刘辉，田红旗，李燕飞

(中南大学 交通运输工程学院，轨道交通安全教育部重点实验室，湖南 长沙，410075)

近年来，风力发电作为一种新能源得到了世界各国的普遍重视，发展异常迅速[1]。在风力发电中，较准确的未来风速预测结果对于电力部门预防瞬间极大风速对发电机组造成的冲击损害，科学评价风能资源，制定完善的发电调度计划，衡量风电场的容量可信度和确定合适的风电上网价格具有重要的指导意义[2-4]。同时，风速预测结果也会影响未来新增风电机组的安装容量与安装位置。风速预测成为风电场规划设计中不可或缺的研究课题[1]。风电场风速预测分为短期预测与中长期预测。短期预测一般为10 h以内的预测，中长期预测一般为未来几天甚至几个月的预测[2-4]。相对于中长期预测，短期预测对所建模型的预测精度要求更高，建模时间序列样本通常更加不平稳，因此，建模难度也更大。但随着风电项目的推广，风电场风速短期预测成为亟待解决的关键课题[3-4]。工程中常用的信号预测算法包括神经网络法、时间序列分析法、卡尔曼滤波法、遗传算法、灰色算法、小波分析法等[2-17]，其中，许多算法在电力领域的风电场风速短期预测研究[2-6]和电力负荷预测研究[7-13]中得到广泛应用。当前，我国风电场风速短期预测研究水平不高，存在的突出困难是所建模型无法实现超前多步预测或超前多步预测精度过低[2-6]。造成这种现象的原因主要包括2个方面：(1) 所建模型自身获得的超前1步预测精度不高，通过模型的多步迭代预测计算，不断将上一步模型预测误差带入下一步计算，使得获得的超前多步预测精度不断下降；……