裴瑞平， 田　丽， 魏安静， 王　军， 张　艳

(安徽工程大学 电气工程学院，安徽 芜湖 241000)



短期风功率自适应加权组合预测*

裴瑞平， 田丽， 魏安静， 王军， 张艳

(安徽工程大学 电气工程学院，安徽 芜湖 241000)

摘要：首先分别建立了持续法、灰色、支持向量机风功率预测模型，然后利用各个模型的预测误差建立自适应加权的组合预测模型；仿真结果表明：组合预测模型能够充分发挥各个模型的优势，有效提高预测精度。

关键词：风功率预测；灰色预测；支持向量机；组合预测

风力资源是一种可再生的清洁能源，世界各国都在竞相开发。截止2014年底，我国风电并网装机已超9 000万kW，预计年发电量达1 500 kWh。但自然界风能具有间歇性、随机性，导致风机输出的风功率具有波动性，尤其当并网风电装机增长到一定规模时，其波动性将严重影响电网的电能质量和运行的可靠性。因此，迫切需要准确的风功率预测以对电网进行合理调度来确保电网安全稳定地运行。

近年来发展的预测方法主要有时间序列法、神经网络法、支持向量机法[1]以及组合预测法[2-4]。文献[2]表明单一预测模型在有些预测点可能出现较大的误差，组合模型能够有效减少误差，提高预测精度。文献[4]指出持续法在风速变化较大时，有较好的预测效果。灰色预测法[5]能够利用部分信息已知、部分信息未知的“小样本”，揭示数据内部的规律性信息，对系统的未来进行预测。而支持向量机具有学习速度快、泛化能力好的优点，能解决好小样本、非线性、高维数和局部极小值等问题[6-7]。……