风能是我国近年来蓬勃发展的一种清洁能源,中国自2010年起便成为世界第一风力发电大国,有大量已经建成和正在规划建设的风电场。本文的研究对象浙江省台州市椒江区大陈岛含风电场电网位于浙江省东部沿海,处于中国风能资源较为丰富的区域,地理上距长三角电力负荷中心很近,是我国风电发展的重点地区。据有关部门初步估计,大陈岛包括其附属岛屿及附近海面的潜在风力发电总容量超过百万千瓦,这个数值相当可观,受到浙江省政府的高度重视。2009年大陈岛联网工程顺利完工,通过35kV海底电缆联络台州地区主网,正式结束了大陈岛电网长期孤网运行的历史。2010年,岛上由华东勘测设计研究院设计的大陈岛星星风电场I期并网发电,风电总装机容量25.5MW,给台州东部电网注入了新的活力。星星风电厂I期工程的投运对主管星星风电调度运行的椒江供电公司而言则是一个全新的挑战,因为风电输出功率的不确定性给调度运行造成了不少困难。据悉,星星风电Ⅱ期工程正在论证,更需要充分吸取I期工程的经验,做好前期规划和研究。风电并网带给椒江电网调度运行部门带来的困难大致有以下两点:1)风电的随机不确定性给制定发电计划带来很大困难,特别是日常调度中几乎无法对风电机组可能的输出功率情况做出有效预测;2)星星风电机组的并网对其接入点局部电网的潮流、网损、频率、功角、产生大量不可预判的影响,曾经严重影响接入点变金清变的电压稳定。本文针对大陈岛星星风电场的实际,利用python语言及相关开源工具包,主要研究以下方面内容:一、国内外风能发展的最新进展,并简要介绍大陈岛电网的历史及岛上风电发展的历史。二、通过威布尔(weibull)概率模型推导出单台风力发电机组输出功率概率模型及风电场整体输出功率概率模型。三、介绍潮流计算的基本概念和常用算法,并引入Python计算机编程语言,利用Pypower模块,研究星星风电场并网对局部电网的潮流影响。四、借鉴德国windML项目使用数据挖掘和机器学习算法预测风电输出功率的新思路,调用Sklearn模块的KNN算法和SVR算法,探索从一个截然不同的角度——数据挖掘和机器学习算法提高大陈岛风电场输出功率预测准确性的可能性。