郭华旺 ，董海鹰 ，2

（1.兰州交通大学自动化与电气工程学院，甘肃兰州730070；

（2.兰州交通大学光电技术与智能控制教育部重点实验室，甘肃兰州730070）

1 引言

风电机组以风作为原动力，风速决定了风电机组的动态特性和工作状况。风速的波动性和不确定性导致风力发电量随机变化，而风速是影响风产能最直接最根本的因素，因此很有必要对风速进行预测，进而为电网调度提供依据［1-8］。

模糊系统和人工神经网络都是无模型、非线性的动力学系统。模糊系统具有处理模糊语言信息的能力，可以仿真人的智慧进行判断和决策，但它不具有自学习能力；人工神经网络具有良好的自学习和自适应能力［9-11］，但不能表达人脑的推理功能，容易陷入局部极小值，且收敛速度比较慢。模糊神经网络是将人工神经网络和模糊控制的优势进行有机结合。文献［12］利用ARMA模型对风电场风速短期进行预测，该方法的预测误差较大；文献［13］结合时间序列法和神经网络法对风速预测进行了探讨；文献［14］结合小波函数和神经网络法对风速进行预测，该方法具有较高的精度。但是以上方法都没有考虑气温、湿度等环境因素。本文提出利用模糊神经网络风速预测模型，将气温、气压、空气湿度和风向等环境因素引入模型对风速进行预测，仿真结果表明利用该方法提高风速预测的精度是可行的。

2 T-S模糊模型

T-S模糊模型是日本学者Takagi和Sugeno于1985年首先提出来的，它采用系统状态变量或者属于变量的函数作为IF-THEN模糊规则的后件，不仅可以用来描述模糊控制器，也可以描述被控对象的动态模型。……