连文莉，黄成辰，吕昌霖

（1.陕西省电力公司，陕西西安710048；2.西安交通大学电气工程学院，陕西西安710049）

我国现有风电基地规模都是千万千瓦级，由于风电具有间歇性和随机性的固有缺点，大规模的风电机组接入电网会对电力系统的安全、稳定运行带来严峻挑战[1-2]，从而限制风力发电的发展。风电场发电功率短期预测是解决该问题的有效途径之一。我国的风电场大多是集中的、大容量的风电场，而且处于电网建设相对比较薄弱的地区，因此，我国更需要进行风电场发电功率短期预测的研究，而发电功率的预测主要源自风速的预测。另外，鉴于风电场不同于传统形式的电厂，其能量损耗主要来自风电场的尾流效应，损耗的程度取决于风电场本身的情况如地形因素、机组布置、空气密度等。因此，不管从节能减排还是电网规划的角度来讲，在风电场的规划和建设中发电功率的短期预测都是一个引人注目的课题。

在风电场风速预测方面，持续预测法、神经网络法、时间序列法、空间相关性法、小波分析法以及各种新型复合改进算法等都是预测的热点方法[3]。文献[4]采用卡尔曼滤波法实现风速的短期预测。文献[5]提出了一种基于改进GMDH网络的预测方法，该方法将GMDH神经网络与模糊逻辑理论相结合，对风电场风速预测进行了深入研究。在风电场综合建模方面，国内外的研究主要集中在风电场尾流模型的研究上。文献[6]介绍了采用自适应模糊神经网络法（ANFIS）进行风速预测的研究。……