马 斌，张丽艳，郭 成



一种变权重风电功率最优组合预测模型

马 斌1，张丽艳1，郭 成2

(1.西南交通大学电气工程学院，四川 成都 610031；2.云南电力研究院，云南 昆明 650217)

针对单项预测方法的局限性，利用改进的基于灰色关联度的IOWGA算子组合预测模型，建立了一种风电功率最优组合预测模型，并通过改进多种群遗传算法(MPGA)对该模型进行优化。采用RBF神经网络法、相似日法和支持向量机(SVM)法对预测日和预测日前一日的风电功率分别进行预测，通过提出的最优组合预测模型及优化算法对预测日的24 h风电功率进行组合预测。根据云南某风电场的实测数据，进行了实例分析。结果表明，风电功率最优组合预测模型能够有效提高风电功率预测精度，具有较强的实用性。

风电功率；最优组合预测；对数灰关联度；IOWGA算子；多种群遗传算法

0 引言

当前，无污染可再生的风力发电在世界各国得到迅速发展，尤其在中国。风速的随机性和间歇性导致风电功率具有波动性的特点，对风电功率进行准确预测是提高电网运行稳定性，保障电力系统调度部门制定合理调度计划的有效途径[1]。

目前，国内外已经提出的风电功率及风速的预测方法主要有：小波变换法[2]、神经网络法[3]、最小二乘支持向量机法[4]、组合预测法[5-7]等。Bates和Granger于1969年首次提出组合预测方法[8]，由于该方法能够有效提高预测精度而成为目前研究的热点[9-10]。文献[9]证明了基于灰色关联度的组合预测模型是一种有效地组合预测方法。……