一、风电站发电功率
1、风速变化会直接影响到风力电站中的有功功率及无功功率的大小。
2、风力电站外界环境的变化的发电功率会直接影响到电网的电压、频率等参数
3、风力电站的出力功率尚不能得到准确预测。
4、采取不同的区域气象预测模型和功率预测模型也会使风力发电预测精度得不到保证
二、风力发电功率预测系统
1、在设计过程中需要考虑到尾流效应
2、通过神经网络实现风力发电预测非线性系统的逼近，可以有效提升功率预测系统的控制效果。
风力发电是新能源发电技术中重要组成部分，但由于风力发电为间隙性能源，因此风速变化会直接影响到风力电站中的有功功率及无功功率的大小。
随着新能源技术的不断成熟，风力电站也将大规模的接入到电力系统中，风力电站外界环境的变化的发电功率会直接影响到电网的电压、频率等参数，此外由于电能为不可存储能源，需要时刻考虑到发电功率及用电功率的平衡。
传统发电过程中电厂的发电功率通常是实时可靠，但由于风力发电受外界影响因素较大，因此风力电站的出力功率尚不能得到准确预测。
目前电网调度部门对于风力发电的预测都集中在对并网点处功率控制和电压控制，虽然风电预测技术已经得到进一步发展，但目前风力发电计划与实际情况仍存在较大差异。
此外，由于国内风电企业功率预测系统网多处于国家强制规定，因此建设起来过于被动且功率预测的积极性不高，并且在风力发电预测过程中缺乏持续优化改进的技术和资金支持。对于不同区域内的风电企业来说，采取不同的区域气象预测模型和功率预测模型也会使风力发电预测精度得不到保证。
风力发电功率预测系统在设计过程中，不仅要考虑到气压、湿度、风速、风向等环境因素，还需要考虑到尾流效应，通过NWP气象预测系统设计基于聚类分析法的混沌相空间重构的神经网络的风力发电功率预测系统。
风力发电系统为多变量多约束的模型，难以通过非线性函数构建出来，通过聚类分析对各风机的变化特性规律进行总结分析，并找出最优化的聚类中心，在对各个数据进行分类及处理，再通过混沌原理实现相空间重构再通过神经网络模型提取风力发电系统的规律，最后利用粗糙理论来评价预测值与实际值之间的差异，再通过对系统的优化使预测值趋向实际值。
通过该方法可以规避风力发电机与发电功率的复杂关系实现风力发电功率预测系统的准确预测。通过神经网络实现风力发电预测非线性系统的逼近，可以有效提升功率预测系统的控制效果。
随着环境污染问题的日益严重，新能源及可再生能源发电技术逐渐兴起，但由于风能、太阳能受季节、环境及天气等因素影响较大，造成新能源发电功率的无规律变化，其发电不规律性严重影响着整个电力系统的安全稳定运行。设计准确科学的新能源发电规律预测系统，对于保证电力系统的安全有效及稳定供电具有重要意义。
