陈道君，李磊，杨楠，林燕贞（.国网湖南省电力公司电力科学研究院，湖南长沙　0007；.国网江苏省电力公司徐州供电公司，江苏徐州　000；.新能源微电网湖北省协同创新中心（三峡大学），湖北宜昌　00；.武汉大学电气工程学院，湖北武汉　007）



基于最优权系数的风电功率组合预测方法

陈道君1，李磊2，杨楠3，林燕贞4
（1.国网湖南省电力公司电力科学研究院，湖南长沙410007；2.国网江苏省电力公司徐州供电公司，江苏徐州221000；3.新能源微电网湖北省协同创新中心（三峡大学），湖北宜昌443002；4.武汉大学电气工程学院，湖北武汉430072）

摘要：风电功率的短期预测对于电力系统的安全稳定运行具有重要意义。提出了一种基于最优权系数的风电功率短期预测组合方法，该方法将ARIMA时间序列、BP神经网络、RBF神经网络和支持向量回归机这4种单一预测模型进行综合，并根据预测误差信息矩阵，以误差平方和最小为原则得到组合预测模型中的最优权系数，以此构成组合预测模型，该模型能够有效地综合各单一预测模型的优势，降低预测风险。仿真实例表明：所提组合预测模型预测精度高，能够方便快速地确定最优权重系数值，降低预测误差。

关键词：风电功率；组合预测；最优权系数；误差信息矩阵

Project SuPPorted bY the Nationa1 Science and Techno1ogY SuPPort Program（2013BAA02B01）；the Nationa1 Natura1 Science Foundation of China（51207113）.

KEY W0RDS：wind Power；combination forecasting；oPtima1 weight coefficient；error information matrix

目前常用的风电功率短期预测方法主要包括统计方法和物理方法。物理方法综合考虑地形、水平高度和粗糙度等信息，利用物理方程建模进行预测，该方法需要准确有效的数值天气预报（numerica1 weather Prediction，NWP）数据，而无需大量的长期观测数据［1］。……