度及風(fēng)機(jī)排列對(duì)風(fēng)廓線的影響，假定上游來(lái)的空氣經(jīng)過(guò)2次粗糙度變化后到達(dá)風(fēng)力發(fā)電機(jī)組的位置，風(fēng)力發(fā)電機(jī)組的風(fēng)廓線由v1(z)、v2(z)、v3(z)三條曲線組成，v1(z)對(duì)應(yīng)的粗糙度和摩擦速度分別是z01和v*1;v2(z)對(duì)應(yīng)的粗糙度和摩擦速度分別是和z02和v*2;v3(z)對(duì)應(yīng)的粗糙度和摩擦速度分別是z03和v*3;風(fēng)機(jī)排列對(duì)風(fēng)廓線的影響通過(guò)尾流效應(yīng)模型計(jì)算得出，這里采用Rahman模型。

圖1 不同粗糙度及風(fēng)機(jī)排列對(duì)風(fēng)廓線的影響示意圖

Rahman模型不僅考慮了風(fēng)力發(fā)電機(jī)組風(fēng)輪半徑和機(jī)組間距，同時(shí)還考慮了風(fēng)場(chǎng)的地形地貌、粗糙度、大氣擾動(dòng)密度等因素對(duì)尾流效應(yīng)的影響。Rahman模型根據(jù)有限個(gè)風(fēng)力發(fā)電機(jī)組構(gòu)成風(fēng)電場(chǎng)的尾流效應(yīng)圖，通過(guò)迭代可以計(jì)算輪轂高度處產(chǎn)生的損失，得到機(jī)組的迎風(fēng)面風(fēng)速［12］。風(fēng)電場(chǎng)的尾流效應(yīng)如圖2所示。

圖2 風(fēng)電場(chǎng)尾流效應(yīng)

圖2中，L表示相鄰兩排風(fēng)力發(fā)電機(jī)組之間的間距;dvh表示風(fēng)力發(fā)電機(jī)組輪轂高度處的尾流損失;Ha表示測(cè)風(fēng)高度;va表示測(cè)風(fēng)速;Hh表示風(fēng)力發(fā)電機(jī)組輪轂高度;vh表示輪轂高度處的風(fēng)速;Hb表示受擾大氣邊界層高度;vb表示受擾大氣邊界層風(fēng)速;通常情況下Hb、Hh和vb、vh分別滿足如式(1)所示關(guān)系。

基于Rahman模型的尾流計(jì)算是一個(gè)類推的過(guò)程，經(jīng)過(guò)類推可根據(jù)第一排的風(fēng)力發(fā)電機(jī)組輸入風(fēng)速求得下風(fēng)向上各排風(fēng)力發(fā)電機(jī)組輪轂高度的風(fēng)速。

風(fēng)場(chǎng)短期功率預(yù)測(cè)方法的輸入為數(shù)值天氣預(yù)報(bào)，目前國(guó)內(nèi)提供的數(shù)值天氣預(yù)報(bào)分辨率多數(shù)都為1 h。歷史數(shù)據(jù)與物理模型結(jié)合的風(fēng)力發(fā)電機(jī)組功率預(yù)測(cè)流程如圖3所示，這里使用變時(shí)間尺度的天氣預(yù)測(cè)模塊對(duì)風(fēng)機(jī)機(jī)艙處的風(fēng)速數(shù)據(jù)進(jìn)行插值處理，處理后得到的分辨率更高的風(fēng)速數(shù)據(jù)經(jīng)過(guò)風(fēng)力發(fā)電機(jī)組輸出特性曲線得到預(yù)期分辨率的風(fēng)力發(fā)電機(jī)組功率預(yù)測(cè)結(jié)果。

圖3 風(fēng)力發(fā)電機(jī)組功率預(yù)測(cè)模型結(jié)構(gòu)

針對(duì)光伏組件的功率預(yù)測(cè)，由于光伏電池的數(shù)學(xué)模型等效方程如式(2)所示［8］，通過(guò)一定的方程變換，可得到模型參數(shù)(光生電流、反向飽和電流、串聯(lián)內(nèi)阻、并聯(lián)內(nèi)阻)表示的光伏電池的輸出電流和電壓的顯示方程。如果知道預(yù)測(cè)時(shí)刻光伏組件表面光照強(qiáng)度和溫度，再計(jì)算出當(dāng)時(shí)情況下的模型參數(shù)值，就可得到預(yù)測(cè)時(shí)刻光伏電池的輸出電流和電壓的最大值，從而可得光伏組件的最大功率輸出值。而實(shí)際工作環(huán)境下的光伏組件模型參數(shù)值可由標(biāo)準(zhǔn)測(cè)試條件下電池的I-V曲線提取相關(guān)信息，再通過(guò)表達(dá)式求解得到。至此，則可建立光伏組件的物理模型，光伏組件的輸出功率可通過(guò)此物理模型根據(jù)組件表面的光照強(qiáng)度和溫度進(jìn)行計(jì)算。

其中，I表示光伏電池輸出電流;Iph表示光生電流;I0表示反向飽和電流;q表示電子電荷常數(shù);n表示二極管影響因子;k表示波爾茲曼常數(shù)(k=1.38×10-23J/K);T表示光伏電池工作溫度;Rs表示串聯(lián)內(nèi)阻;Rsh表示并聯(lián)內(nèi)阻;V表示光伏電池輸出電壓。

數(shù)值天氣預(yù)報(bào)信息提供光伏組件工作環(huán)境下的溫度和光照強(qiáng)度。歷史數(shù)據(jù)與物理模型結(jié)合的光伏組件功率預(yù)測(cè)流程如圖4所示，同樣使用變時(shí)間尺度的天氣預(yù)測(cè)模塊對(duì)天氣預(yù)報(bào)分辨率下的溫度和光照強(qiáng)度數(shù)據(jù)進(jìn)行插值處理，得到的分辨率更高的數(shù)據(jù)經(jīng)過(guò)建立的光伏組件物理模型得到預(yù)期分辨率的光伏組件功率預(yù)測(cè)結(jié)果。

圖4 光伏組件功率預(yù)測(cè)模型結(jié)構(gòu)

1.2 結(jié)合歷史數(shù)據(jù)的變時(shí)間尺度預(yù)測(cè)

功率預(yù)測(cè)模塊根據(jù)系統(tǒng)對(duì)控制周期的要求對(duì)數(shù)值天氣預(yù)報(bào)數(shù)據(jù)進(jìn)行插值。插值的原理是，由于天氣信息在同一地點(diǎn)變化趨勢(shì)的規(guī)律性，不同日期的天氣變化趨勢(shì)具有相似性，針對(duì)變化趨勢(shì)可求得歷史天氣信息與預(yù)測(cè)日天氣信息的相似度，從而選取具有相同變化趨勢(shì)的歷史數(shù)據(jù)對(duì)預(yù)測(cè)日進(jìn)行趨勢(shì)映射實(shí)現(xiàn)插值。

結(jié)合歷史數(shù)據(jù)的變時(shí)間尺度天氣預(yù)測(cè)模塊提出的基于相似度對(duì)天氣預(yù)報(bào)數(shù)據(jù)進(jìn)行插補(bǔ)處理的方法，包括預(yù)測(cè)分辨率獲取、歷史數(shù)據(jù)提取、歷史與預(yù)測(cè)數(shù)據(jù)相似度計(jì)算、歸一化處理、數(shù)據(jù)插補(bǔ)。

首先根據(jù)風(fēng)光互補(bǔ)發(fā)電系統(tǒng)得到所需預(yù)測(cè)數(shù)據(jù)的分辨率，通過(guò)歷史數(shù)據(jù)提取模塊提取當(dāng)前預(yù)測(cè)時(shí)刻之前若干天在該分辨率下的歷史數(shù)據(jù)，則相似度計(jì)算模塊可計(jì)算出提取的若干天歷史整點(diǎn)時(shí)刻數(shù)據(jù)與天氣預(yù)報(bào)數(shù)據(jù)變化趨勢(shì)的相似度，歸一化處理模塊根據(jù)相似度與歷史變化趨勢(shì)數(shù)據(jù)，計(jì)算得出未來(lái)24小時(shí)在預(yù)測(cè)分辨率下的天氣數(shù)據(jù)變化趨勢(shì)權(quán)值，依據(jù)此權(quán)值算出預(yù)測(cè)數(shù)據(jù)變化趨勢(shì)量，最終計(jì)算出未來(lái)24小時(shí)在所需預(yù)測(cè)分辨率下的天氣信息。該方法的具體實(shí)現(xiàn)過(guò)程如下。

預(yù)測(cè)輸入數(shù)值天氣預(yù)報(bào)數(shù)據(jù)經(jīng)物理模型處理得到風(fēng)機(jī)測(cè)風(fēng)儀處風(fēng)速或光伏組件處的溫度和光照強(qiáng)度。

按所需預(yù)測(cè)分辨率的時(shí)間間隔從歷史天氣數(shù)據(jù)(風(fēng)速、溫度、光照強(qiáng)度)中提取相應(yīng)時(shí)間點(diǎn)上的數(shù)據(jù)，作為預(yù)測(cè)所需歷史數(shù)據(jù)源。所用的數(shù)據(jù)如圖5所示，當(dāng)前時(shí)間整點(diǎn)時(shí)刻為t，預(yù)測(cè)分辨率為T分鐘，天氣預(yù)報(bào)數(shù)據(jù)為未來(lái)24小時(shí)整點(diǎn)時(shí)刻數(shù)據(jù)，提取了t時(shí)刻之前若干天間隔為T的歷史數(shù)據(jù)。其中，歷史天氣數(shù)據(jù)的風(fēng)速是風(fēng)力發(fā)電機(jī)組測(cè)風(fēng)儀位置的實(shí)測(cè)歷史風(fēng)速數(shù)據(jù)，溫度和光照強(qiáng)度是光伏電站位置的實(shí)測(cè)歷史溫度和光照強(qiáng)度數(shù)據(jù)。

圖5 變時(shí)間尺度的天氣預(yù)測(cè)模塊數(shù)據(jù)圖

對(duì)所提取的歷史上若干日整點(diǎn)時(shí)刻天氣數(shù)據(jù)的變化趨勢(shì)與未來(lái)天氣數(shù)據(jù)相應(yīng)時(shí)間點(diǎn)上數(shù)據(jù)變化趨勢(shì)作相似度計(jì)算。此處的未來(lái)天氣數(shù)據(jù)是當(dāng)前時(shí)刻之后經(jīng)物理模型處理所得的天氣信息。

記未來(lái)天氣數(shù)據(jù)個(gè)數(shù)為n，n=24;兩相鄰時(shí)間點(diǎn)上數(shù)據(jù)變化量為特征向量，uk為未來(lái)天氣數(shù)據(jù)的第k個(gè)特征向量，ujk為歷史第j天的第k個(gè)特征向量，則歷史第j天與未來(lái)天氣數(shù)據(jù)的相似度rj可由公式(3)計(jì)算。

對(duì)相似度計(jì)算結(jié)果進(jìn)行比較，從中取出相似度較大(rj≥rjmax×80%，rjmax為相似度計(jì)算結(jié)果里的最大值)的m天的歷史數(shù)據(jù);然后對(duì)相似度作歸一化處理，由式(4)所示方程求得各歷史數(shù)據(jù)的權(quán)值。

其中，r'j表示相似度歸一化處理后第j日歷史天氣信息變化趨勢(shì)的權(quán)值。

下一周期的天氣預(yù)測(cè)值為當(dāng)前預(yù)測(cè)時(shí)刻的實(shí)際值與歷史上各日對(duì)應(yīng)此時(shí)刻數(shù)據(jù)變化趨勢(shì)量的加權(quán)平均之和。記v0為當(dāng)前時(shí)刻的天氣信息值，vk表示第k個(gè)時(shí)間間隔所對(duì)應(yīng)的天氣信息值，則第k+1個(gè)時(shí)間間隔所對(duì)應(yīng)的天氣信息的預(yù)測(cè)值v(k+1)可由公式(5)計(jì)算。

其中，數(shù)組vk即為未來(lái)24小時(shí)時(shí)間間隔為T的天氣預(yù)測(cè)值。

經(jīng)過(guò)以上處理得到了滿足預(yù)測(cè)分辨率的天氣信息，再經(jīng)由余下的物理模型可得未來(lái)24小時(shí)滿足預(yù)測(cè)分辨率的功率預(yù)測(cè)值。

至此，根據(jù)時(shí)間間隔較長(zhǎng)的數(shù)值天氣預(yù)報(bào)信息，結(jié)合歷史數(shù)據(jù)經(jīng)物理模型處理最終可得不同預(yù)測(cè)分辨率的功率預(yù)測(cè)結(jié)果，為風(fēng)光互補(bǔ)發(fā)電系統(tǒng)能量控制提供了有力的數(shù)據(jù)支持，對(duì)保障風(fēng)光互補(bǔ)發(fā)電系統(tǒng)輸出功率穩(wěn)定有著重要意義。

2 算例分析

采用Matlab編寫功率預(yù)測(cè)各模塊算法，根據(jù)風(fēng)力發(fā)電機(jī)組、光伏組件出力特性，并加入地形和天氣變化等影響因素，建立預(yù)測(cè)仿真模型，并將預(yù)測(cè)結(jié)果應(yīng)用到能量管理模型進(jìn)行預(yù)測(cè)控制。

利用某風(fēng)光互補(bǔ)發(fā)電站的歷史數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，采用其中的8臺(tái)單機(jī)容量為1.5 MW的雙饋風(fēng)力發(fā)電機(jī)組、6套單機(jī)容量為1 MW的光伏發(fā)電機(jī)組和1套容量為2 MW的儲(chǔ)能部件，總?cè)萘繛?0 MW。

圖6為發(fā)電組件基于不同模型功率預(yù)測(cè)結(jié)果，圖中分辨率為1 h的曲線是基于物理模型功率預(yù)測(cè)結(jié)果圖，將物理模型與歷史數(shù)據(jù)相結(jié)合，得到了時(shí)間間隔為15 min的功率預(yù)測(cè)結(jié)果曲線。單臺(tái)風(fēng)機(jī)功率預(yù)測(cè)平均相對(duì)誤差為20.49%，均方根相對(duì)誤差為31.85%，單臺(tái)光伏逆變器功率預(yù)測(cè)平均相對(duì)誤差為5.91%，均方根相對(duì)誤差為18.6%，預(yù)測(cè)結(jié)果很大程度上依靠天氣預(yù)報(bào)的預(yù)測(cè)精度。由此可以看出將物理模型與歷史數(shù)據(jù)相結(jié)合，可以彌補(bǔ)獨(dú)立基于物理模型的功率預(yù)測(cè)分辨率受模型輸入數(shù)值天氣預(yù)報(bào)分辨率限制的缺陷。

圖6 發(fā)電組件基于不同模型功率預(yù)測(cè)結(jié)果圖

將功率預(yù)測(cè)結(jié)果應(yīng)用到風(fēng)光互補(bǔ)發(fā)電系統(tǒng)有功功率控制中，其結(jié)果如圖7所示。

圖7 發(fā)電組件基于不同模型功率預(yù)測(cè)的控制結(jié)果圖

結(jié)果表明，在符合系統(tǒng)發(fā)電能力的條件下發(fā)電系統(tǒng)的輸出功率很好地跟蹤了計(jì)劃出力值。當(dāng)周期為15 min時(shí)系統(tǒng)功率輸出跟蹤能力更強(qiáng)、穩(wěn)定性更高，歷史數(shù)據(jù)與物理模型相結(jié)合的預(yù)測(cè)方法與僅采用物理模型的預(yù)測(cè)方法相比，系統(tǒng)跟蹤計(jì)劃出力的平均相對(duì)誤差減小了4%。分析可知，跟隨系統(tǒng)控制周期預(yù)測(cè)的功率預(yù)測(cè)精度越高，系統(tǒng)能量分配精度則越高，各發(fā)電組件的功率設(shè)定值能更切合其自身的實(shí)際發(fā)電能力，從而使發(fā)電系統(tǒng)的控制具有更小的跟蹤誤差。

3 總結(jié)

針對(duì)風(fēng)光互補(bǔ)發(fā)電系統(tǒng)的能量分配時(shí)變周期要求提出了一種將歷史數(shù)據(jù)與物理模型相結(jié)合的功率短期預(yù)測(cè)方法，此方法滿足風(fēng)光互補(bǔ)發(fā)電系統(tǒng)對(duì)功率預(yù)測(cè)時(shí)空分辨率的要求，可實(shí)現(xiàn)逐點(diǎn)與整體預(yù)測(cè)，同時(shí)隨著系統(tǒng)控制周期的不斷變化，滿足預(yù)測(cè)周期的時(shí)間尺度可變。將預(yù)測(cè)結(jié)果應(yīng)用到能量管理中，結(jié)果表明，歷史數(shù)據(jù)與物理模型相結(jié)合的方法比僅采用物理模型的方法減小了4%的系統(tǒng)跟蹤誤差。

所提出的方法僅需要少量歷史數(shù)據(jù)，能為整個(gè)風(fēng)光互補(bǔ)發(fā)電系統(tǒng)的能量分配策略提供較為準(zhǔn)確的功率參考值，該方法建立的模型魯棒性強(qiáng)、計(jì)算時(shí)間短、不需要定期訓(xùn)練、工程實(shí)用性強(qiáng)。

［1］李金鑫，張建成，周陽(yáng).風(fēng)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)能量管理策略研究［J］.華東電力，2011，39(12):2026-2029.

［2］G.Capizzi，F(xiàn).Bonanno，C.Napoli.A Wavelet Based Prediction of Wind and Solar Energy for Long-term Simulation of Integrated Generation Systems［C］.SPEEDAM 2010-International Symposium on Power Electronics，Electrical Drives，Automation and Motion，2010:586-592.

［3］劉波，郭家寶，袁志強(qiáng)，等.風(fēng)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)調(diào)度策略研究［J］.華東電力，2010，38(12):1897-1899.

［4］張征，王曉蓉.新能源接入綜合系統(tǒng)研究與實(shí)現(xiàn)［J］.供用電，2011，28(1):15-18.

［5］王宏，李兵.分布式風(fēng)光互補(bǔ)電源的能量管理策略［J］. 電力電子技術(shù)，2010，44(6):58-60.

［6］施佳鋒，馮雙磊，丁茂生，等.寧夏電網(wǎng)風(fēng)光一體功率預(yù)測(cè)系統(tǒng)［J］.寧夏電力，2011，(1):1-4.

［7］馮雙磊，王偉勝，劉純，等.風(fēng)電場(chǎng)功率預(yù)測(cè)物理方法研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2010，30(2):1-6.

［8］翟載騰.任意條件下光伏陣列的輸出性能預(yù)測(cè)［D］.安徽:中國(guó)科學(xué)技術(shù)大學(xué)，2008.

［9］Sancho Salcedo-Sanz，Emilio G.Ortiz-Garc'a.Short Term Wind Speed Prediction Based on Evolutionary Support Vector Regression Algorithms［J］.Expert Systems With Applications，2010(1):4052-4057.

［10］Gong Li，Jing Shi，Junyi Zhou.Bayesian Adaptive Combination of Short-term Wind Speed Forecasts From Neural Network Models［J］.Renewable Energy，2011:352-359.

［11］Matthias Lange.On the Uncertainty of Wind Power Predictions-Analysis of the Forecast Accuracy and Statistical Distribution of Errors［J］.Journal of Solar Energy Engineering，2005:177-184.

［12］Rahman Saifur，Chowdhury B.H.Effects of clusters on the electric power form［J］wind farm.IEEE Tran on Apparatus and System，1984，103(8):2158-2164.