靳小钊 王娟娟 赵闻蕾

(大连交通大学电气信息学院，辽宁 大连 116028)

灰色系统理论随着科学学科群和不确定性系统理论的发展应运而生，它是一种针对“少数据”、“贫信息”不确定性系统进行分析的理论，主要通过对“某些已知信息”的探究而得到有利用价值的信息，实现对数据变化规律的正确表达和有效控制，符合系统科学和不确定性系统理论发展的时代潮流，是人类对不确定性系统的认识逐步深化的结果[1]。

目前，风电场风速预测误差在25%～40%之间，这与预测方法有着很大的关系。目前预测方法有很多，如时间序列预测、ARMA模型预测、神经网络模型预测及灰色系统模型预测等[2]。而风速在短时间内，即数据很少的情况下难以发生剧烈变化，正符合灰色系统理论所针对的“少数据”、“贫信息”的应用范围，故在风速的短期预测中，可获得较准确的预测结果[3]。该理论的分析方法主要是根据具体的灰色系统行为特征，充分利用数量不多的数据和信息，寻求相关因素自身与各因素之间的数学关系，即建立相应的数学模型，而GM(1，1)模型是其中最常用、最简单的一种模型。

1.1 原始数据的预处理

设原始数据x(0)=(X(0)(1),X(0)(2),…,X(0)(n))。为了减弱原始数据较强的随机性，在预测中，把原始数据作1-AGO处理，即把数列各项(时刻)数据依次累加，从而得到以下新的数据序列：

x(1)=(x(1)(1),x(1)(2),…,x(1)(n))

1.2 数据的光滑性检验

一般准光滑序列经过1-AGO处理后，都会减少随机性，呈现出类似于指数变化的增长规律。而原始序列越光滑，对应的1-AGO数据的指数增长规律也越明显。……