叶林教授团队：大规模并网风电有功功率预测|叶林|新型电力系统|电功率|风力发电|风电场

随着我国“双碳”目标的提出，以风力发电为代表的可再生能源发电近些年得到了广泛关注和快速发展。 2025 年，全国风电、光伏发电新增装机达到4.4 亿kW，再创历史新高。其中，我国风电累计装机容量增长到119.33GW，年复合增长率为22.9%，占全国发电总装机的21.7%，风电装机达到了6.4 亿kW。然而，风电具有随机性、间歇性和不可控的特点，大规模的不确定性风电并网给电力系统的安全稳定运行带来了严峻的挑战。

风电功率预测是应对风电不确定性、促进风电消纳的重要途径。预测的时间尺度包括超短期(未来4h)、短期(未来3～7 天)和中长期(未来几个月、几年)。其中，超短期预测和短期预测对现代电力系统的调度运行意义重大。传统的预测方法考虑的因素单一，精度的提升空间有限，因此急需研究新的理论和方法，例如，通过在广域范围内充分挖掘和利用风电场之间的时空相关性，来有效改善风电功率预测效果。《大规模并网风电有功功率预测——理论、方法和技术》对大规模风电功率的时空变化规律进行分析，针对独立风电场、集群内风电场和集群提出了一系列风电功率组合预测方法，并进行误差校正。

基于IDSCNN-AM-LSTM 的风电功率预测模型

基于时空相关神经网络的风电集群功率超短期预测。超短期风电功率预测采用的是一种基于IDSCNN-AM-LSTM 的超短期风电功率组合预测模型，包括输入层、逐通道卷积层、逐点卷积层、最大池化层、高度宽度特征压缩层、注意力权重分配层以及LSTM 时序预测层。

风电集群功率间接升尺度预测示意图

十年磨一剑，叶林教授团队承担并完成了国家电网公司总部科技项目、国家自然科学基金重点项目、国家重点研发计划等多项国家级科研项目，积累了丰富的原创性理论成果，总结这些成果，叶林教授编写了《大规模并网风电有功功率预测——理论、方法和技术》。这本专著全面介绍了以风力发电为代表的大规模新能源功率预测领域的相关理论、技术和应用，研究内容涵盖了数据特性分析与数据处理、风电功率曲线建模、时空相关性理论分析、多时间尺度功率预测方法、升尺度预测理论、组合预测理论、预测误差分层分析等多个技术方向。研究工作从数据分析、理论建模、实际应用方面，攻克了诸多关键技术难题，取得了一系列具有自主知识产权的创新性成果，形成了完整的理论框架和技术体系，并获得了实际落地应用，为支撑我国新能源领域的发展发挥了重要作用。该书具有鲜明的学术创新性，内容新颖实用，既有理论依据，也包含大量翔实的研究数据和具体应用案例，代表了国内外大规模风电预测领域的先进水平，对新能源领域的研究、开发和工程实践等都具有重要的借鉴作用。

周孝信

中国科学院院士

美国国家工程院外籍院士

中国电力科学研究院有限公司名誉院长

IEEE Life Fellow

2025 年10 月

点击翻页点击翻页点击翻页点击翻页点击翻页点击翻页点击翻页点击翻页点击翻页点击翻页

大规模并网风电有功功率预测

——理论、方法和技术购买

叶林著

北京: 科学出版社, 2026. 3

ISBN 978-7-03-084608-2

第1 章给出风电功率预测的基本概念、预测方法的分类以及预测在电力系统中的应用，分析风电功率预测方法面临的问题与挑战。
第2 章介绍风电功率预测的基本数学理论，包括概率与统计理论基础、时间序列分析理论基础、机器学习理论基础。
第3 章介绍风电功率预测的数据基础。首先，概述数据基础对于风电功率预测的意义，介绍风电功率预测基础数据的类型及用途；其次，分析风电功率预测中数据的常见问题；最后，给出异常数据的识别、剔除及重构方法。
第4 章介绍风电场的风速-风电功率曲线建模方法。首先，从风速-风电功率的转换关系出发，介绍包括区间分段、统计拟合以及机器学习三种方法的风速-功率曲线的建模方法；其次，分析风向对功率输出特性的影响，介绍有向功率曲线建模方法。
第5 章介绍大规模风电功率预测的时空相关性理论，包括基于物理预测方法、统计方法和深度学习理论的风电功率时空相关性建模方法。
第6 章介绍大规模风电功率的时空变化规律。首先，对区域风能资源评估基础进行系统介绍；其次，分析风电功率多时间尺度的时序变化特性和空间变化规律；最后，对风电功率在时间-空间上的变化规律进行协同分析。
第7 章介绍时空相关性的风电场功率双向预测方法。基于时间序列的正向时间相关性理论，引申给出时间序列反向时间相关性的概念，进行正向和反向时间相关性的理论分析，最后得出一种风电功率双向预测机制，并建立基于极限学习机的双向预测模型。
第8 章介绍考虑空间相关性约束的风电集群功率稀疏超短期预测方法。首先介绍空间相关性的多元统计表征和稀疏化建模理论，其次介绍空间相关性稀疏约束的风电功率预测方法，最后从稀疏控制能力、稀疏度、预测精度、计算效率等指标出发验证所提方法的有效性。
第9 章介绍时空相关性神经网络的风电集群功率超短期预测方法。首先介绍神经网络用于气象-风电时空特征提取的基本原理，其次介绍基于时空相关神经网络的风电集群功率超短期预测过程以及预测模型的性能。
第10 章介绍风电集群有功功率升尺度预测方法。首先概述升尺度预测的基本概念和理论，然后介绍风电集群有功功率的空间相关性和平滑效应分析理论，最后介绍风电集群功率预测的NWP 特征集选取策略。
第11 章介绍风电功率组合预测理论。首先介绍风电功率组合预测的意义和分类，其次概述典型组合预测模型权系数的确定方法，最后详细介绍风电功率组合预测的有效性评价过程。
第12 章介绍考虑波动过程的短期风电功率组合预测。介绍基于最大相关-最小冗余的气象特征因素选取方法，概述风电功率波动过程划分方法以及关联性分析过程。
第13 章介绍自适应指数动态优选的风电功率短期组合预测模型。首先概述风电功率定权重的组合预测方法，其次介绍可变向量遗忘因子加权组合预测方法，最后介绍权重动态变化的风电功率短期组合预测方法。
第14 章介绍风电功率预测误差分层分析方法。首先介绍预测误差数值特性的分层方法，其次进行风电功率预测误差的波动性分析，最后介绍风电功率预测误差的分层补偿方式。

本书是在中国农业大学叶林教授领导的“电力系统调度运行与控制”团队十余年风电功率预测研究基础上撰写而成的，目的在于推动风电功率预测基础理论研究。本书的研究工作得到了国家自然科学基金新型电力系统领域联合基金重点支持项目“基于源网荷预测信息的高比例新能源电力系统的电力电量平衡理论研究”、智能电网国家科技重大专项“高渗透率新能源、高比例直流和高负荷密度的受端电网构建关键技术”，国家自然科学基金“基于时空间相关性的风电集群功率预测的主动控制策略研究”、“基于测量-关联-预测的大规模风电场风能资源动态评估研究”、“基于组合预测模型的并网风电场短期风电功率预测研究”，国家重点研发计划项目课题“基于数值天气预报高频更新的风电/光伏日内功率及供电保障能力预测技术”的资助。

近十余年来，叶林教授团队承担并完成了国家自然科学基金重点项目、国家重点研发计划、国家电网公司总部科技项目等多项国家级科研项目，积累了丰富的原创性理论成果。近年来，叶林教授团队在新能源发电功率组合预测方法和理论体系、风能资源评估、大规模新能源并网运行控制、电网灾害防控技术等多方面展开深入科学研究，发展和完善多时间尺度新能源发电功率组合预测理论体系、优化新能源发电有功功率的模型预测控制理论、开展极端天气下电网灾害防控体系研究，取得了系统性的创新成果，并在实际中推广应用。相信该书能够推动风电功率预测基础理论研究，为新型电力系统的建设和能源清洁低碳转型提供理论支撑。

程时杰

中国科学院院士

华中科技大学教授

IEEE Life Fellow

2025 年10 月

本文摘编自《大规模并网风电有功功率预测——理论、方法和技术》（叶林著. 北京: 科学出版社, 2026. 3）一书“前言”“序一”“序二”，有删减修改，标题为编者所加。

ISBN 978-7-03-084608-2

责任编辑：范运年王楠楠

本书系统介绍了大规模风电并网运行有功功率预测理论和方法，以期降低大规模风电并网所造成的不利影响，为电力系统运行与控制提供可靠的决策参考。全书共14 章，主要内容包括：绪论、风电功率预测的基本数学理论、风电功率预测的数据基础、风电场的风速-风电功率曲线建模方法、大规模风电功率预测的时空相关性理论、大规模风电功率的时空变化规律、时空相关性的风电场功率双向预测方法、考虑空间相关性约束的风电集群功率稀疏超短期预测方法、时空相关性神经网络的风电集群功率超短期预测方法、风电集群有功功率升尺度预测方法、风电功率组合预测理论、考虑波动过程的短期风电功率组合预测、自适应指数动态优选的风电功率短期组合预测模型、风电功率预测误差分层分析方法。

本书可供从事新能源功率预测、大规模新能源并网运行与控制、新能源电力系统调度自动化等领域的科研人员和工程技术人员阅读参考，也可以作为高等院校相关专业的本科生和研究生学习参考。此外，本书部分内容也可为计算机科学、统计学、经济金融等理论从业者提供参考。