摘要：掌握风力发电的随机、波动与间歇特性，并在此基础上构建风电出力时间序列模型对于电力系统规划与运行具有重要意义。提出了一种构造未来风电出力场景的新方法。研究了风电波动过程特性，在极值点处将历史风电出力时间序列划分为波动，采用自组织映射（self-organization map， SOM）神经网络将波动聚类为大波动、中波动、小波动和低出力波动。波动变化规律可用高斯函数来定量表达。基于风电波动过程特性阐述了建模方法，将月份按波动出力特性进行分类，分别统计波动类间转移概率和类内统计参数的概率分布，按月序贯抽样风电波动类别与各统计参数，计算并模拟得到风电出力时间序列。对中国某省部分风电场进行了仿真模拟，统计特征参数的对比分析结果验证了上述方法的有效性。

关键词：风电波动特性 时间序列 自组织映射聚类 序贯抽样 概率统计 

单位：中国电力科学研究院 北京市海淀区100192