由于风资源的不稳定性导致风电并网难，已经让风电运营商苦恼不已。更重要的是，这让企业利润大幅度减少，甚至陷入亏损。

　　国家能源局发布的一季度风电并网运行情况显示，风电弃风电量107亿千瓦时，同比增加58亿千瓦时；平均弃风率18.6%，同比上升6.6个百分点，经济损失折合53亿元。

　　风电运营商只能认栽吗？

　　最新的研究成果显示，通过先进大数据分析和天气建模技术而成的能源电力系统能够提高风电的可靠性。通过分析和利用大数据，能够预测风能的电力产出，可将更多的风电并入电网、减少碳排放量、提供给消费者与企业更多的清洁能源，给企业带来利润。

　　方案的提出者IBM称之为“混合可再生能源预测”(HyRef)的解决方案。

　　据IBM介绍，整套方案利用天气建模功能、云成像技术和天空摄像头，几近实时地跟踪云的移动，通过风机组上的传感器监测风速、温度和方向，与数据分析技术相结合，将实现精确的未来天气预报，大概一个月后的天气和实时风力预测，每15分钟一报。

　　还可以通过整合这些当地的天气预报数据，预测每个单独的风力发电机的性能，进而估算可产生的发电量。

　　这种分析判断，将使能源电力公司更好地管理风能的多变特性，更准确地预测发电量，使其可以被复位导向到电网企业。

　　值得一提的是，它同时也允许电网企业更好地并用可再生能源与其他传统能源，例如煤炭和天然气。

　　位于河北省的冀北电力有限公司已经在使用结合大数据分析技术来整合风电的并网工作。他们将张北县670MW示范项目作为第一阶段重点，增加了10%的可再生能源的并网发电量。这一额外发电量，大约可供14000个家庭使用。

　　此外，利用大数据还能为风电场的选址做分析。风电机组位置的选择直接关系投资者的运营回报率。地点如果选错了，发电量就不如预期，风机寿命变短，会直接带来损失。

　　为了解决这些问题，维斯塔斯建成“风力图书馆”的大数据库为风电机组进行选址。大数据库存有全球66个国家已架设机组位置的气流信息，以及来自世界各地共3.5万个气象站的气象数据。

　　统计这些数据后，维斯塔斯把全球划分成一个个面积729平方公里，长宽均27公里的正方形区块，记录每一格的气象信息。工程师运用流体力学的计算模型，把范围再缩小到只有100平方米，评估特定地点的风力、风向和温湿度等。

　　然后运用专门处理大量结构和非结构数据的分析技术，准确、快速地预测特定区域的气候模式，以找出发电量最高的位置。

　　如果未来精准度进一步提高，那么可以预知风电的前景将大不一样。