吴金浩　杨秀媛　孙　骏

（北京信息科技大学，北京 100192）

基于主成分分析法的风电功率短期组合预测

吴金浩杨秀媛孙骏

（北京信息科技大学，北京 100192）

间歇性与不确定性是风力发电的固有特性，在风力发电迅速发展的背景下风电功率预测的重要性日渐凸显。为了减少单一模型在个别预测点误差较大的情况，提高整体预测方法的预测精度及相对误差率，本文采用反向传播（BP）神经网络以及支持向量机（SVM）两种基本模型进行组合，并引入粒子群（PSO）以及交叉验证（CV）算法来优化模型中的参数。结合主成分分析法（PCA）对原始数据进行预处理，在不降低预测精度的前提下，对原数据进行降维处理从而提高运算效率。使用模型分别对未来5天进行预测，结果表明组合预测模型的标准平均误差（NMAE）、标准均方根误差（NRMSE）都满足国内现行指标，而且预测精度比单一模型有很大提高，相对误差更加稳定，有效减少了较大误差点的出现。实例研究表明，基于主成分分析法的风电功率短期组合预测模型的可行性。

风功率预测；主成分分析法；BP神经网络；粒子群算法；支持向量机；组合预测

随着对风力发电的深入研究，风电固有的间歇性以及不确定性成为了制约其发展的主要因素。大容量风电场接入电网后，造成电网电压、频率的波动，给调度运行带来很大困难，甚至威胁到电力系统的稳定运行。因此，及时、精确地预测风电功率是首先需要解决的问题［1-2］。

目前，已经有研究人员做了风电功率预测多种方面的研究。……