近年来,开发位于用电负荷中心附近,所产生的电力可就近接入电网,并在当地进行消纳的分散式风电成为我国风电发展的下一步目标。对电力负荷中心所在区域进行分散式风电开发存在以下问题:1、区域内地形复杂,丘陵、悬崖、陡坡以及山脊均会对风速产生影响,导致风能资源分布不均;2、区域内雨雾较多、湿度较大,容易形成冰冻现象,对风电场的正常运行存在较大影响。因此,建立高精度分散式风电功率预测方法及覆冰条件下的风电功率损失率预测方法,对山地式风电的发展具有重要的意义。论文首先建立了基于复杂山地条件下的地形、地表粗糙度和风电场尾流效应的数学模型,并收集了某平原地区与某山部地区的气象站和实测相关数据,对山地式风能特征进行对比分析。初步讨论了山地区域风资源特征及其影响因素及影响机理。基于中长期时间尺度的气象数据(包括累年日值、候值、旬值、月值和年值数据集)与短期时间尺度的测风塔逐小时观测资料,基于相似系数建立混合时间尺度,采用XGBoost算法对比不同风电场的坡度、海拔和地表粗糙度与风速的映射关系,构建了考虑复杂山地条件的混合时间尺度风速预测模型。通过风速-功率曲线得到风机预测发电功率。并针对山地地区风能多变,发电功率值波动较大的特点,采用Huber Loss和Log-Cosh Loss两种损失函数构成加权损失函数,对XGBoost学习器原始损失函数进行改进,并使用MFCV(Multi Flexible Cross-Validation)寻找最优权重参数。加权损失函数受样本中的骤变值的影响较小,同时可实现二阶梯度的寻优,可有效提高预测精度。基于湖南某山地风电场实测数据进行仿真分析,结果表明该方法在可实现日前预测,准确率达97.2%。最后通过选取覆冰期间风机叶片极值样本及其广义极值分布参数作为训练样本,通过XGBoost网络的训练和学习,准确映射出覆冰灾害气象条件与覆冰程度概率分布参数之间的非线性关系,从而预测出随气象条件实时变化的风机叶片覆冰程度的GEV分布。在此基础上,利用XGBoost网络考虑覆冰程度概率和风电功率相关性,提出覆冰条件下的山地风电场功率损失预测方法。并通过湖南某地风电场两年冬季的实测数据进行了算例仿真,结果表明本章所提的方法能够反映风电场在覆冰条件下发电功率损失程度,贴近风电场实际运行情况。仿真结果表明,论文提出的复杂山地条件下分散式风电功率混合时间尺度XGBoost预测方法和覆冰条件下的山地风电功率损失率预测方法均能准确预测目标,对山地式风电的发展具有重要的意义。