风力发电已经被用在电网中,直接关系到整个电网的稳定性。做为分布式能源,其建模的研究一直缺乏系统性与普遍性。特别风电系统的结构日趋复杂,变化的非线性、时变性和不确定性的特点更加明显,很难建立一个适合的数学模型来清晰地表达变量之间的关系。而基于神经网络的非数学模型建模法,为解决数学建模方法的不足提供了新的思路,同时也为风电系统模型开辟了一条有效的途径。为了很好地利用人工神经网络的非线性逼近特性来拟合风电场的静态特性模型,本文首先针对现场数据对参数间关系进行分析,采用主元分析法对用于建模的这些现场数据进行分析,并对所得数据进行归一化处理,主要采用比较经典的BP网络模型,但由于其存在一些不可避免的问题,所以进一步采用RBF网络来改进静态模型,同时验证了用神经网络建立的风电场模型基本上反映了风力发电的实际运行情况。为了更好地描述风电系统动态特性,并解决多数风电系统负荷模型把有功功率、无功功率分裂开来的问题,本文在神经网络静态模型的基础上,利用人工神经网络结构中可以有多个输出这一特点,将风电系统当成负荷模型,把其有功功率、无功功率这两输出巧妙地结合在一起,这正体现了在电力系统中负荷是有功和无功功率的相互耦合,并通过数据样本进行预处理、训练和测试,能提供更加准确的风电场模型,尤其能很好地描述系统的动态特性。为了给用户的使用提供了方便友好的方式,本文从模型应用角度进行研究,采用Visua1C++和MFC创建的应用程序生成窗口,结合神经网络的结构特点,并且把权值、阈值进行封装,生成自己需要的图形用户界面,并形成中间文件存放定义好的界面信息。图形用户界面实现程序打开中间文件,读取界面信息并显示。最终用户通过实现程序所显示的图形用户界面与应用程序交互可以处理消息,进行绘图,为用户的使用提供了方便友好的方式。