引言：自2023年底我国风力发电已经逐步成为我国电力供应过程中不可忽略的一部分，风电装机容量约占4.4亿kW，占我国发电总装机容量的15.1%。风力发电作为一种新型的发电体系，具有随机性以及不确定性，这也导致电力系统在进行电力供应时存在不稳定性的问题。电网安全与新能源的使用矛盾在当下日益凸显，如果功率预测质量不佳，在进行电网调度时，调度质量就无法得到提升，难以满足我国当前电力发展的实际需求。特别是山地风电场，由于其风控更为复杂，需要选择可靠的功率模型，这也是风电行业发展过程中有待解决的问题之一。

一、风况复杂多变山地风场的风机功率预测现状

近年来，由于科学发展速度越来越快，科技的迅速发展与人口数量的大幅度增加，使得全球视角上对资源的需求量在不断提升，为了满足生态发展与日常生活发展之间的需求与平衡，我国提出了“碳达峰碳中和”等一系列发展战略。

针对风机功率预测，近几年无论是国内或国外都展开了大幅度的研究，基于气象学的预测方式方法进行分析，提出了各类与风力发电预测相关的预测模型。结合气象信息与风力发电机频率特性组合构建预测模型，可以降低大量信息本身所带来的复杂程度，与此同时，也可以利用大数据技术等进行旋风功率模型预测的组合与分析。结合遗传算法优化以及BP神经网络对短时间内相对规律的风速进行预测，或是选择拓扑结构对BP网络进行改进，建立SWBP模型对所有数据进行研究和还原，但是选择这种模型运算模式，其仍旧属于气象学与单机测峰功率预测方法。在预测的过程中，无论是精准度或是稳定性均无法得到提升，具有较差的普适性特点。每个风机虽然开展了个性化建模，但是其无法大批量地进行应用，更难以大规模的应用。在风场功率的预测中，利用机器学习时功率预测质量无法得到提升，难以获得更稳定的风速，耗时相对较长。在实际应用过程中还需要考虑到山地地区的实际情况，做好气象数据的精准预测，同时也需要对风机的情况、逻辑状态等进行判断和优化，采用测风设备不断优化功率模型，确保设计功率曲线与实际功率曲线差别相对较大，所获得的数据在使用时准确性也会不断降低。为此，构建全新的模型实现对两个不同数据曲线的迭代整合与修整，确保在复杂多变的山地情况下功率预测的准确性与效果得到提升，满足当下应用的实际需求。在风机功率预测的过程中，采取相应的气象信息作为输入，通过气象信息能够实现对风机状况的实时预测，考虑到风速与功率之间的对应关系进行相应信息和数据的获取，最终可以计算出当前风机的实际预测功率，其具体内容如下图一所示。以往所选择的预测功率模型均为理论功率预测模型，在进行风机功率预测过程中是以气象数据作为主要的输入数据，根据以往的数据内容处理，将参数数据整合、收集、分析，功率曲线所映射的是该地区风机在进行发电时的规律，并且输出的预测功率、理论功率更加正确。选择理论功率预测模型进行应用，大多数情况下所获得的数据均处于理想状况下，才能实现风机的实际发电能力与功率曲线处于一致状况，并且可以根据该曲线模型算出当前风速下风机在使用时其功率最大值。但是由于在实际应用过程中无法保持理想状况，每一处都存在一定的偏差，其所处的机位、空气密度同样存在一定的差异性，这也导致在实际发电过程中，大多数情况下性能均存在一定的偏差，所处地位的空气密度同样存在一定的差异性，这也导致风机的实际发电功率相比于设计取向而言均略低。

图1理论功率预测模型

二、风场实际应用的功率预测模型

根据目前我国的山地风场的风机功率预测实际情况进行分析，能发现风况本身是复杂且多变的，在进行测速的过程中，应该考虑到的不仅仅是风速和风向的变化，还有其可能存在的各类突发变故。当下应对风速进行平滑处理，目的是避免在后续功率预测中，预测结果不佳。为了进一步真实地体现出当下风机在使用过程中的实际发电能力和效果，应判断在不同的情况下风机是否已经处于最大的出力状态。如果在实际计算的过程中，发现风机已经达到最大的、最佳的出力状态，应该利用实发功率代替设计功率曲线利用公式所计算出的具体内容，将相应的数据作为风机当前的发电潜力的数据参考内容，目的是提供最正确的、高效的电网调度指引。如果在实际应用的过程中，发现风机在实际运行的过程中，并没有处在最大出力状态，则所选择进行预测功率时应用的则是设计功率曲线，这种方法可以实现对不同的、复杂的情况进行分析和处理，保障在后续风电场功率预测的过程中，始终处在连续平稳的情况下，所获得的数据即体现当前风速变化的状态，同时还可以做到当风机处于最大出力状态下，可以根据已经获得的风机实发功率作为预测功率的数据，该数据的出现直接体现了目前山地风场的风机的发电潜力，并且为本次工作提供了真实的、准确的、有效的预测出力值。

但是在选择这种风场实际应用的功率预测模型时，仍旧会存在一定的问题，这些问题也导致在该模型使用的过程中，仍旧需要进一步地被优化，其中包括了：

第一，如果预测功率表现效果难以完全进行应用。在该模型使用的过程中，所有的功率预测均依赖于设计功率曲线与实际功率曲线本身的符合程度。特别是在非满发状态，如果在使用的过程中，仅仅依靠已有的设计功率曲线进行应用，就会导致所获得的计算值难以与实际情况完全相匹配。例如，在面对风机实际功率曲线与设计功率曲线相差较大的情况下，利用该模型进行计算，所获得的计算数值可能会出现风场当前的预测功率高于风场实际发电能力，该模型对风场发展的出力计划值的支持不足。

第二，当预测功率表现效果难以完全进行应用的情况下，很容易预测数据与实际数据之间形成的功率曲线计算值突变现象。其中，一旦预测功率的突变会带来的后果是调度计划值随之变更，导致在进行风机的有功目标值分配的过程中出现突然的变化，甚至会给风机在控制上带来极为不稳定的负面影响，甚至出现了全场有功出力上的震荡。

第三，由于山地风场风况复杂多变，面对不同的机位、不同的工况无法根据实际情况进行随时随地的调整，动态调整治疗不佳就无法提高功率预测效果。为此，需要根据上述模型在实际应用中表现出的问题，进行不断地修正，选择桨角迭代修正的风机功率预测模型，进一步提高在风况复杂多变山地风场的风机功率预测效果。

三、桨角迭代修正的风机功率预测模型

1.桨角迭代修正的风机功率预测模型

针对“获取风速”的环节分析，目前在风况复杂多变山地风场中大多数情况下选择的仍旧是平滑的风速处理方式，根据现场应用的实际情况和表现进行分析。针对“获取功率曲线部分”所选择方式是利用“修正拟合”的方法进行处理，基于不改变风速－功率点值的前提下，可以针对低风速段的功率预测值进行提高，并且可以在并网阶段以及之前可以获取更多的发电指标。如果面对的高风速段的情况下，可以适当地减少其中的拟合值，确保功率预测的曲线更加贴近于实际的功率曲线。风况复杂多变山地风场中风机运行的过程中，如果在某风速点的风机出，其本身处于最大的出力状态下，及时的记录当下的实发功率以此作为后续的功率曲线在制作过程中的参考数据，实现对内容的迭代修正，确保在完成计算后功率曲线和各个不同风机的使用实际功率曲线格外的贴合。进行“计算预测功率”的部分，需要选择下述公式进行计算，确保功率预测的效果得到提升。

其中A°≤≤90°；B°≤≤A°；≤B°；在上述算式中，Ppre所表示的是在风况复杂多变山地风场中的预测功率，Pcal所表示的是在风况复杂多变山地风场中由功率曲线计算出的功率，Ptrat所表示的是在风况复杂多变山地风场中的暂态功率，Pact所表示的是在风况复杂多变山地风场中的风机实发功率，φ所表示的是在风况复杂多变山地风场中的桨角相关变量，其中A和B是桨角相关的度数阈值，k则是相关桨角系数。

通过上述的计算公式进行分析，在山地风场中进行风功率的计算，利用桨角迭代修正的风机功率预测模型计算出设计功率曲线，模拟在远未达到最大出力的情况，分析该风电场的实际情况，利用这种功率曲线可以更好的了解到在没有达到最大情况下的风电场的效率。在设计功率预测中，所预测的是实发功率，则需要选择基本达到最大出力来表示其预测功率。结合桨角迭代修正的风机功率预测模型，将桨角相关变量和实发功率两个最重要的参数应用其中，可以更好地构建一个暂态功率，从而进一步的提高功率预测的实际情况，实现精准的对功率进行预测和管理，在实际应用的过程中，利用桨角迭代修正的风机功率预测模型能够达成以下工作需求：

第一，利用模型本身的修正和拟合的作用，能确保模型在不同的环境下、效果下都可以不断地降低在发电过程中的具体指标，并且实现对各个不同风速下的功率曲线计算值进行修正，其最终的目标是实现对预测功率的辅助和修正，保证修正的效果和质量可以不断提升。第二，在进行功率识别的过程中，实现对实发功率值的识别和应用，能够对功率曲线进行定期的更新、迭代，实现根据实际情况对风电场中各个不同的机位功率曲线的动态调整，使得整个模型所得到的数据内容更加贴近实际功率的曲线。第三，桨角迭代修正的风机功率预测模型的出现为桨角相关变量提供了一种预测功率的计算方法。需要对桨角的实际状态分析，了解、分析风机当下所处在的状态进行分类处理，并提出了一个全新的暂态功率实现对预测功率的取值和管理，有效地避免由于设计功率曲线与实际功率曲线之间的差值导致的预测值突变，实现准确的对风机预测功率的计算。

2.仿真参数的设置

为了更好地分析桨角迭代修正的风机功率预测模型，可以设置一台风机为5 MW，风速从3 m/s开始，其中前一秒的风速和后一秒的风速存在明显的区别，其区间范围在（-0.1，+0.4）之间，数据处于一种随机变化的状态，甚至整体的增加趋势为持续60 s，其中风机的限电为3 MW。在本次模型的设计过程中，需要考虑到应对其中涉及的方法进行加权迭代修正，结合真实风速－功率值对设计功率曲线，对风场的实际变化、数据情况、应用方法、功率预测的情况进行分析。根据下表1所示，

表1仿真参数设置

根据上述表格以及参数进行分析，可以将上述内容分为两个不同的场景：第一个场景，理想功率曲线。是指在功率预测的过程中，所得出的实际功率曲线与设计功率曲线一致。第二个场景：为了进一步实现功率曲线的可以与实际情况相吻合，确保实际功率曲线与设计功率曲线能够达成风电场的实际使用需求。

结语

综上所述，山地风场中面对的最大问题就是整体情况相对较为复杂且多变，难以在短时间内快速地找到风的变化规律，在这种情况下更需要做好风况功率的预测，有效地避免由于预测模型的应用效果不佳，而导致的预测曲线失真，预测效果和质量均不断下降，甚至导致预测难以满足山地风场辩护的实际需求。本文选择的是桨角相关变量的计算模型，利用该模型可以实现精准的对风机功率进行预测，能够快速的适应不同的复杂的山地情况，在面对复杂的工况中仍旧可以精准的预测风机功率，这对风场功率预测与调度计划分配有积极意义，能满足我国社会发展与工程的实际应用需求。

参考文献：

[1]蒋熹,王宁练,贺建桥,等.中国西部山地冰川区地面风场特征及其局地天气气候意义[J].中国科学:地球科学,2025,55(08):2849-2861.

[2]范信凌,张东栋,张斌,等.山地大型柔性支架光伏阵列风场特性的数值模拟研究[J].太阳能,2025,(03):45-55.