盛　楠，　陈国初

(上海电机学院 电气学院, 上海 201306)



基于模糊信息粒化的风电功率预测

盛楠，陈国初

(上海电机学院 电气学院, 上海 201306)

摘要为提高风电功率的预测精度，研究了一种模糊信息粒化和支持向量机(SVM)结合的风电功率预测方法。提取功率原始数据，对其进行模糊信息粒化，将粒化后的数据利用SVM方法进行回归预测，得到风电功率的预测数据。将预测结果和单一的SVM预测结果进行对比，仿真结果表明，该方法提高了预测精度。

关键词模糊信息粒化; 支持向量机(SVM); 功率预测; 风力发电

风能分布广，清洁无污染，储量大，是可再生能源的重要组成部分。但是，风能较容易受到天气环境的影响，自然界的风常常具有很强的间歇性和随机性，这对风力发电的发展造成了一定的阻碍。因此，进行风电场功率预测是十分有必要的[1]。

在风电功率预测的众多方法中，支持向量机(Support Vector Machine, SVM)法应用较为广泛。SVM具有诸多优点[2]： 其结构和参数可通过训练，由训练算法自动确定；模型参数较少；模型推广能力较好，且训练相对容易等。按照用途，SVM可分为支持向量回归机(Support Vector Machine for Regression, SVR)和支持向量分类机，前者一般用于预测领域，后者一般用于分类领域[3]。

模糊信息粒化最早是由Zadeh[4]教授提出的。Zadeh认为很多领域都存在着粒的概念，只是不同领域的表现形式不同。信息粒即一些元素的集合，这些元素由于近似，或难以区分，或某种特性而结合在一起[5]。模糊信息粒化的基本组成包括粒子、粒层和粒结构。……