风电功率曲线是连接风速预测与功率预测的关键环节，但现有研究多侧重构建用于性能评估和状态监测的平均态功率曲线，对预测场景下同一风速对应功率输出的离散性与时变性的刻画仍显不足。针对淮安地区某陆上风电场的功率预测问题，考虑到场站气象观测数据质量堪忧，本文基于风机SCADA（监控与数据采集系统）数据开展功率曲线构建研究。通过对多种SCADA数据质控方法进行比较发现，在本场景下不同复杂度方法的处理效果整体差异有限，部分复杂方法在稳定性、可复现性和工程实用性上并未优于简单稳健的统计方法。进一步基于质控后数据采用多种方法进行功率曲线建模，对比显示，各方法得到的平均态功率曲线整体接近，拟合误差差异较小，说明平均转换关系本身并非制约预测应用的主要矛盾。基于此，本文提出一种面向滚动预测的功率曲线动态残差修正框架：基于前训练期数据依据IEC（国际电工委员会）标准采用分箱法构建基准曲线，并在此基础上利用高斯过程回归（GPR）滚动学习时变残差，形成“IEC基线+GPR残差学习”的动态映射框架。该研究旨在推动功率曲线研究由平均态拟合转向预测导向的动态表征，为短期与超短期风电功率预测中的风速—功率映射改进提供参考。
 

风电功率预测,功率曲线,SCADA数据,动态残差学习,高斯过程回归