风电预测

风电并网容量迅猛增加，风电与系统之间的联系越来越密切，必须考虑风能的波动 性和间歇性引起风电出力的变化给电力系统电能质量、安全稳定运行和经济效益带来的不利影 响。因此，进行风电功率预测具有重要的现实意义。首先对风速和风电出力预测的分类和方法 进行了探讨，然后简要综述了国内外风功率预测技术的研究现状，最后针对我国现阶段风电功 率预测产生误差的原因进行了阐述并提出了建议

50136号气象台2017年全年风力逐日数据。 包含平均风速，最大风速，最大风速的风向，极大风速，极大风速的风向。

采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解（ASD）法，作为人工神经网络（ANN）的前置分解方法，将风电功率序列分解为原子分量和残差分量，对原子分量进行自预测，残差分量进行ANN预测，再通过追加最新的风电功率实时数据来更新ASD的结果，进而滑动预测下一个时刻的风电功率。以实际风电场数据进行验证，结果证明了该模型可以有效地处理风电功率非平稳性，产生更为稀疏的分解效果，显著地降低了绝对平均误差、均方根误差计算值的统计区间。

VSTWPF 使用机器学习和深度学习进行短期风电预测的示例

西班牙某地的电厂数据，影响因素为平均温度，最高最低温度，湿度，气温，风力等级，天气情况等，最后数据该电厂的发电数据，总共一万多条数据