项目主要研究内容及成效：本项目主要是解决风力电场电量预测困难，通过大数据分析构造模型，对风力发电功率的有效预测，为电力调度提供决策支持，从而更大限度地利用风力发电，降低运行成本，满足国家规范辅助服务管理、发电厂并网运行管理的细则要求。
为此，本项目在对风力发电预测方法进行深入调查研究和对风电场历史监测数据分析研究的基础上，针对风力发电的发电特性，研究RBF神经网络模型，对模型进行优化改进，针对风力发电特征来构建功率预测的模型。通过采集风电场的历史功率、历史气象数据、地形地貌、发电机组运行状态等数据建立电场输出功率的预测模型，对预测模型进行训练及测试，最后采用该预测模型设计并实现符合风力发电特性的功率预测系统。
该系统依据J2EE技术标准，运用Spring、SpringMvc、Mybatis等技术实现，能够用现场的实时监测和气象预报数据对风力发电功率进行分析和预测，具有一定的理论意义和实用价值。
微信公众号