T_HDNY 10—2025 风电场发电功率智能预测建模规范.docx

T/HDNY10—2025风电场发电功率智能预测建模规范

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由[预留归口单位填写位置]归口。

本文件起草单位：[预留起草单位填写位置]

本文件主要起草人：[预留主要起草人填写位置]

本文件为首次发布。

1范围

本文件规定了风电场发电功率智能预测建模的术语和定义、总则、数据管理、模型构建、模型训练与验证、模型部署与运行、模型更新与优化、安全管理及档案管理等内容。

本文件适用于各类陆上风电场、近海风电场发电功率智能预测模型的规划、设计、构建、部署、运行及维护全流程管理，可供风电场运营单位、建模单位、检测单位、科研机构及相关从业人员使用。

本文件不适用于储能系统配套风电场的联合功率预测建模，也不适用于危险环境下（如强台风、暴雪、强腐蚀区域）专用风电场的发电功率智能预测建模。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T1.1—2020标准化工作导则第1部分：标准化文件的结构和起草规则

GB/T19963.1—2021风电场接入电力系统技术规定第1部分：陆上风电

GB/T19963.2—2021风电场接入电力系统技术规定第2部分：海上风电

GB/T36555—2018风电场发电功率预测技术导则

GB/T37971—2019风力发电机组监控系统技术要求

DL/T1506—2016风电场发电功率预测系统技术条件

DL/T2533—2022风电场大数据应用技术导则

NB/T31004—2011风电场风能资源测量方法

NB/T31099—2018风电场运行维护规程

Q/GDW1826—2012风电功率预测系统功能规范

Q/GDW1827—2012风电功率预测系统性能指标

3术语和定义

下列术语和定义适用于本文件。

3.1风电场windfarm

由多台风力发电机组、集电线路、升压站及相关辅助设施组成，集中开发、统一管理，将风能转化为电能并接入电力系统的发电单元，包括陆上风电场景和近海风电场。

3.2发电功率智能预测建模intelligentpredictionmodelingofpowergeneration

基于风电场历史运行数据、气象数据、设备状态数据等，运用机器学习、深度学习、大数据分析等智能技术，构建能够精准预测风电场短期、中期、长期发电功率的数学模型，实现发电功率的科学预判、动态调整的全过程。

3.3短期发电功率预测short-termpowergenerationprediction

预测周期为0～72小时的风电场发电功率预测，主要用于电力系统调度、风电场运行优化，预测时间分辨率不应低于15分钟。

3.4中期发电功率预测medium-termpowergenerationprediction

预测周期为3～14天的风电场发电功率预测，主要用于风电场发电计划编制、电力市场交易参考，预测时间分辨率不应低于1小时。

3.5长期发电功率预测long-termpowergenerationprediction

预测周期为15天及以上的风电场发电功率预测，主要用于风电场年度发电计划制定、能效评估，预测时间分辨率不应低于1天。

3.6特征数据featuredata

用于风电场发电功率智能预测建模的各类基础数据，主要包括气象特征数据、设备运行特征数据、历史功率特征数据及环境干扰特征数据等，是模型构建、训练与验证的核心基础。

3.7模型训练modeltraining

将预处理后的特征数据输入选定的智能算法模型，通过调整模型参数、优化损失函数，使模型能够学习数据内在关联、提升预测精度的过程。

3.8模型验证modelverification

采用未参与模型训练的测试数据，对训练完成的预测模型进行性能评估，验证模型预测精度、稳定性、泛化能力，判断模型是否满足实际应用要求的过程。

3.9模型泛化能力generalizationability

训练完成的预测模型对未见过的新数据（测试数据、实际运行新数据）的预测适应能力，是衡量模型实用性的核心指标之一，避免模型出现过拟合、欠拟合现象。

4总则

4.1总体要求

风电场发电功率智能预测建模应遵循“精准高效、科学规范、实用可行、动态优化”的原则，贯穿模型数据收集、预处理、构建、训练、验证、部署、运行、更新全生命周期，确保预