张东明，姚秀萍，2，王维庆，王海云，周 专，张尚春

（1.新疆大学电气工程学院，新疆 乌鲁木齐 830047；2.新疆电力调度通信中心，新疆乌鲁木齐 830002；3.金龙精密铜管集团股份有限公司，河南 新乡 453000）

0 引 言

风力发电具有间歇性、随机性和波动性的特点，对电网的安全、稳定运行带来严峻挑战[1-3]。风电场的输出功率进行准确的短期预测，对电力系统安全、经济运行以及电能质量都有重要的意义。

目前，国内外学者对风电场的短期预测进行了大量研究，提出了物理、统计、人工智能、综合预测方法等。其中统计方法是目前应用较多且比较成熟的预测方法，其实质是在系统的输入和风电功率之间建立一个线性或者非线性映射，通过捕捉数据中与时间和空间相关的信息来预测功率。但是其预测精度无法满足大规模风电场接入系统的要求。其中卡尔曼滤波法和随机时间序列法是目前的研究热点，预测精度相对其他算法较高。但卡尔曼滤波算法是在假定噪声的统计特性已知的情况下得出的结论，实际中估计噪声的统计特性不易实现。然而随机时间序列分析法利用大量的历史数据来建模，经过模型识别、参数估计、模型检验来确定能够描述所研究时间序列的数学模型，推导出预测风电功率的模型，其特点是模型简单，理论成熟，适用于提前量较短的预测，当增大提前量时，预测效果较差。

针对现有的算法预测精度不高的现状，本文提出一种新的方法——帝国主义竞争算法的神经网络方法 （ICA-NN）来提高短期风功率预测的精度。……