胡晓虎

（铜陵有色金属集团股份有限公司，安徽 铜陵 244000）

由于风能的随机性和不可控性，风电厂出力也在随机的变化。随着风电装机容量的日益加大，风力发电的随机性和波动性必然会对地区电网产生不良影响。对风速的预测可以有效减轻和预防这种不利影响[1]。常见的风速预测方法有时间序列法[2]、人工神经网络法[3]、卡尔曼滤波算法[4]、支持向量机法[5]等。其中，BP神经网络法在风速预测中表现出较好的性能,因此得到了广泛的应用。

小波变换[6，7]是当前数学中一个迅速发展的新领域，它同时具有理论深刻和应用广泛的双重意义。小波变换是一个时间和频率的局域变换，因而能有效地从信号中提取信息，通过伸缩和平移对函数或信号进行多尺度分析。小波分析在许多领域都取得了具有科学意义和应用价值的重要成果。

由于风速时间序列波动较大，采用单一的神经网络模型预测精度较低。将小波技术和神经网络相结合可以有效提高风速预测精度。本文将小波多分辨率分析技术和BP神经网络相结合，提出一种小波-BP神经网络预测模型，即用小波分解技术将风速序列分解成基础分量和细节分量，然后对各分量分别用BP网络进行预测，最后经重构得到原始风速序列的预测值。本文将该方法应用于实际风电场短期风速预测，取得了很好的效果。

1.BP神经网络

BP（Back Propagation）神经网络可以以任意一个精度去逼近所有的非线性映射，适用于比较复杂的非线性系统的模型建立和预测[8]。……