风速波动是引起功率波动和影响风电功率预测精度的最主要原因。风速时序波动具有长程相关性,充分挖掘风速时序波动规律能够有效地提高风速及风电功率预测精度。现阶段,通常采用轮毂高度风速进行风电功率预测,但是,对于低风速地区,风电机组具有高塔筒、长叶片的特点,风速在整个风轮扫略平面内波动明显增加,用轮毂高度风速代表整个风轮的风速效应将带来更大的预测误差,应该采用能够代表整个风轮扫略平面内风速效应的等效风速进行风电功率预测。因此,本文针对低风速地区风资源的特殊性,充分挖掘风速时空变化规律,研究适用于低风速地区的风电功率预测技术。主要研究内容如下:(1)计及风速时序波动的超短期风速预测模型构建构建计及风速时序波动的超短期风速预测模型,模型输入为历史风速波动量、当前时刻风速,输出为未来时刻风速和风速波动方向标签;针对未来4个不同时刻,分别构建4个基于BP神经网络的超短期风速预测模型,并分析风速波动方向预测结果与预测风速的波动方向的一致性,采用风速波动持续模型修正预测风速,进而实现提前1h风速滚动预测。算例结果表明:该方法能够有效地提高提前1h风速预测精度,且消除滚动预测带来的预测误差叠加效应。(2)计及风切变效应的风轮等效风速计算方法研究针对现有的基于等效转矩的风轮等效风速计算模型的不足之处,提出了基于等效功率的风轮等效风速计算方法,并结合风电机组实际运行数据,对比分析两种等效风速计算结果随不同方位角、风切变以及轮毂高度处来流风速的变化规律。算例结果表明:所提模型能够有效地反映风轮等效风速在风电机组不同控制阶段的变化规律,更符合风电机组实际运行状况。(3)风电机组数据清洗及风电功率预测方法研究基于风电机组实测数据,提出基于二维核密度估计和四分位法的异常数据清洗方法,并采用Bin值法拟合风电机组实测功率曲线;然后,基于第二章超短期风速最优预测结果,采用风轮等效风速计算模型进行风速修正,并结合拟合所得实际功率曲线计算风电机组预测功率。算例结果表明:所提方法能够有效地提高风电功率预测精度。