风电作为可再生清洁能源发电的代表,逐渐引起各国的关注。但是风电的随机性、波动性等特点给电能质量、系统安全运行以及正常调度等方面都带来了难题,这就需要考虑对风力发电功率进行预测,增强风电并网后电网结构的稳定,提高电网经济运行。本文主要围绕风电功率实时预测,重点研究以下内容:1.为了更好地分析风电功率的波动特点,选取一阶差分的方法对风电功率进行拟合,用t分布函数作为拟合风电功率波动的概率分布函数,分析风电场每个时段风电功率的波动特性。结果表明风电功率的波动幅度与风电功率的预测精度成反比,联合预测机组的数量越多,风电功率的波动就越小,即呈现一定的“汇聚效应”,这一结果为其预测方法的研究奠定了基础。2.分别建立基于支持向量机法、时间序列法和神经网络法的各单个预测模型并优化,运用Matlab编程完成风电功率的实时预测,绘制出实际值和预测值的曲线直观图。根据国家能源局给出的准确率、合格率和均方根误差的计算公式,计算各模型的预测精度,并用对比法,比较各风电功率预测方法的预测精度。预测结果中,LS-SVM模型的预测精度为87.56%—91.02%,ARMA模型的预测精度为85.05%—88.95%,基于PSO优化的BP神经网络模型的预测精度为85.12%—90.76%。预测结果表明各单个预测方法都能够有效地提高预测精度,且全天预测结果的均方根误差都小于20%,预测的合格率都已超过85%,其中基于最小二乘支持向量机法的风力发电功率的实时预测精度最高,而且通过单台机组与多台机组的对比,发现风电机组的汇聚会使得总体的预测误差减小。3.由于基于各单个预测方法的风电功率实时预测的局限性,最大误差不易把控,本文的新思路就是选取熵值法计算各单个预测模型的权值,建立基于这三种方法相结合的组合预测模型,经计算此模型的预测精度为88.95%—95.09%。结果表明,基于组合预测方法的风力发电功率的实时预测精确度要高于任一单个预测方法的实时预测精度,实时预测的准确率达到95.09%,预测效果最好。研究表明,熵权组合预测模型可以综合各单个预测法的信息,有效地改善风力发电功率实时预测的精确度,能够将其应用到风力发电功率实时预测的系统中,具有较强的实用性。