近几年,我国风电装机容量持续增长,风电集群并网规模不断增大,给电力系统的安全稳定运行带来巨大的挑战。准确的风电功率预测可以解决风电的不确定性以及增大风电的并网规模。传统的风电功率预测方法考虑的因素比较简单,其预测精度并不能大幅度提升,所以迫切需要新的风电功率预测理论和方法,可以通过研究风电场彼此之间的空间相关性来提高风电功率的预测精度。为此,本文围绕基于空间相关性的风电功率预测展开研究,主要研究工作如下:(1)区域风电功率空间相关性分析。本文采用相关系数从距离和时间两方面研究影响风电功率的空间相关性强弱的因素,通过风电场的实际数据来研究风电场风电功率在时间和空间上基本变化规律。变分模态分解模型可以在时间和频率两个不同尺度下把风电功率分解成不同的子模型,通过对每个子模型进行研究来提高预测精度。(2)基于GK-KFCM的风电场双层聚类分析。为了选取合适的参考风电场,本文提出基于空间相关性和GK-KFCM的风电场双层聚类算法。在选取影响风电功率主要影响因素的基础上,考虑了风电场的平均可利用率对风电功率的影响。结合实例数据利用Matlab软件进行仿真分析,通过有效指标来确定聚类个数和迭代次数。(3)基于空间相关性的风电功率预测研究。为了提高风电功率预测精度,本文在第二章和第三章的基础上,提出了基于空间相关性和双层聚类模型的ICS-ELM功率预测模型。采用东北区域某风电集群的实际数据进行仿真实验,仿真算例验证了该方法的有效性,所提模型与传统方法的预测误差相比均具有不同程度的改善。