楊正瓴，劉仍祥，李真真

(1.天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院，天津 南開(kāi) 300072；2.天津市過(guò)程檢測(cè)與控制重點(diǎn)實(shí)驗(yàn)室(天津大學(xué))，天津 南開(kāi) 300072)

0 引言

“工業(yè)4.0 (industry 4.0)”是德國(guó)政府2011年提出的新概念，其技術(shù)基礎(chǔ)包含信息物理融合系統(tǒng)(cyber-physical system，CPS)、物聯(lián)網(wǎng)(internet of things，IoT)及云計(jì)算(cloud computing，CC)等。一般認(rèn)為工業(yè)4.0是繼蒸汽機(jī)、規(guī)?；a(chǎn)和電子信息技術(shù)之后的第4次工業(yè)革命，具有高度數(shù)字化、網(wǎng)絡(luò)化、機(jī)器自組織等特征。工業(yè)4.0在能源領(lǐng)域的一種具體構(gòu)想是“全球能源互聯(lián)網(wǎng)(global energy interconnection)”?！爸悄茈娋W(wǎng)(smart grid，SG)”可看做“電網(wǎng)2.0”，“能源互聯(lián)網(wǎng)(energy internet，EI)”則是“電網(wǎng)3.0”。能源互聯(lián)網(wǎng)在智能電網(wǎng)自愈、安全可靠、經(jīng)濟(jì)高效、兼容、與用戶(hù)友好互動(dòng)等基礎(chǔ)上，進(jìn)一步增加了可再生能源的優(yōu)先接入，具有更精確可靠的預(yù)測(cè)技術(shù)與儲(chǔ)能、負(fù)荷平移技術(shù)；可提高電能質(zhì)量綜合治理能力，有效治理諧波污染、無(wú)功不足及電壓閃變等；同時(shí)，還具有高性能的繼電保護(hù)和調(diào)度策略，能源的供給與需求之間的緊密直接聯(lián)系，冷、熱、氣、電等多種能源協(xié)同、供給與消費(fèi)協(xié)同，以及高性能的信息技術(shù)。能源互聯(lián)網(wǎng)具有先進(jìn)的能源發(fā)電技術(shù)、大容量遠(yuǎn)距離智能輸電技術(shù)、先進(jìn)的電力電子技術(shù)、先進(jìn)的儲(chǔ)能技術(shù)、智能能量管理技術(shù)、先進(jìn)的信息技術(shù)、可靠安全的通信技術(shù)、系統(tǒng)規(guī)劃分析技術(shù)和標(biāo)準(zhǔn)化技術(shù)等關(guān)鍵技術(shù)[1-11]。按照2017年趙俊華等觀點(diǎn)[4]，未來(lái)的大能源系統(tǒng)將是一個(gè)以多能源互補(bǔ)協(xié)調(diào)、“信息-物理-社會(huì)”系統(tǒng)深度融合的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。

預(yù)測(cè)技術(shù)，普遍認(rèn)為是有效提高能源互聯(lián)網(wǎng)安全性、經(jīng)濟(jì)性的核心技術(shù)之一[1,3]。其中實(shí)時(shí)用戶(hù)負(fù)荷預(yù)測(cè)、新能源發(fā)電、分布式的能源功率等預(yù)測(cè)是基礎(chǔ)性的預(yù)測(cè)內(nèi)容。以綠色可再生能源風(fēng)電預(yù)測(cè)為例[1,3, 12-31]，2016年我國(guó)公布的《能源發(fā)展“十三五”規(guī)劃》、《風(fēng)電發(fā)展“十三五”規(guī)劃》及《可再生能源發(fā)展“十三五”規(guī)劃》等都指出未來(lái)的任務(wù)包括：風(fēng)電的發(fā)展逐步由“三北”地區(qū)為主轉(zhuǎn)向中東部地區(qū)和南方地區(qū)為主，積極開(kāi)發(fā)海上風(fēng)電；穩(wěn)步推進(jìn)“三北”地區(qū)風(fēng)電基地建設(shè)；切實(shí)提高風(fēng)電消納能力，提高風(fēng)電功率預(yù)測(cè)精度并加大考核力度；加強(qiáng)京津冀及周邊地區(qū)可再生能源協(xié)同發(fā)展；并推進(jìn)大型超大型海上風(fēng)電重大示范工程建設(shè)。我國(guó)主要能源消費(fèi)區(qū)基本處在季風(fēng)區(qū)，準(zhǔn)確可靠的風(fēng)電功率預(yù)測(cè)是當(dāng)前智能電網(wǎng)以及未來(lái)能源互聯(lián)網(wǎng)中風(fēng)電消納的關(guān)鍵基礎(chǔ)技術(shù)[14]。

限制風(fēng)電功率預(yù)測(cè)效果的因素有多種，其中具有共性的2個(gè)核心因素是：1)未來(lái)風(fēng)速、風(fēng)向、氣溫等天氣變化的預(yù)測(cè)；2)將風(fēng)速、風(fēng)向等轉(zhuǎn)換為風(fēng)電功率[13-14]。由于誤差的形成機(jī)制不同，分開(kāi)處理這2個(gè)核心因素有利于取得更好的預(yù)測(cè)效果[13]。與歐美相比，我國(guó)提高風(fēng)電預(yù)測(cè)的效果有特殊的困難[14]：首先，我國(guó)天氣預(yù)報(bào)的難度較大，這主要由地勢(shì)地形復(fù)雜、大氣壓分布復(fù)雜等引起；其次，風(fēng)速-功率轉(zhuǎn)換關(guān)系的分散性明顯超過(guò)歐美，這使在相同的風(fēng)速、風(fēng)向預(yù)報(bào)情況下，我國(guó)的風(fēng)電功率預(yù)測(cè)效果明顯低于歐美。后一難題與風(fēng)機(jī)的機(jī)械慣性等有關(guān)：在比歐美更復(fù)雜的風(fēng)速、風(fēng)向情況下，這種機(jī)械慣性使風(fēng)機(jī)轉(zhuǎn)子葉片的轉(zhuǎn)速(通常對(duì)應(yīng)風(fēng)機(jī)的有功功率)與輪轂處的風(fēng)速有更明顯的差異。

但是，我國(guó)東部，特別是東南沿海處在冬季風(fēng)和夏季風(fēng)的主要路徑上，這些區(qū)域的上下游風(fēng)速之間具有明顯的空間相關(guān)性；此外，我國(guó)北部冬季處在蒙古高壓的控制之下。利用這些區(qū)域的風(fēng)速空間相關(guān)性，可望進(jìn)一步提高風(fēng)速預(yù)報(bào)的效果。再采用力學(xué)中的剛體定軸轉(zhuǎn)動(dòng)定律等進(jìn)行風(fēng)速-功率曲線的精確求解，有望明顯提高我國(guó)東南沿海和北部區(qū)域的超短期、短期風(fēng)電功率預(yù)測(cè)效果。

1 季風(fēng)區(qū)、胡煥庸線與中國(guó)地形

1.1 我國(guó)主要能源消費(fèi)區(qū)、胡煥庸線與地勢(shì)

我國(guó)的自然條件決定了西部能源多、東部人口和能源需求多的基本格局。胡煥庸線是其大致的分界線。胡煥庸線西北側(cè)的能源，難以像歐洲一樣就近消納;胡煥庸線東南側(cè)基本上屬于季風(fēng)區(qū)。

中國(guó)科學(xué)院國(guó)情小組對(duì)我國(guó)2000年資料統(tǒng)計(jì)分析表明：胡煥庸線東南側(cè)占我國(guó)國(guó)土面積的43.18%，人口占93.77%，GDP占95.70%。胡煥庸線產(chǎn)生的主要原因是氣候和地貌，它與我國(guó)年降雨量400 mm的等值線基本重合。胡煥庸線東南側(cè)的降水、日照、土壤等自然條件，適合農(nóng)耕文明。其西北側(cè)是干旱半干旱區(qū)，在人類(lèi)改造自然能力有限的長(zhǎng)期歷史中，難以養(yǎng)活眾多的人口，從而形成地廣人稀的局面。多數(shù)研究認(rèn)為，胡煥庸線的穩(wěn)定性將長(zhǎng)期存在。

我國(guó)目前的主要能源消費(fèi)區(qū)，南端比胡煥庸線略微向東偏移。實(shí)際上，這是我國(guó)季風(fēng)和地貌形成的氣溫、風(fēng)速、降雨、空氣密度等的大范圍同步現(xiàn)象。季風(fēng)區(qū)的雨水和耕地，養(yǎng)活了眾多的人口，進(jìn)而形成了電力消費(fèi)的需求。從2013年我國(guó)《能源發(fā)展“十二五”規(guī)劃》提供的“國(guó)家綜合能源基地示意圖”看，主要能源消費(fèi)區(qū)與我國(guó)東南部的平坦地勢(shì)基本重合，如圖1所示?？梢?jiàn)，我國(guó)能源互聯(lián)網(wǎng)、智能電網(wǎng)的建設(shè)，離不開(kāi)我國(guó)的自然和社會(huì)等條件。

圖1 我國(guó)主要能源消費(fèi)區(qū)、胡煥庸線與地勢(shì)Fig.1 Chinesemain energy consumption areas, Hu Huanyong line and terrain

1.2 我國(guó)的季風(fēng)區(qū)與冬季風(fēng)、夏季風(fēng)

《中國(guó)大百科全書(shū)》(大氣科學(xué)·海洋科學(xué)·水文科學(xué)卷)對(duì)季風(fēng)的定義是：大范圍盛行的、風(fēng)向有明顯季節(jié)變化的風(fēng)系?！洞笥倏迫珪?shū)》氣象學(xué)里季風(fēng)的描述與《中國(guó)大百科全書(shū)》的意思基本一致。

這里的“大范圍盛行”指行星尺度，即水平尺度在3 000 km以上、生命期3～10 d或更長(zhǎng)?！帮L(fēng)向有明顯季節(jié)變化”指冬季(1月為代表)和夏季(7月為代表)風(fēng)向明顯不同。我國(guó)冬季風(fēng)和夏季風(fēng)的風(fēng)向大體為反向。冬季風(fēng)和夏季風(fēng)的起源地不同，不同的氣團(tuán)性質(zhì)使得天氣現(xiàn)象呈現(xiàn)明顯不同的季節(jié)性，如雨季和旱季、冬季和夏季對(duì)比明顯等。目前認(rèn)為季風(fēng)由大氣環(huán)流、海陸分布、大地形等引起，還受到南北半球海陸面積比例、海洋與大陸冰雪覆蓋、大陸地表類(lèi)型差異以及植被、水文等影響[30-36]。

圖2 全球經(jīng)典季風(fēng)區(qū)和我國(guó)季風(fēng)區(qū)Fig.2 Global classic monsoon region and China monsoon region

由圖2所示全球經(jīng)典季風(fēng)區(qū)和我國(guó)季風(fēng)區(qū)可見(jiàn)，典型的季風(fēng)發(fā)生在亞洲(東亞、南亞地區(qū))、西非幾內(nèi)亞和澳大利亞的北部沿海地帶等地區(qū)。通常認(rèn)為存在印度季風(fēng)區(qū)、東亞季風(fēng)區(qū)、西非季風(fēng)區(qū)3個(gè)季風(fēng)區(qū)。中美洲太平洋沿岸、美國(guó)墨西哥灣沿岸地區(qū)及歐洲中部有季風(fēng)的傾向。季風(fēng)活動(dòng)大約影響全球面積的1/4及全世界1/2以上人口的生活。歐洲、北美、南美都沒(méi)有典型的季風(fēng)現(xiàn)象，因此研究季風(fēng)對(duì)能源互聯(lián)網(wǎng)的影響是我國(guó)等季風(fēng)區(qū)的特殊性問(wèn)題。

我國(guó)季風(fēng)區(qū)與非季風(fēng)區(qū)分界線處在“大興安嶺—陰山山脈—賀蘭山—烏鞘嶺—巴顏喀拉山—唐古拉山—岡底斯山”連線。亦即我國(guó)西部為非季風(fēng)區(qū)，東南部及近海為季風(fēng)區(qū)。我國(guó)典型冬季風(fēng)時(shí)期為11—次年3月份，共計(jì)5個(gè)月；夏季風(fēng)的典型時(shí)期為6—8月份，共計(jì)3個(gè)月。冬季風(fēng)、夏季風(fēng)之間的過(guò)渡時(shí)間大約為3個(gè)多月。每年季風(fēng)的起止時(shí)間并不固定，大概會(huì)有1個(gè)月的差異。季風(fēng)普遍存在40 d的準(zhǔn)周期(30～60 d)和20 d的準(zhǔn)周期(10～20 d)。我國(guó)冬季風(fēng)7 d的準(zhǔn)周期最明顯，夏季風(fēng)40 d的準(zhǔn)周期最明顯。

許多研究表明，季風(fēng)是一種長(zhǎng)期存在的自然現(xiàn)象。有研究表明，我國(guó)在1240年左右(南宋)出現(xiàn)過(guò)一次氣候突變，從此形成了胡煥庸線與今天的氣候格局。研究1850—2005年和1901—2014年歷史天氣觀測(cè)資料發(fā)現(xiàn)[35-36]：季風(fēng)現(xiàn)象在未來(lái)將繼續(xù)存在，且在2100年之前沒(méi)有太大的變化。

2 我國(guó)冬季風(fēng)、夏季風(fēng)及其主要特征

分析美國(guó)國(guó)家海洋和大氣管理局NOAA給出的1948年以來(lái)的全球地表逐月矢量風(fēng)速等近70 a的歷史氣象觀測(cè)資料可見(jiàn)：我國(guó)冬季風(fēng)、夏季風(fēng)的路徑，近70 a來(lái)沒(méi)有太大的變化;特別是冬季風(fēng)的路徑，更是具有相當(dāng)強(qiáng)的穩(wěn)定性。圖3、4是典型冬季風(fēng)(1月)和典型夏季風(fēng)(7月)時(shí)期的大氣壓(折算成位勢(shì)高度)和地表矢量風(fēng)速分布圖。圖3(a)左上側(cè)的紅色區(qū)域顯示了蒙古高壓。

圖3 全球近70 a的1、7月份月平均位勢(shì)高度和地表矢量風(fēng)速Fig.3 Global monthly average geopotential height and surface vector wind speed in January and July of recent 70 years

圖4 我國(guó)近70 a的1、7月份月平均地表矢量風(fēng)速Fig.4China monthly average surface vector wind speed in January and July of recent 70 years

可見(jiàn)：我國(guó)風(fēng)速、風(fēng)向與大氣壓變化的混亂性明顯超過(guò)了歐美地區(qū)。這使得我國(guó)天氣預(yù)報(bào)困難重重。更加混亂變化的風(fēng)速、風(fēng)向和空氣密度等，在風(fēng)機(jī)機(jī)械慣性的作用下，會(huì)使轉(zhuǎn)子葉片的轉(zhuǎn)速(較直接對(duì)應(yīng)風(fēng)機(jī)輸出的有功功率)與大自然的風(fēng)速等出現(xiàn)更明顯的差異，從而形成我國(guó)風(fēng)速-功率轉(zhuǎn)換曲線具有比歐美更明顯的分散性。

此外可見(jiàn)：我國(guó)“十三五”風(fēng)電發(fā)展的重點(diǎn)，要么在季風(fēng)區(qū)，要么在蒙古高壓的直接控制之下。

2.1 冬季風(fēng)

“蒙古高壓”(或“蒙古—西伯利亞高壓”，或“西伯利亞高壓”)是橫亙歐亞大陸的半永久性冷高氣壓。大約在每年9月份，中心位于蒙古大陸強(qiáng)大的冷高氣壓(蒙古高壓)開(kāi)始形成。次年1月份達(dá)到強(qiáng)盛，4月份逐漸減弱直到夏季消亡。勢(shì)力強(qiáng)大的蒙古高壓約有半年以上的時(shí)間控制著歐亞大陸的氣候變化，此寒冷干燥的空氣引發(fā)我國(guó)的冬季風(fēng)。冬季風(fēng)從蒙古開(kāi)始出現(xiàn)，很快到達(dá)江淮流域及其以南地區(qū)，最終吹出大陸到300 km以外的太平洋海域，強(qiáng)盛時(shí)可吹到澳大利亞北部。我國(guó)臺(tái)灣、海南島，以及日本和朝鮮半島等，都在冬季風(fēng)的控制范圍。我國(guó)季風(fēng)區(qū)有大約5個(gè)月時(shí)間為典型的冬季風(fēng)。

地表風(fēng)系主要由位勢(shì)高度(geopotential height，由大氣壓折算出)的分布、地球自轉(zhuǎn)形成的科里奧利力(Coriolis force)和地形起伏(下墊面，underlying surface)3種原因形成。由于蒙古高壓的穩(wěn)定性，以及大陸地表(下墊面)的相對(duì)穩(wěn)定性，使得冬季風(fēng)在數(shù)千公里的地理空間里具有相對(duì)穩(wěn)定的變化規(guī)律性。

蒙古高壓是我國(guó)冬季風(fēng)的主要成因,我國(guó)北部的風(fēng)能資源豐富區(qū)都明顯處在它的控制之下，因此我國(guó)冬季的風(fēng)(季風(fēng)區(qū)及西北的非季風(fēng)區(qū))都具有明顯的規(guī)律性。盡管蒙古高壓沒(méi)有在歐洲引起冬季風(fēng)，但仍然迫使歐洲大陸冬季的風(fēng)具有類(lèi)似我國(guó)冬季風(fēng)的變化規(guī)律性。如文獻(xiàn)[15]里給出的“圖3 德國(guó)北部某地風(fēng)速與歐洲各地風(fēng)速之間的相關(guān)性”，其冬季空間相關(guān)性明顯高于夏季，但仍然無(wú)法與我國(guó)冬季風(fēng)的空間相關(guān)性相比。

我國(guó)冬季風(fēng)最強(qiáng)盛時(shí)期在1月份，往往每隔7～10 d冷空氣爆發(fā)南下，形成寒潮天氣。強(qiáng)寒潮直接造成中國(guó)東部大面積的劇烈降溫、雨雪和大風(fēng)等天氣。寒潮可引起華南地區(qū)24 h降溫12～16 ℃，有時(shí)伴有中到大雨；海南島亦可降溫8 ℃以上。強(qiáng)大寒潮引起的劇烈降溫、雨雪和大風(fēng)，往往造成我國(guó)大面積的冷凍災(zāi)害。我國(guó)冬季風(fēng)活動(dòng)高度可達(dá)地表3 000 m以上。冬季風(fēng)常在第2年4—5月份結(jié)束。

冬季風(fēng)活動(dòng)7 d的準(zhǔn)周期最明顯，其次是14和40 d準(zhǔn)周期；此外，還具有11 a的年代際周期振蕩。由于研究條件限制，目前對(duì)冬季風(fēng)的研究明顯滯后于對(duì)夏季風(fēng)的研究。對(duì)照我國(guó)北部風(fēng)能豐富地區(qū)和蒙古高壓等壓線，不難發(fā)現(xiàn)蒙古高壓不僅是冬季風(fēng)的主要成因，還是我國(guó)北部風(fēng)能的主要來(lái)源。

從風(fēng)電功率預(yù)測(cè)的角度看，冬季風(fēng)路徑在我國(guó)大陸超過(guò)2 500 km，風(fēng)速相關(guān)性的延遲時(shí)間可超出38 h。我國(guó)冬季風(fēng)的時(shí)空相關(guān)性明顯超過(guò)歐美普通風(fēng)系100 km、4 h以?xún)?nèi)的典型范圍。如文獻(xiàn)[30]分析表明：冬季風(fēng)時(shí)期，福建長(zhǎng)江澳對(duì)廣東湛江風(fēng)速的優(yōu)化延遲時(shí)間約為20 h。這就使得“空間相關(guān)性”預(yù)測(cè)在我國(guó)具有歐美不可比擬的優(yōu)勢(shì)。利用季風(fēng)(特別是冬季風(fēng))的天然優(yōu)勢(shì)提高風(fēng)電預(yù)測(cè)的準(zhǔn)確性和可靠性，是一個(gè)非常重要的研究課題。

2.2 夏季風(fēng)

圖5 夏季風(fēng)平均推進(jìn)時(shí)間Fig.5 Average dates of summer monsoon across Asia

一般認(rèn)為，我國(guó)夏季風(fēng)主要由3支季風(fēng)組成：第1支為西南季風(fēng)，它起自南印度洋，經(jīng)印度半島到達(dá)我國(guó)西南及華南地區(qū)；第2支為東南信風(fēng)，起自澳大利亞北部，穿過(guò)赤道經(jīng)過(guò)印度尼西亞或馬來(lái)半島，到達(dá)孟加拉灣，和第1支一起影響我國(guó)西南及華南地區(qū)；第3支為副熱帶季風(fēng)(東南季風(fēng)和南季風(fēng))，主要影響我國(guó)東部，它起自北太平洋，最終深入到我國(guó)東北地區(qū)的西北部和內(nèi)蒙古的北部，這是我國(guó)夏季風(fēng)的北界。我國(guó)夏季風(fēng)的行進(jìn)平均時(shí)間如圖5所示(來(lái)自大英百科全書(shū)網(wǎng)絡(luò)版)。來(lái)自大海的夏季風(fēng)為濕潤(rùn)空氣，是降雨的直接基礎(chǔ)；這種季風(fēng)推進(jìn)和降雨的分布，也出現(xiàn)在澳大利亞北部。

我國(guó)夏季風(fēng)每年大約在4—5月份出現(xiàn)，夏季風(fēng)最強(qiáng)盛時(shí)期在7—8月份。6月份在江淮流域造成梅雨；7月份到達(dá)華北與東北，引起北方地區(qū)的雨季；8月中下旬為鼎盛時(shí)期，到達(dá)大興安嶺、陰山、賀蘭山脈后止步。前后有4個(gè)月在我國(guó)大陸活動(dòng)。夏季風(fēng)常在9月中旬前后結(jié)束。經(jīng)過(guò)大約1個(gè)月左右，快速轉(zhuǎn)換為冬季風(fēng)。

夏季風(fēng)活動(dòng)40 d(范圍在30～60 d)的準(zhǔn)周期最明顯，其次是20和7 d準(zhǔn)周期；此外，還具有準(zhǔn)2 a和3～6 a的年代際周期振蕩。

總之，我國(guó)主要能源消費(fèi)區(qū)處在季風(fēng)區(qū)，其風(fēng)速、氣溫、降水等具有空間大范圍的一致波動(dòng)性。這就造成電力需求的大范圍的一致波動(dòng)及風(fēng)電出力的一致波動(dòng)性。西北風(fēng)能資源豐富區(qū)為西風(fēng)帶內(nèi)陸干旱氣候，其風(fēng)能變化特性和東部主要能源消費(fèi)區(qū)的天氣負(fù)荷性質(zhì)分屬不同類(lèi)型。

我國(guó)東部南部陸地、近?；旧咸幵诩撅L(fēng)區(qū)，每年大多數(shù)時(shí)間的風(fēng)速屬于季風(fēng)性質(zhì)。對(duì)照?qǐng)D1、4等發(fā)現(xiàn)，不僅我國(guó)冬季風(fēng)、夏季風(fēng)路徑相對(duì)穩(wěn)定，且地表(下墊面、地勢(shì))大體平坦，從而可形成數(shù)千公里的具有明顯相關(guān)性的風(fēng)速變化規(guī)律，其相關(guān)性延遲時(shí)間可超過(guò)30～40 h。因此，利用我國(guó)得天獨(dú)厚的季風(fēng)優(yōu)勢(shì)，可提高風(fēng)電預(yù)測(cè)的準(zhǔn)確性和可靠性。

特別地，福建、浙江沿海地區(qū)的地形，以及臺(tái)灣島形成的臺(tái)灣海峽，形成了一個(gè)長(zhǎng)度超過(guò)400 km、接近平行的海面，使得臺(tái)灣海峽的風(fēng)速空間相關(guān)性明顯提高。因此，臺(tái)灣海峽不僅風(fēng)能資源豐富，還特別適合空間相關(guān)性預(yù)測(cè)，特別是在超短期預(yù)測(cè)的時(shí)間尺度。

3 利用季風(fēng)提高風(fēng)速的空間相關(guān)性預(yù)測(cè)

從全球地表矢量風(fēng)速的分布等歷史觀測(cè)資料看，我國(guó)的天氣預(yù)報(bào)難度總體超過(guò)歐美，特別是我國(guó)中部和西部非季風(fēng)區(qū)。但是，冬季蒙古高壓控制的區(qū)域(如內(nèi)蒙古)，風(fēng)速風(fēng)向的預(yù)測(cè)效果與歐洲大體相當(dāng)；冬季風(fēng)、夏季風(fēng)的主要路徑(如我國(guó)東南沿海)，在季風(fēng)時(shí)期也可望獲得較好的預(yù)報(bào)效果。

季風(fēng)、蒙古高壓，對(duì)提高我國(guó)風(fēng)速風(fēng)向預(yù)測(cè)的效果具有重要的潛在意義。它們不僅是進(jìn)一步提高我國(guó)北部、東南沿海地區(qū)超短期、短期、中期、長(zhǎng)期預(yù)報(bào)效果的客觀自然條件，而且是保證風(fēng)電場(chǎng)風(fēng)能資源評(píng)估里測(cè)量-關(guān)聯(lián)-預(yù)測(cè)法(measure-correlate-predict，MCP)效果的客觀條件。由于季風(fēng)的年代際變化，中期、長(zhǎng)期預(yù)報(bào)宜由氣象部門(mén)具體實(shí)現(xiàn)。電力系統(tǒng)領(lǐng)域的研究應(yīng)該集中在短期、超短期風(fēng)電功率預(yù)測(cè)上，這也是本文的研究重點(diǎn)。

3.1 風(fēng)電功率預(yù)測(cè)未來(lái)可行的發(fā)展方向

目前短期風(fēng)電功率預(yù)測(cè)輸入的氣象數(shù)據(jù)，首先是數(shù)值天氣預(yù)報(bào)(numerical weather prediction，NWP)對(duì)未來(lái)預(yù)報(bào)出的風(fēng)速、風(fēng)向、氣壓、溫度等，其次是被預(yù)測(cè)地點(diǎn)(以下簡(jiǎn)稱(chēng)“本地”)及其周邊地區(qū)的歷史氣象數(shù)據(jù)。由于NWP更新周期長(zhǎng)等原因，超短期風(fēng)電功率預(yù)測(cè)目前傾向于不使用。

當(dāng)前提高短期、超短期風(fēng)電功率預(yù)測(cè)效果的可行途徑，除了文獻(xiàn)[12-14]等列出的方向之外，還主要包括：1)利用空間相關(guān)性；2)提高風(fēng)力發(fā)電機(jī)風(fēng)速-功率轉(zhuǎn)換曲線的準(zhǔn)確性；3)縮短采樣周期；4)可信的組合預(yù)測(cè)；5)使用時(shí)間序列的集合預(yù)報(bào)(ensemble)；6)引入大氣運(yùn)動(dòng)方程；7)引入流體力學(xué)基本方程。

進(jìn)一步提高NWP效果，概率化預(yù)測(cè)也是有一定的積極意義，主要原因有：

1) 全球模式NWP對(duì)未來(lái)的預(yù)報(bào)效果，大約從2011年開(kāi)始進(jìn)入相對(duì)飽和期/停滯期。如天氣預(yù)報(bào)領(lǐng)域里全球中期預(yù)報(bào)世界公認(rèn)的領(lǐng)頭羊——?dú)W洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts， ECMWF)的預(yù)報(bào)效果，大約從2011年開(kāi)始進(jìn)入飽和期。其位勢(shì)高度、降水量等預(yù)報(bào)效果，已經(jīng)徘徊不前。ECMWF對(duì)歐洲和北非地區(qū)未來(lái)60、72 h的風(fēng)速預(yù)報(bào)平均誤差徘徊在0.25 m/s，標(biāo)準(zhǔn)差在2.0～2.5 m/s的水平；風(fēng)向預(yù)報(bào)平均誤差2°，標(biāo)準(zhǔn)差在45°～50°的水平；氣溫預(yù)報(bào)平均誤差0.2 ℃，標(biāo)準(zhǔn)差在2.0～2.5 ℃的水平。又如，采用美國(guó)WRF對(duì)我國(guó)東部地區(qū)未來(lái)60、72 h的風(fēng)速預(yù)報(bào)，當(dāng)前的標(biāo)準(zhǔn)差在2.5～4.5 m/s的水平。受制于ECMWF為代表的這些全球模式NWP預(yù)報(bào)的結(jié)果作為側(cè)邊界條件，風(fēng)場(chǎng)使用的區(qū)域NWP無(wú)法實(shí)質(zhì)性地單獨(dú)提高對(duì)未來(lái)風(fēng)速、風(fēng)向等預(yù)報(bào)的準(zhǔn)確率。單純提高區(qū)域NWP的時(shí)空信息分辨率，提高風(fēng)場(chǎng)的風(fēng)速、風(fēng)向等觀測(cè)精度等改進(jìn)，受制于側(cè)邊界條件預(yù)報(bào)誤差的限制，以及天氣變化混沌特性的限制，難以成為今后幾年有效提高區(qū)域NWP預(yù)報(bào)效果的主要手段。

有關(guān)氣象學(xué)家認(rèn)為，全球模式NWP誤差的主要來(lái)源是氣象要素的實(shí)際觀測(cè)誤差，而不是來(lái)自大氣運(yùn)動(dòng)方程。我國(guó)風(fēng)場(chǎng)風(fēng)電功率預(yù)測(cè)的誤差分析，也支持這個(gè)觀點(diǎn)。這意味著全球模式NWP預(yù)報(bào)需要成幾何級(jí)數(shù)地增加氣象觀測(cè)站點(diǎn)，成幾何級(jí)數(shù)地增加計(jì)算機(jī)能力等。在目前世界經(jīng)濟(jì)等形勢(shì)下，這些都是難以實(shí)現(xiàn)的。

從《氣象與大數(shù)據(jù)》有關(guān)內(nèi)容可見(jiàn)NWP的現(xiàn)狀[37]：數(shù)值預(yù)報(bào)產(chǎn)品5 d以上的中期天氣預(yù)報(bào)結(jié)果，明顯不及3 d以?xún)?nèi)的短期預(yù)報(bào)結(jié)果可靠。某些短期要素的客觀預(yù)報(bào)水平已經(jīng)接近甚至超過(guò)預(yù)報(bào)員的主觀預(yù)報(bào)水平，但由于受到大氣探測(cè)技術(shù)的應(yīng)用和對(duì)某些天氣現(xiàn)象機(jī)制認(rèn)識(shí)的限制，不少天氣要素如降水、風(fēng)等的預(yù)報(bào)結(jié)果與實(shí)況有一定差距。在實(shí)際應(yīng)用中，需要根據(jù)天氣學(xué)原理，在數(shù)值預(yù)報(bào)產(chǎn)品的基礎(chǔ)上，進(jìn)行人工訂正，從而對(duì)天氣形勢(shì)作出診斷和預(yù)報(bào)，進(jìn)而作出具體的天氣預(yù)報(bào)。

2) 僅使用本地的歷史氣象資料的統(tǒng)計(jì)學(xué)方法，一般難以對(duì)未來(lái)12 h以后的風(fēng)電功率等進(jìn)行有效的預(yù)測(cè)。這是因?yàn)轱L(fēng)的主要成因是大氣壓。與電力負(fù)荷不同，風(fēng)的記憶性很差，“本地資料的回歸”難以提高未來(lái)預(yù)測(cè)的時(shí)間長(zhǎng)度。

3) 近10 a沒(méi)出現(xiàn)綜合性能較好的新穎的智能預(yù)測(cè)模型[38];且新的回歸/預(yù)測(cè)模型，往往需要較多的訓(xùn)練數(shù)據(jù)，計(jì)算速度相對(duì)較慢。如深度學(xué)習(xí)，目前還難以直接引入到短期、超短期風(fēng)電功率預(yù)測(cè)。

實(shí)際上，從2014年以來(lái)，空間相關(guān)性方法被不少文獻(xiàn)提高到和物理方法、統(tǒng)計(jì)方法并列的高度[13,18-28]。

3.2 利用季風(fēng)改進(jìn)風(fēng)速的空間相關(guān)性預(yù)測(cè)

空間相關(guān)性預(yù)測(cè)的基本含義，是利用本地的周邊地區(qū)的風(fēng)速、風(fēng)向等氣象信息，來(lái)預(yù)測(cè)本地未來(lái)一段時(shí)間的風(fēng)速、風(fēng)向等；或者直接預(yù)測(cè)本地風(fēng)場(chǎng)的風(fēng)電功率[13,18-28]?？梢岳玫闹苓叺貐^(qū)的氣象信息，可以是周邊各地NWP預(yù)報(bào)的結(jié)果，也可是各地的風(fēng)速、風(fēng)向等實(shí)際觀測(cè)值。實(shí)踐表明，風(fēng)向是影響本地未來(lái)風(fēng)速等預(yù)報(bào)的首要因素。

為避免NWP預(yù)報(bào)誤差對(duì)本地未來(lái)風(fēng)速等預(yù)測(cè)的不良影響，在我國(guó)季風(fēng)區(qū)采用季風(fēng)特性且只利用風(fēng)速上游的歷史氣象觀測(cè)值改進(jìn)空間相關(guān)性預(yù)測(cè)，是最可行地提高短期、超短期風(fēng)速和風(fēng)電功率預(yù)測(cè)效果的手段。

在電力系統(tǒng)領(lǐng)域，采用空間相關(guān)性進(jìn)行風(fēng)電功率預(yù)測(cè)的早期代表性文獻(xiàn)是1999年Alexiadis等人的“Wind Speed and Power Forecasting Based on Spatial Correlation Models”。其后有關(guān)的進(jìn)展請(qǐng)參考綜述文獻(xiàn)[13,18-19,21]。近年國(guó)內(nèi)外在空間相關(guān)性預(yù)測(cè)方面的研究，主要集中在各種先進(jìn)預(yù)測(cè)模型的使用上。由于近年新穎的預(yù)測(cè)模型出現(xiàn)得較少，大多數(shù)研究多為對(duì)現(xiàn)有智能等模型的改進(jìn)或綜合使用。

目前，基于空間相關(guān)性的風(fēng)電功率預(yù)測(cè)尚未形成一套完整的理論體系[13，18]，正是發(fā)展空間相關(guān)性預(yù)測(cè)的有利時(shí)期。因此，空間相關(guān)性預(yù)測(cè)受到國(guó)際社會(huì)廣泛的重視[13,18-28]。

冬季風(fēng)和夏季風(fēng)，使得我國(guó)的風(fēng)速空間相關(guān)性預(yù)測(cè)具有明顯超過(guò)歐美的潛在優(yōu)勢(shì)。表1是冬季風(fēng)主要路徑上一些地點(diǎn)之間的風(fēng)速延遲時(shí)間，表中“福長(zhǎng)”是福建省霞浦縣長(zhǎng)春鎮(zhèn)的縮寫(xiě)?？梢?jiàn)，利用季風(fēng)，可以改進(jìn)從超短期到短期時(shí)間尺度的風(fēng)電功率預(yù)測(cè)，而不僅僅是用于中長(zhǎng)期預(yù)測(cè)和風(fēng)電資源評(píng)估等方面。

表1 冬季風(fēng)主要路徑上一些地點(diǎn)之間的風(fēng)速延遲時(shí)間Table 1 Wind speed lag time between some locations in main path of China winter monsoon

冬季風(fēng)時(shí)期，以北京的風(fēng)速、氣壓和氣溫，以及福建澳仔的氣壓和氣溫為輸入，采用偏最小二乘回歸對(duì)澳仔風(fēng)速進(jìn)行提前27 h預(yù)測(cè)，風(fēng)速預(yù)測(cè)的平均誤差約為-0.16 m/s，均方根誤差約為1.34 m/s。因此，利用季風(fēng)形成的空間相關(guān)性，完全可研發(fā)獨(dú)立于NWP的超短期、短期風(fēng)電功率預(yù)測(cè)系統(tǒng)，其對(duì)某些爬坡的預(yù)測(cè)也具有較高的可靠性。

圖6 冬季風(fēng)時(shí)期北京對(duì)澳仔的交叉小波圖Fig.6 Cross wavelet transform of Beijing to Aozi

由圖6所示交叉小波圖可見(jiàn)，北京風(fēng)速與澳仔風(fēng)速之間的相關(guān)性，低于北京與澳仔之間氣壓差值對(duì)澳仔風(fēng)速之間的相關(guān)性。從大氣運(yùn)動(dòng)的基本方程可知，當(dāng)時(shí)間尺度不長(zhǎng)時(shí)，氣壓梯度力(北京與澳仔之間氣壓差值)是風(fēng)速的主要成因。因此，準(zhǔn)確的風(fēng)速與風(fēng)電功率預(yù)測(cè)，需要?dú)鈮?、氣溫、風(fēng)速、風(fēng)向等天氣因素。

3.3 相關(guān)性和回歸技術(shù)

空間相關(guān)性預(yù)測(cè)的兩大基本內(nèi)容是相關(guān)性和回歸的定量計(jì)算，需要研究的內(nèi)容包括：

1) 周邊地區(qū)風(fēng)速與本地風(fēng)速延時(shí)相關(guān)性量化計(jì)算指標(biāo)的優(yōu)選，特別是適合時(shí)間窗口上小樣本的相關(guān)性計(jì)算。如相關(guān)系數(shù)有利于反映未來(lái)風(fēng)速的變化，而歐氏距離則不具有這種能力。

2) 實(shí)際預(yù)測(cè)中對(duì)最優(yōu)延遲時(shí)間的偏離，及其對(duì)空間相關(guān)性預(yù)測(cè)結(jié)果不利影響的分析。

3) 上游、被預(yù)測(cè)地點(diǎn)風(fēng)速、風(fēng)向等長(zhǎng)期歷史觀測(cè)資料的優(yōu)化使用。

4) 被預(yù)測(cè)地點(diǎn)未來(lái)風(fēng)速預(yù)測(cè)采用迭代式(iterated multistep)、直接式(direct)模式的優(yōu)選[39-41]，特別是季風(fēng)區(qū)和非季風(fēng)區(qū)的風(fēng)速、風(fēng)向變化規(guī)律差異的使用。

5) 采用特定的相關(guān)性計(jì)算指標(biāo)，得到周邊優(yōu)化的風(fēng)速訓(xùn)練集合之后，進(jìn)行空間相關(guān)性預(yù)測(cè)的回歸模型(線性回歸、偏最小二乘回歸、支持向量機(jī)、常見(jiàn)的人工神經(jīng)網(wǎng)絡(luò)，其他各種新模型)的優(yōu)選[38]。

6) 回歸采用的歷史數(shù)據(jù)樣本容量的自動(dòng)優(yōu)化，一直未見(jiàn)報(bào)道。一些文獻(xiàn)表明，只能采用人工方法進(jìn)行反復(fù)試探[42]。

4 我國(guó)風(fēng)速功率轉(zhuǎn)換曲線的更精確模型

從整體上看，我國(guó)大多數(shù)區(qū)域的風(fēng)速、風(fēng)向變化更復(fù)雜。風(fēng)機(jī)輪轂附近復(fù)雜多變的風(fēng)速、風(fēng)向、氣壓等，在風(fēng)機(jī)機(jī)械慣性作用下，直接造成風(fēng)速-功率轉(zhuǎn)換曲線具有分散性。即使有風(fēng)速、風(fēng)向、氣壓等的100%準(zhǔn)確率的預(yù)測(cè)，也不能保證風(fēng)電功率的準(zhǔn)確預(yù)測(cè)。

以水平軸風(fēng)力發(fā)電機(jī)為例，其機(jī)械-電氣的運(yùn)動(dòng)行為類(lèi)似日常生活中的搖頭電扇，只是整個(gè)能量過(guò)程正好相反：

1) 輪轂處風(fēng)向的變化，會(huì)引起風(fēng)機(jī)轉(zhuǎn)子葉片水平面上的方向調(diào)整；轉(zhuǎn)子葉片與風(fēng)向的角度差，需要通過(guò)一定方式進(jìn)行控制跟蹤，這會(huì)引起風(fēng)力發(fā)電機(jī)有功功率發(fā)生變化。

2)輪轂處風(fēng)速的變化，會(huì)引起轉(zhuǎn)子葉片機(jī)械轉(zhuǎn)速的變化。風(fēng)速與轉(zhuǎn)子葉片轉(zhuǎn)速的等效風(fēng)速的差值，會(huì)引起風(fēng)力發(fā)電機(jī)出力發(fā)生變化。

轉(zhuǎn)子葉片水平面上的機(jī)械轉(zhuǎn)動(dòng)慣量及轉(zhuǎn)子葉片圍繞其軸心的機(jī)械轉(zhuǎn)動(dòng)慣量都會(huì)造成風(fēng)速-功率轉(zhuǎn)換曲線具有分散性；此外，氣壓、氣溫等變化會(huì)引起空氣密度的變化，也會(huì)在一定程度上造成風(fēng)速-功率轉(zhuǎn)換曲線具有分散性。依據(jù)相應(yīng)的力學(xué)原理(如剛體定軸轉(zhuǎn)動(dòng)定律)，結(jié)合具體的風(fēng)機(jī)類(lèi)型和參數(shù)，建立更精確的風(fēng)速-功率轉(zhuǎn)換模型，是我國(guó)提高風(fēng)電功率預(yù)測(cè)效果的又一關(guān)鍵核心工作。

5 結(jié)論

能源互聯(lián)網(wǎng)、智能電網(wǎng)的建設(shè)離不開(kāi)風(fēng)電，風(fēng)電預(yù)測(cè)離不開(kāi)風(fēng)速、風(fēng)向、氣壓等的預(yù)測(cè)。因此，為提高風(fēng)電功率預(yù)測(cè)的效果，結(jié)合我國(guó)季風(fēng)、大氣壓分布的特殊性，一些針對(duì)性的建議為：

1) 充分研究和把握冬季風(fēng)、夏季風(fēng)的變化規(guī)律，特別是蒙古高壓的活動(dòng)規(guī)律。這對(duì)于風(fēng)電預(yù)測(cè)有基礎(chǔ)性的支撐作用。

2) 我國(guó)季風(fēng)有數(shù)千公里、數(shù)十小時(shí)延遲的風(fēng)速相關(guān)性，明顯超過(guò)歐美常見(jiàn)的100 km、4 h的范圍，這是我國(guó)風(fēng)電預(yù)測(cè)得天獨(dú)厚的優(yōu)勢(shì)?？臻g相關(guān)性預(yù)測(cè)不僅可用于超短期，還可用于短期預(yù)測(cè)。

3) 我國(guó)海域都處在季風(fēng)區(qū)，因此研究季風(fēng)對(duì)我國(guó)海上風(fēng)電發(fā)展有重要意義。

4) 臺(tái)灣海峽不僅風(fēng)能資源豐富，還具有很強(qiáng)的風(fēng)速空間相關(guān)性；東南沿?；旧鲜嵌撅L(fēng)、夏季風(fēng)的主要途徑。這也是我國(guó)未來(lái)風(fēng)電重點(diǎn)發(fā)展的區(qū)域。

5) 相關(guān)性指標(biāo)、回歸預(yù)測(cè)的模型、回歸的“迭代式”或“直接式”預(yù)測(cè)模式等優(yōu)選，是未來(lái)重要的研究?jī)?nèi)容。

6) 季風(fēng)區(qū)天氣變化有數(shù)千公里的波動(dòng)一致性，對(duì)于準(zhǔn)確的電力負(fù)荷與能源需求的預(yù)測(cè)有重要意義。

7) 從NOAA的1948年以來(lái)的逐月天氣資料看，我國(guó)NWP預(yù)報(bào)效果有低于歐美的傾向性。這主要與我國(guó)地形/地勢(shì)的復(fù)雜性有關(guān)。因此，不依賴(lài)NWP的超短期、短期風(fēng)電功率預(yù)報(bào)，在我國(guó)有更迫切的需求。

8) 采用相關(guān)力學(xué)原理，對(duì)我國(guó)風(fēng)速-功率轉(zhuǎn)換曲線進(jìn)行更精確的研究。

[1] 周孝信， 曾嶸， 高峰， 等． 能源互聯(lián)網(wǎng)的發(fā)展現(xiàn)狀與展望[J]． 中國(guó)科學(xué)： 信息科學(xué)， 2017， 47(2): 149-170．

ZHOU Xiaoxin， ZENG Rong， GAO Feng， et al． Development and prospect of energy internet[J]． Scientia Sinica Informationis，2017，47(2): 149-170．

[2] 余貽鑫， 秦超． 智能電網(wǎng)基本理念闡釋[J]． 中國(guó)科學(xué): 信息科學(xué)， 2014， 44(6): 694-701．

YU Yixin， QIN Chao． Expatiation on the basic ideas of smart grid[J]． Scientia Sinica Informationis， 2014， 44(6): 694-701．

[3] 查亞兵， 張濤， 黃卓， 等． 能源互聯(lián)網(wǎng)關(guān)鍵技術(shù)分析[J]． 中國(guó)科學(xué): 信息科學(xué)， 2014， 44(6): 702-713．

ZHA Yabing， ZHANG Tao， HUANG Zhuo， et al． Analysis of energy internet key technologies[J]． Scientia Sinica Informationis， 2014， 44(6): 702-713．

[4] 趙俊華， 董朝陽(yáng)， 文福拴， 等． 面向能源系統(tǒng)的數(shù)據(jù)科學(xué): 理論、 技術(shù)與展望[J]． 電力系統(tǒng)自動(dòng)化， 2017， 41(4): 1-11， 19．

ZHAO Junhua， DONG Zhaoyang， WEN Fushuan， et al． Data science for energy systems: theory， techniques and prospect [J]． Automation of Electric Power Systems， 2017， 41(4): 1-11， 19．

[5] 張小平， 李佳寧， 付灝． 全球能源互聯(lián)網(wǎng)對(duì)話(huà)工業(yè)4.0[J]． 電網(wǎng)技術(shù)， 2016， 40(6): 1607-1611．

ZHANG Xiaoping， LI Jianing， FU Hao． Global energy interconnection dialogue industry 4.0[J]． Power System Tech-nology， 2016， 40(6): 1607-1611．

[6] 張國(guó)榮， 陳夏冉． 能源互聯(lián)網(wǎng)未來(lái)發(fā)展綜述[J]． 電力自動(dòng)化設(shè)備， 2017， 37(1): 7-13．

ZHANG Guorong， CHEN Xiaran． Future development of energy internet[J]． Electric Power Automation Equipment， 2017， 37(1): 7-13．

[7] SU W C， HUANG A Q． 美國(guó)的能源互聯(lián)網(wǎng)與電力市場(chǎng)[J]． 科學(xué)通報(bào)， 2016， 61(11): 1210-1221．

SU W C， HUANG A Q． The energy internet and electricity market in the United States[J]． Chinese Science Bulletin， 2016， 61(11): 1210-1221．

[8] MONESS M， MOUSTAFA A M． A survey of cyber-physical advances and challenges of wind energy conversion systems: prospects for internet of energy[J]． IEEE Internet of Things Journal， 2016， 3(2): 134-145．

[9] KALYANARAMAN S． Back to the future lessons for Internet of energy networks[J]． IEEE Internet Computing， 2016， 20(1): 60-65．

[10] BUI N， CASTELLANI A， ASTELLANI A P， et al． The internet of energy: a web-enabled smart grid system[J]． IEEE Network， 2012， 26(4): 39-45．

[11] 包銘磊， 丁一， 邵常政． 國(guó)際能源系統(tǒng)轉(zhuǎn)型對(duì)我國(guó)能源互聯(lián)網(wǎng)建設(shè)的借鑒[J]． 分布式能源， 2017， 2(2): 11-19．

BAO Minglei， DING Yi， SHAO Changzheng． Reference of international energy system transformation to energy internet construction in China[J]． Distributed Energy， 2017， 2(2): 11-19．

[12] 薛禹勝， 郁琛， 趙俊華， 等． 關(guān)于短期及超短期風(fēng)電功率預(yù)測(cè)的評(píng)述[J]． 電力系統(tǒng)自動(dòng)化， 2015， 39(6)： 141-151．

XUE Yusheng， YU Chen， ZHAO Junhua， et al． A review on short-term and ultra-short-term wind power prediction[J]． Automation of Electric Power Systems， 2015， 39(6)： 141-151．

[13] 薛禹勝， 陳寧， 王樹(shù)民， 等． 關(guān)于利用空間相關(guān)性預(yù)測(cè)風(fēng)速的評(píng)述[J]． 電力系統(tǒng)自動(dòng)化， 2017， 41(10): 161-169．

XUE Yusheng, CHEN Ning, WANG Shumin, et al. Review on wind speed prediction based on spatial correlation[J]. Automation of Electric Power Systems， 2017， 41(10): 161-169．

[14] 喬穎， 魯宗相， 閔勇， 等． 提高風(fēng)電功率預(yù)測(cè)精度的方法[J]． 電網(wǎng)技術(shù)， 2017， 41(10): 3161-3169．

QIAO Ying, LU Zongxiang, MIN Yong, et al．Research & application of raising wind power prediction accuracy[J]. Power System Technology， 2017， 41(10): 3161-3169．

[15] HAGSPIEL S， PAPAEMANNOUIL A， SCHMID M， et al． Copula-based modeling of stochastic wind power in Europe and implications for the Swiss power grid[J]． Applied Energy， 2012， 96： 33-44．

[16] 薛禹勝， 郁琛， 趙俊華， 等． 關(guān)于短期及超短期風(fēng)電功率預(yù)測(cè)的評(píng)述[J]． 電力系統(tǒng)自動(dòng)化， 2015， 39(6)： 141-151．

XUE Yusheng， YU Chen， ZHAO Junhua， et al． A review on short-term and ultra-short-term wind power prediction[J]． Automation of Electric Power Systems， 2015， 39(6): 141-151．

[17] 丁華杰， 宋永華， 胡澤春， 等． 基于風(fēng)電場(chǎng)功率特性的日前風(fēng)電預(yù)測(cè)誤差概率分布研究[J]． 中國(guó)電機(jī)工程學(xué)報(bào)， 2013， 33(34)： 136-144．

DING Huajie， SONG Yonghua， HU Zechun， et al． Probability density function of day-ahead wind power forecast errors based on power curves of wind farms[J]． Proceedings of the CSEE， 2013， 33(34): 136-144．

[18] 葉林， 趙永寧． 基于空間相關(guān)性的風(fēng)電功率預(yù)測(cè)研究綜述[J]． 電力系統(tǒng)自動(dòng)化， 2014， 38(14)：126-135．

YE Lin， ZHAO Yongning． A review on wind power prediction based on spatial correlation approach[J]． Automation of Electric Power Systems， 2014， 38(14): 126-135．

[19] JUNG J， BROADWATER R P． Current status and future advances for wind speed and power forecasting[J]． Renewable and Sustainable Energy Reviews， 2014(31): 762-777．

[20] WANG J， WANG Y， JIANG P． The study and application of a novel hybrid forecasting model: a case study of wind speed forecasting in China[J]． Applied Energy， 2015， 143: 472-488．

[21] 錢(qián)政， 裴巖， 曹利宵， 等． 風(fēng)電功率預(yù)測(cè)方法綜述[J]． 高電壓技術(shù)， 2016， 42(4)： 1047-1060．

QIAN Zheng， PEI Yan， CAO Lixiao， et al． Review of wind power forecasting method[J]． High Voltage Engineering， 2016， 42(4): 1047-1060．

[22] OKUMUS I， DINLER A． Current status of wind energy forecasting and a hybrid method for hourly predictions[J]． Energy Conversion and Management， 2016， 123: 362-371．

[23] DONG Q， SUN Y， LI P． A novel forecasting model based on a hybrid processing strategy and an optimized local linear fuzzy neural network to make wind power forecasting: a case study of wind farms in China[J]． Renewable Energy， 2017， 102: 241-257．

[24] GALLEGO-CASTILLO C， CUERVA-TEJERO A， LOPEZ-GARCIA O． A review on the recent history of wind power ramp forecasting[J]． Renewable and Sustainable Energy Reviews， 2015， 52: 1148-1157．

[25] YE L， ZHAO Y， ZENG C， et al． Short-term wind power prediction based on spatial model[J]． Renewable Energy， 2017， 101: 1067-1074．

[26] HERBERT G M， JOSELIN S， AMUTHA D． A review of technical issues on the development of wind farms[J]． Renewable & Sustainable Energy Reviews， 2014， 32: 619-641．

[27] JHA S K， BILALOVIC J， JHA A， et al． Renewable energy: present research and future scope of artificial intelligence[J]． Renewable & Sustainable Energy Reviews， 2017， 77: 297-317．

[28] 楊正瓴， 劉陽(yáng)， 張澤， 等． 采用最近歷史觀測(cè)值和PLSR進(jìn)行空間相關(guān)性超短期風(fēng)速預(yù)測(cè)[J]． 電網(wǎng)技術(shù)， 2017， 41(6): 1815-1822．

YANG Zhengling, LIU Yang, ZHANG Ze, et al. Ultra-short-term wind speed prediction with spatial correlation using recent historical observations[J]. Power System Technology， 2017， 41(6): 1815-1822．

[29] 時(shí)彤， 姜卓， 肖白． 基于風(fēng)電場(chǎng)輸出功率波動(dòng)特性分析的本征時(shí)間尺度的確定[J]． 分布式能源， 2017，2(4): 53-58．

SHI Tong， JIANG Zhuo， XIAO Bai． Intrinsic time scale determination based on analyzing wind power output fluctuation features[J]． Distributed Energy， 2017， 2(4): 53-58．

[30] 楊正瓴， 楊釗， 張璽， 等． 基于季風(fēng)提高空間相關(guān)性預(yù)測(cè)的優(yōu)化延遲時(shí)間[J]． 電力系統(tǒng)保護(hù)與控制， 2016， 44(15): 33-38．

YANG Zhengling, YANG Zhao, ZHANG Xi, et al. Improving optimal lag time of spatial correlation prediction by characteristics of monsoon[J]． Power System Protection and Control， 2016，

44(15): 33-38．

[31] 楊正瓴， 馮勇， 熊定方， 等． 基于季風(fēng)特性改進(jìn)風(fēng)電功率預(yù)測(cè)的研究展望[J]． 智能電網(wǎng)， 2015， 3(1)： 1-7．

YANG Zhengling， FENG Yong， XIONG Dingfang， et al． Research prospects of improvement in wind power forecasting based on characteristics of monsoons[J]． Smart Grid， 2015， 3(1): 1-7．

[32] 陳隆勛， 朱乾根， 羅會(huì)邦， 等． 東亞季風(fēng)[M]． 北京： 氣象出版社， 1991．

[33] WANG B． The Asian monsoon[M]． New York： Springer-Verlag， 2006．

[34] LAING A， EVANS J-L． Introduction to tropical meteorology， 2nd edition[EB/OL]． (2011-10)[2014-07-08]． http://www.goes-r.gov/users/comet/tropical/textbook_2nd_edition/navmenu.php_tab_4_page_5.0.0.htm.

[35] PREETHI B， MUJUMDAR M， KRIPALANI R H， et al． Recent trends and tele-connections among South and East Asian summer monsoons in a warming environment[J]． Climate Dynamics， 2017， 48(7-8): 2489-2505．

[36] LEE J-YI， WANG B． Future change of global monsoon in the CMIP5[J]． Climate Dynamics， 2014， 42(1-2): 101-119．

[37] 黃瑞芳， 周園春， 鞠永茂， 等． 氣象與大數(shù)據(jù)[M]． 北京： 科學(xué)出版社， 2017．

[38] EFRON B， HASTIE T． Computer age statistical inference: algorithms， evidence， and data science[M]． Cambridge: Cambridge University Press， 2016．

[39] PROIETTI T． Direct and iterated multistep AR methods for difference stationary processes[J]． International Journal of Forecasting， 2011， 27(2): 266-280．

[40] MCELROY T． When are direct multi-step and iterative forecasts identical?[J]． Journal of Forecasting， 2015， 34(4): 315-336．

[41] CHEVILLON G． Multistep forecasting in the presence of location shifts[J]． International Journal of Forecasting， 2016， 32(1): 121-137．

[42] KHALID M， SAVKIN A V． Closure to discussion on “a method for short-term wind power prediction with multiple observation points”[J]． IEEE Transactions on Power Systems， 2013， 28(2): 1898-1899．