嚴(yán)干貴,宋薇，楊茂，王東，熊昊

（東北電力大學(xué)微通電力系統(tǒng)研究室，吉林吉林132012）

風(fēng)電聯(lián)網(wǎng)是實(shí)現(xiàn)風(fēng)能大規(guī)模開發(fā)利用的有效途徑，是解決能源和環(huán)境問題的現(xiàn)實(shí)選擇，受到世界各國廣泛關(guān)注，多年來保持較快速度發(fā)展[1]。截至2011年底，中國風(fēng)電累計(jì)并網(wǎng)裝機(jī)容量突破4700萬kW，較2010年同比增長45%。

風(fēng)電機(jī)組受自然風(fēng)能驅(qū)動(dòng)，其輸出功率取決于自然近地風(fēng)力，具有波動(dòng)性、隨機(jī)性和間歇性。因此，風(fēng)電的并網(wǎng)運(yùn)行增加了電力系統(tǒng)不可控的發(fā)電功率，對電力系統(tǒng)維持發(fā)電功率與負(fù)荷功率供需平衡產(chǎn)生不利影響[2-4]，威脅電力系統(tǒng)的安全、穩(wěn)定運(yùn)行。

風(fēng)電功率預(yù)測是指采用一定數(shù)學(xué)方法提前對未來一段時(shí)間內(nèi)風(fēng)電場發(fā)電有功功率進(jìn)行分析預(yù)報(bào)。提高風(fēng)電功率預(yù)測精度是改善含大規(guī)模風(fēng)電電力系統(tǒng)安全經(jīng)濟(jì)性運(yùn)行的重要措施之一[5-6]。風(fēng)電功率實(shí)時(shí)預(yù)報(bào)是指自上報(bào)時(shí)刻起未來15 min至4 h的預(yù)測預(yù)報(bào)。

多年來，國內(nèi)外學(xué)者對風(fēng)電功率預(yù)測理論做了大量研究，提出了多種預(yù)測方法[7-11]。由于風(fēng)電功率波動(dòng)受地形、地貌、天氣及風(fēng)電場運(yùn)行狀態(tài)影響，預(yù)測算法難以準(zhǔn)確反映風(fēng)電場的輸出功率波動(dòng)特性，不可避免地存在預(yù)測誤差[12-15]。因此，如何對所產(chǎn)生的誤差進(jìn)行有效評價(jià)，尋找能最大程度上反映風(fēng)電場風(fēng)電功率波動(dòng)特性的預(yù)測模型，是風(fēng)電功率預(yù)測中具有重要實(shí)用價(jià)值的問題。

本文以幾種常用的風(fēng)電功率預(yù)測方法為例，利用吉林省某風(fēng)電場的實(shí)際歷史輸出功率數(shù)據(jù)，對未

Project Supported by National Natural Science Foundation of China:New Theoretical Framework and Its Key Technology of Spatial Load Forecasting for Urban Power System（NSFC51177009）；Project Supported by National Natural Science Foundation of China:the Research on Power Network Collaborative Modeling and Stationary Control of the Power System Including Wind Farms（60934005）;Project Supported by National Natural Science Foundation of China:the Study on Spill out Effect Inhibition of Wind Farm Group Power Control Strategy(50877009).來輸出功率進(jìn)行實(shí)時(shí)預(yù)測，目的在于結(jié)合風(fēng)電功率的波動(dòng)特性、風(fēng)電場實(shí)際運(yùn)行管理需求及能源局相關(guān)管理規(guī)定，提出一種對不同預(yù)測方法預(yù)測結(jié)果的統(tǒng)一評價(jià)指標(biāo)。該指標(biāo)的提出，不僅可以評價(jià)預(yù)測模型的優(yōu)劣，還為不同地區(qū)風(fēng)電場根據(jù)該地區(qū)風(fēng)電輸出功率變化的特點(diǎn)，選擇預(yù)測模型提供了依據(jù)，從而結(jié)合實(shí)際風(fēng)電并網(wǎng)需求對預(yù)測模型進(jìn)行擇優(yōu)和改進(jìn)，得到更好的預(yù)測效果，將預(yù)測結(jié)果充分運(yùn)用到風(fēng)電聯(lián)網(wǎng)運(yùn)行的生產(chǎn)實(shí)際中去，同時(shí)，該指標(biāo)的提出也為風(fēng)電場輸出功率預(yù)測效果提供了工程檢驗(yàn)依據(jù)。

1 風(fēng)電功率預(yù)測模型評價(jià)方法

1.1 常用風(fēng)電功率預(yù)測評價(jià)指標(biāo)及存在問題

風(fēng)電輸出功率預(yù)測是對未來輸出功率的一種估算，它與客觀實(shí)際仍存在一定差距，該差距即預(yù)測誤差[15]。一般地，預(yù)測系統(tǒng)的絕對誤差Ei定義為

式中，PMi表示i時(shí)刻實(shí)際功率；PPi表示i時(shí)刻預(yù)測功率。

通常情況下，多數(shù)風(fēng)電功率預(yù)測系統(tǒng)使用平均相對誤差MRE（Mean Relative Error）作為預(yù)測效果的評價(jià)依據(jù)，具體定義如式（2）所示

工程上還采用均方根誤差RMSE（Root Mean Squared Error）對系統(tǒng)預(yù)測誤差做出定量分析，其具體定義式如式（3）所示

式中，Pcap為風(fēng)電場開機(jī)容量。

其他描述誤差的指標(biāo)還有絕對值平均誤差MAE（Mean Absolute Error），其定義如式（4）所示，均方誤差MSE（Mean Squared Error）如式（5）所示。

以上誤差指標(biāo)均為目前應(yīng)用較廣泛的系統(tǒng)誤差評價(jià)依據(jù)，多數(shù)實(shí)際工程研究應(yīng)用了其中1種或2種組合評價(jià)指標(biāo)，但僅在計(jì)算后數(shù)值的大小上比較判斷預(yù)測系統(tǒng)的優(yōu)良，未深入研究該指標(biāo)所反映出的實(shí)際工程意義。另外，現(xiàn)有預(yù)測評價(jià)指標(biāo)皆從誤差角度出發(fā)，單一評價(jià)預(yù)測模型的優(yōu)劣，并未結(jié)合風(fēng)電場實(shí)際預(yù)報(bào)需求，提出相關(guān)指標(biāo)指導(dǎo)實(shí)際運(yùn)行生產(chǎn)中發(fā)電計(jì)劃的安排和實(shí)時(shí)調(diào)度。

1.2 多指標(biāo)風(fēng)電功率預(yù)測模型評價(jià)方法

本文提出的多指標(biāo)風(fēng)電功率預(yù)測系統(tǒng)評價(jià)方法，從實(shí)際工程應(yīng)用角度出發(fā)，結(jié)合誤差評價(jià)指標(biāo)與預(yù)報(bào)考核指標(biāo)，分析評價(jià)不同風(fēng)電預(yù)測模型的預(yù)測結(jié)果。該方法不僅涵蓋了原有對系統(tǒng)誤差的分析，而且包括了風(fēng)電場所需的預(yù)報(bào)考核考核指標(biāo)，滿足《風(fēng)電場功率預(yù)測預(yù)報(bào)管理辦法》。

1.2.1 誤差評價(jià)指標(biāo)

1）絕對值平均誤差MAE（Mean Absolute Error），MAE是對誤差平均幅值的綜合評價(jià)，與MRE相比，不受某一時(shí)刻風(fēng)電輸出功率波動(dòng)的影響。MRE的計(jì)算需要將誤差與對應(yīng)時(shí)刻的真實(shí)值做比值以考慮系統(tǒng)的預(yù)測精度，該誤差指標(biāo)雖然已在負(fù)荷預(yù)測及風(fēng)電功率預(yù)測中廣泛應(yīng)用，但在實(shí)際并網(wǎng)的風(fēng)電場的風(fēng)電功率預(yù)測中，其實(shí)際可參考性仍有待商榷。由于風(fēng)電場在實(shí)際運(yùn)行中，風(fēng)電輸出功率具有極強(qiáng)的波動(dòng)性和間歇性，因而實(shí)際風(fēng)電機(jī)組出力某一時(shí)刻可能接近0，導(dǎo)致EMRE過大，無法反應(yīng)出預(yù)測結(jié)果偏離實(shí)際值的平均程度，此時(shí)用MRE來衡量風(fēng)電功率預(yù)測系統(tǒng)精度就會失去其原有實(shí)際意義[16]。

2）均方根誤差RMSE（Root Mean Squared Error），RMSE常用來衡量預(yù)測系統(tǒng)誤差的分散度，從本質(zhì)上評價(jià)了預(yù)測系統(tǒng)的整體性能。但一般不會單獨(dú)作為誤差的衡量指標(biāo)。因此，在評價(jià)預(yù)測模型誤差時(shí)與MAE結(jié)合考慮，作為對預(yù)測系統(tǒng)模型長期運(yùn)行狀態(tài)的“宏觀”評價(jià)。

1.2.2 預(yù)報(bào)考核評價(jià)指標(biāo)1）準(zhǔn)確率。文獻(xiàn)[7]中將準(zhǔn)確率定義如式（6）所示

式中，r1為預(yù)測曲線準(zhǔn)確率；Pmk為k時(shí)段的實(shí)際平均功率；Ppk為k時(shí)段的預(yù)測平均功率；N為日考慮總時(shí)段數(shù)；Pcap為風(fēng)電場開機(jī)容量，但在風(fēng)電場實(shí)際運(yùn)行中，開機(jī)容量根據(jù)當(dāng)日發(fā)電計(jì)劃變化而變化，難以準(zhǔn)確計(jì)算，本文采用額定裝機(jī)容量來替代。月（年）平均風(fēng)電預(yù)測計(jì)劃曲線準(zhǔn)確率（%）為日平均預(yù)測計(jì)

劃曲線準(zhǔn)確率的算術(shù)平均值。

2）合格率。文獻(xiàn)[7]中將準(zhǔn)確率定義如下月（年）平均風(fēng)電預(yù)測計(jì)劃曲線合格率（%）為日平均預(yù)測計(jì)劃曲線合格率的算數(shù)平均值。

以上評價(jià)指標(biāo)可分為誤差評價(jià)指標(biāo)和預(yù)報(bào)考核指標(biāo)2大類，誤差評價(jià)指標(biāo)主要包含絕對值平均誤差MAE和均方根誤差RMSE，通過對比不同預(yù)測系統(tǒng)計(jì)算出的MAE和RMSE，可以判斷出系統(tǒng)預(yù)測效果的好壞及誤差產(chǎn)生原因。預(yù)報(bào)考核指標(biāo)主要包括準(zhǔn)確率與合格率，首先，提出此指標(biāo)的目的在于判斷某一預(yù)測系統(tǒng)是否滿足實(shí)際風(fēng)電場并網(wǎng)對預(yù)報(bào)系統(tǒng)預(yù)報(bào)結(jié)果的相應(yīng)要求；其次，預(yù)報(bào)考核指標(biāo)也有助于結(jié)合風(fēng)電場實(shí)際并網(wǎng)需求在不同預(yù)測模型中進(jìn)行篩選，即先篩選出預(yù)測結(jié)果準(zhǔn)確率較高的預(yù)測模型，再通過對比合格率的高低找出最優(yōu)預(yù)測模型。當(dāng)預(yù)測準(zhǔn)確率普遍較低時(shí)，也可以通過以上方法實(shí)現(xiàn)不同預(yù)測模型間的擇優(yōu)。與此同時(shí)，相關(guān)部門可以根據(jù)該指標(biāo)對不同風(fēng)電場是否滿足并網(wǎng)要求進(jìn)行調(diào)度。

綜上所述，通過以上2類指標(biāo)對不同預(yù)測系統(tǒng)預(yù)測結(jié)果的綜合評價(jià)，最終實(shí)現(xiàn)對預(yù)測系統(tǒng)的擇優(yōu)并提出改進(jìn)意見，具體流程如圖1所示。

圖1 風(fēng)電功率預(yù)測系統(tǒng)評價(jià)流程圖Fig.1 The flow chart of wind power prediction system evaluation

2 不同預(yù)測模型多指標(biāo)分析

2.1 樣本系統(tǒng)簡介

圖2為吉林某風(fēng)電場2012年1月6日至2012年1月31日，共計(jì)26 d的歷史輸出功率數(shù)據(jù)P的觀測數(shù)據(jù)，該序列采樣時(shí)間分辨率滿足國家能源局規(guī)定標(biāo)準(zhǔn)15 min/個(gè)，共2496個(gè)點(diǎn)。取2012年1月6日前15點(diǎn)數(shù)據(jù)作為超短期預(yù)測模型建模域，以線性回歸法、建模域均值法及灰色理論法為例，分別對該風(fēng)電場進(jìn)行提前4 h的超短期風(fēng)電功率預(yù)測。以2012年1月6日0:00時(shí)刻為起始點(diǎn)，預(yù)測未來16個(gè)點(diǎn)的輸出功率結(jié)果如圖3所示。

圖2 吉林某風(fēng)電場2012年1月6日至2012年1月31日歷史輸出數(shù)據(jù)Fig.2 Historical data output of Jilin from Jan.62012 to Jan.312012

圖3 吉林某風(fēng)電場實(shí)時(shí)預(yù)測（4 h）預(yù)測曲線Fig.3 Forecast curve of a wind farm in Jilin(4 h)

實(shí)時(shí)預(yù)報(bào)（0～4 h）要求并網(wǎng)風(fēng)電場按規(guī)定要求每15 min滾動(dòng)上報(bào)未來15 min至4 h的風(fēng)電功率預(yù)測數(shù)據(jù)，進(jìn)而可以根據(jù)該數(shù)據(jù)實(shí)時(shí)滾動(dòng)修正日預(yù)測曲線。當(dāng)?shù)趎（n≤96）次滾動(dòng)上報(bào)實(shí)時(shí)預(yù)測曲線時(shí)，表明實(shí)時(shí)預(yù)測曲線已對該日日預(yù)測曲線修正n次。圖4為n=48時(shí)實(shí)時(shí)預(yù)測曲線與前48次修正的日預(yù)測曲線；當(dāng)n=96時(shí)，該日96組實(shí)時(shí)預(yù)測數(shù)據(jù)修正的最終日預(yù)測曲線如圖5所示，為整體觀察不同預(yù)測模型的實(shí)時(shí)預(yù)測效果，圖6給出了2012年1月6日至2012年1月12日為期7 d共計(jì)672次修正的實(shí)時(shí)預(yù)測曲線。

2.2 風(fēng)電場輸出功率預(yù)測的評價(jià)

2.2.1 預(yù)測誤差評價(jià)指標(biāo)分析

圖4 2012年1月6日,n=48時(shí)實(shí)時(shí)預(yù)測曲線與修正后的日預(yù)測曲線Fig.4 The real-time and corrected daily prediction curve at n=48 on Jan.62012

圖5 2012年1月6日,n=96時(shí)滾動(dòng)實(shí)時(shí)預(yù)測數(shù)據(jù)最終修正的日預(yù)測曲線Fig.5 The corrected daily prediction curves at realtime at n=96 on Jan.62012

圖6 2012年1月6日～2012年1月31日滾動(dòng)實(shí)時(shí)預(yù)測數(shù)據(jù)最終修正的日預(yù)測曲線Fig.6 The corrected daily prediction curves at realtime from Jan.62012 to Jan.312012

采用線性回歸法、建模域均值法及灰色理論法對該風(fēng)電場2012年1月6日的輸出功率進(jìn)行實(shí)時(shí)預(yù)測，圖7和圖8給出了3種方法的整日實(shí)時(shí)預(yù)測的MAE和RMSE指標(biāo)變化曲線，表1為該日0:00開始每隔4 h抽取的實(shí)時(shí)預(yù)測MAE和RMSE、全天96次及26 d實(shí)時(shí)滾動(dòng)預(yù)測誤差指標(biāo)的平均值E軍、E軍e。

圖8 2012年1月6日不同方法的實(shí)時(shí)預(yù)測均方根誤差Fig.8 Real-time prediction RMSE using different methods

表1 不同方法預(yù)測誤差指標(biāo)對比Tab.1 Error index comparison using different prediction methods

從圖7、圖8可以看出，同一種預(yù)測方法的MAE和RMSE指標(biāo)變化趨勢基本一致，明顯看出基于灰色理論法的風(fēng)電功率預(yù)測模型預(yù)測結(jié)果的MAE和RMSE曲線幅值波動(dòng)非常大，基于建模域均值法和線性回歸法的誤差指標(biāo)變化曲線雖形狀不盡相同，但曲線波動(dòng)范圍大概一致。結(jié)合表1具體預(yù)測結(jié)果的誤差指標(biāo)可知，基于灰色理論法的預(yù)測系統(tǒng)在單點(diǎn)處預(yù)測效果不穩(wěn)定，預(yù)測的誤差平均幅值偏大，且誤差出現(xiàn)點(diǎn)分散度大，從而影響了該方法的預(yù)測精度；基于線性回歸法的預(yù)測系統(tǒng)誤差波動(dòng)范圍要小于其余2種預(yù)測系統(tǒng)，因而該預(yù)測系統(tǒng)的預(yù)測精度較高。

2.2.2 預(yù)報(bào)考核指標(biāo)分析

3種方法的準(zhǔn)確率及合格率如圖9、圖10及表2所示。基于灰色理論法的預(yù)測系統(tǒng)預(yù)報(bào)考核指標(biāo)波動(dòng)幅度較大，不滿足并網(wǎng)要求；建模域均值法及線性回歸法預(yù)測系統(tǒng)相對穩(wěn)定，且建模域均值法預(yù)測系統(tǒng)的預(yù)報(bào)合格率略高于線性回歸法預(yù)測模型。結(jié)合表1和表2可以發(fā)現(xiàn)，雖然r22＞r23，但是EMAE＜EMAE，ERMSE2＜ERMSE2,即建模域均值法誤差波動(dòng)范圍較大，個(gè)別“壞點(diǎn)”影響了整個(gè)系統(tǒng)的預(yù)測精度，雖合格率高，但預(yù)測效果卻不及線性回歸法的預(yù)測系統(tǒng)，若將個(gè)別“壞點(diǎn)”做處理，預(yù)測精度會有進(jìn)一步提高；同理，若能將線性回歸法的預(yù)測誤差進(jìn)一步修正，預(yù)測性能也會有顯著提高。

圖9 不同方法預(yù)測結(jié)果準(zhǔn)確率Fig.9 The accuracy of different predicted methods

圖10 不同方法預(yù)測結(jié)果合格率Fig.10 The pass rate of different predicted methods

表2 不同方法預(yù)報(bào)考核指標(biāo)對比Tab.2 Forecasting evaluation indicators of different prediction methods

通過3種預(yù)測模型的評價(jià)指標(biāo)對比分析可以看出，線性回歸法預(yù)測模型的實(shí)時(shí)預(yù)測效果最好，精度最高，建模域均值法預(yù)測效果次之。說明本文提出的預(yù)測系統(tǒng)評價(jià)指標(biāo)實(shí)現(xiàn)了對不同預(yù)測系統(tǒng)的綜合評價(jià)及其擇優(yōu)，具有一定推廣價(jià)值。

3 結(jié)語

本文提出了一種風(fēng)電實(shí)時(shí)預(yù)測評價(jià)方法，該方法從對預(yù)測結(jié)果的誤差綜合分析出發(fā)，兼顧了實(shí)際風(fēng)電場并網(wǎng)運(yùn)行中對預(yù)測結(jié)果準(zhǔn)確度及合格度的考核指標(biāo)，并對相應(yīng)預(yù)測方法提出了改進(jìn)意見。實(shí)測數(shù)據(jù)算例表明，該評價(jià)方法有助于預(yù)測方法本身的優(yōu)化改進(jìn)和不同預(yù)測方法間的正確性評價(jià)。

[1]郭劍波．未來我國電網(wǎng)呈現(xiàn)三大特點(diǎn)[EB/OL]．(2011-5-20)[2011-7-30].http://finance.jrj.com.cn/industry/2011/05/20151810018755.shtml．

[1]谷興凱，范高峰，王曉蓉，等．風(fēng)電功率預(yù)測技術(shù)綜述[J]．電網(wǎng)技術(shù)，2007，31（2）：335-338．GU Xing-kai，F(xiàn)AN Gao-feng，WANG Xiao-rong，et al．Summ-arization of wind power prediction technology[J]．PowerSystemTechnology，2007，31（2）：335-338(inChiese)．

[2]吳俊，李建設(shè)，周劍，等．風(fēng)力發(fā)電并網(wǎng)對電網(wǎng)的影響[J]．南方電網(wǎng)技術(shù)，2010，4（5）：48-52．WU Jun，LI Jian-she，ZHOU Jian，et al．Influence of wind power generation integrating into power grids[J]．Southern Power System Technology，2010，4（5）：48-52(in Chinese)．

[3]張麗英，葉廷路，辛耀中，等．大規(guī)模風(fēng)電接入電網(wǎng)的相關(guān)問題及措施[J]．中國電機(jī)工程學(xué)報(bào)，2010，30（25）：1-9．ZHANG Li-ying，YE Ting-lu，XIN Yao-zhong，et al．Problems and measures of power grid accommodating large scalewindpower[J]．ProceedingsoftheCSEE，2010，30（25）：1-9(in Chinese)．

[4]余洋，陳盈今，劉立卿，等．大規(guī)模風(fēng)電接入電網(wǎng)電壓穩(wěn)定性影響[J]．電力科學(xué)與工程，2010，26（4）：1-4．YU Yang，CHEN Ying-jin，LIU Li-qing，et al．The study of large scale wind power on power system voltage stability[J]．Electric Power Science and Engineering，2010，26（4）：1-4(in Chinese)．

[5]王健，嚴(yán)干貴，宋薇．風(fēng)電功率預(yù)測綜述[J]．東北電力大學(xué)學(xué)報(bào)，2011，31（3）：21-22．WANG Jian，YAN Gan-gui，SONG Wei．Summarization of wind power prediction technology[J]．Journal of Northeast Dianli University，2011，31（3）：21-22(in Chinese)．

[6]屠強(qiáng)．風(fēng)電場預(yù)測技術(shù)的應(yīng)用現(xiàn)狀及運(yùn)行建議[J]．電網(wǎng)與清潔能源，2009，25（10）：4-9．TU Qiang．Existing applications of wind power forecasting technology and relevant suggestions[J]．Power System and Clean Energy，2009，25（10）：4-9(in Chinese)．

[7]王麗捷，冬雷，廖曉鐘．基于小波分析的風(fēng)電場短期發(fā)電功率預(yù)測[J]．中國電機(jī)工程學(xué)報(bào)．2009，29（28）：30-33．WANG Li-jie，DONG Lei，LIAO Xiao-zhong．Short-term powerpredictionof a wind farm based on wavelet analysis[J]．Proceedings of the CSEE．2009，29（28）：30-33(in Chinese)．

[8]孟洋洋，盧繼平，孫華利，等．基于相似日和人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率短期預(yù)測[J]．電網(wǎng)技術(shù)，2010，34（12）：164-167．MENG Yang-yang，LU Ji-ping，SUN Hua-li，et al．Shortterm wind power forecasting based on similar days and artificial neural network[J]．Power System Technology，2010，34（12）：164-167(in Chinese)．

[9]葉晨．風(fēng)電功率組合預(yù)測研究[D]．北京：華北電力大學(xué)，2011．

[10]連文莉，黃成辰，呂昌霖．采用時(shí)間序列預(yù)測風(fēng)電場出力[J]．電網(wǎng)與清潔能源，2011，27（12）：112-115．LIAN Wen-li，HUANG Cheng-chen，Lü Chang-lin．Wind power output prediction based on time series[J]．Power SystemandCleanEnergy，2011，27（12）：112-115(inChinese)．

[11]丁明，張立軍，吳義純．基于時(shí)間序列分析的風(fēng)電場風(fēng)速預(yù)測模型研究[J]．電力自動(dòng)化設(shè)備，2005，25（28）：32-34．DING Ming，ZHANG Li-jun，WU Yi-chun．Wind speed forecastmodelfor wind farm based on time series analysis[J]．Electric Power Automation Equipment，2005，25（28）：32-34(in Chinese)．

[12]范高峰，裴哲義，辛耀中．風(fēng)電功率預(yù)測的發(fā)展現(xiàn)狀與展望[J]．中國電力，2011，44（6）：38-41．FAN Gao-feng，PEI Zhe-yi，XIN Yao-zhong．The development status and prospect of wind power prediction[J]．Electric Power，2011，44（6）：38-41(in Chinese)．

[13]楊桂興，常喜強(qiáng)，王維慶，等．對風(fēng)電功率預(yù)測系統(tǒng)中預(yù)測精度的討論[J]．電網(wǎng)與清潔能源，2011，27（1）：67-71．YANG Gui-xing，CHANG Xi-qiang，WANG Wei-qing，et al．Discussions on prediction accuracy of wind power forecasting system[J]．Power System and Clean Energy，2011，27（1）：67-71(in Chinese)．

[14]陳國棟，姚建剛，錢衛(wèi)華，等．基于誤差預(yù)測修正的負(fù)荷預(yù)測研究[J]．現(xiàn)代電力，2007，24（3）：11-15．CHEN Guo-dong，YAO Jian-gang，QIAN Wei-hua，et al．Research on load forecasting based on predicted error amendment[J]．Modern Electric Power，2007，24（3）：11-15(in Chinese)．

[15]徐曼，喬穎，魯宗相．短期風(fēng)電功率預(yù)測誤差綜合評價(jià)方法[J]．電力系統(tǒng)自動(dòng)化，2011，35（12）：20-26．XU Man，QIAO Ying，LU Zong-xiang．A comprehensive error evaluation method for short-term wind power prediction[J]．Automation of Electric Power System，2011，35（12）：20-26(in Chinese)．