面对严峻的环境危机和能源危机，风力发电因其清洁和可再生的特点，逐渐成为满足人类用电需求最重要的途径之一。尽可能地利用风电对节能减排意义重大。我国风力资源分布极不平均，西部、北部和东南沿海风力资源相对丰富、东部和中部地区风力资源相对匮乏。用电负荷分布极不平均，东部和中部地区人口众多、工业发达，用电负荷相对较重，西部和北部地区用电负荷相对较轻。如果充分利用风电，就必须让风电接入电网传输。然而，供给与需求保持实时平衡是电网的特点之一，这要求管理者尽可能准确地预测发电与用电。然而，正如所感知的那样，风可能忽大忽小，具有较强的波动性；可能时有时无，具有较强的间歇性。这些都为风力发电的预测带来不小的挑战。

风电通过电网输送至目标区域

因地制宜设计风力发电预测方法是当下潜在的共识之一。对于一般的风力发电预测任务而言，首先需要明确预测对象的空间范围和地理环境，因此要考虑预测方法的空间尺度。当确定空间尺度后，需要考虑可利用信息的资源。已有的风电预测方法种类丰富，对数据信息的要求各不相同。许多方法严重受到数据制约，可行性和可靠性受限。我国的风电发展较晚，数据记录相对不完善，因而更需要关注可利用的信息。当确定了可利用信息之后，才会根据风电预测任务的时间尺度，选择合适的预测方法。空间尺度是属性，信息资源是条件，时间尺度是目标，任何一项的变化都会影响风电预测方法的设计。这样的层次也可以帮助梳理风力发电预测工作。

风电预测方法梳理架构

时空尺度是风力发电预测的重要先决条件。由于风的形成及风-电转化过程的机理十分复杂，风电预测模型对时空尺度比较敏感，一般需要根据不同时空尺度设计不同的风电预测方法。虽然已经有众多工作对于不同类型的风电预测任务做了研究，提出了形形色色的预测方法，但这些方法大致从两个方面着手。一方面是通过多维时序数据构造因果关系，另一方面是根据风力变化及风电转化过程模拟因果关系。如果通过数据构造，则需要考虑利用何种数据、利用何种时序模型、如何提取时序数据特征、如何融合不同类型的预测结果等。如果根据过程模拟，则需要考虑利用哪些探空数据、如何拟合风机轮毂处风速、如何近似随风向变化的风电转化关系等。当然，具体如何解决这些问题，与当前任务的空间尺度、信息资源和时间尺度紧密相关。在上述层次基础上，可以根据当前任务的主要困难选择具体的方法和数据，尽可能准确地完成风力发电预测任务。不同时空尺度预测方法的差别及未来研究方向也在文中进行深入的探讨。

风电场风速-功率转化关系随风向变化而变化

引用格式：姜兆宇, 贾庆山, 管晓宏. 多时空尺度的风力发电预测方法综述. 自动化学报, 2019, 45(1): 51-71.

链接：http://html.rhhz.net/ZDHXBZWB/html/2019-1-51.htm

作者简介：

姜兆宇, 清华大学自动化系智能与网络化系统研究中心博士研究生. 2014年获得清华大学自动化系学士学位. 主要研究方向为信息物理融合能源系统的数据分析与预测, 系统建模与优化. E-mail: zy-jiang14@mails.tsinghua.edu.cn

贾庆山, 清华大学自动化系智能与网络化系统研究中心副教授. 2006年获得清华大学控制科学与工程专业博士学位. 主要研究方向为离散事件动态系统理论与应用, 基于仿真的复杂系统性能评价与优化. 本文通信作者. E-mail: jiaqs@tsinghua.edu.cn

管晓宏, 中国科学院院士. 长江学者特聘教授. 西安交通大学电子信息工程学院院长. 清华大学智能与网络化系统研究中心讲席教授组成员. 主要研究方向为复杂网络系统, 包括智能电网, 生产制造系统以及电力市场的规划和调度. Email: xhguan@tsinghua.edu.cn