韩中合，周沛，苑一鸣

（华北电力大学能源与动力工程学院，河北保定 071003）

基于并行相关向量机的多步预测方法研究

韩中合，周沛，苑一鸣

（华北电力大学能源与动力工程学院，河北保定 071003）

针对风速时间序列的非线性和非平稳性的特点以及传统迭代法累计误差较大的不足，提出了基于并行相关向量机的多步预测方法。利用相空间重构进行样本重构，通过建立并行相关向量机（RVM）的短期风速预测模型对风速进行预测。仿真结果表明，与传统的多步预测模型相比，该方法预测精度更高。

相关向量机；多步预测；相空间重构

风能作为一种储量丰富、洁净环保、分布广泛的可再生清洁能源，其具有其他能源不具备的发展潜力和发展前景。随着风电场规模的扩大，风电在电网中所占比重不断增加，但由于风能具有间歇性、不可控性和波动性等特点，极大影响了电力系统的发电质量、安全性和稳定性[1]。因此，对风速进行准确的预测是解决这一问题的重要手段。

目前，风电场风速预测大多基于历史数据的方法，主要包括持续预测法、卡尔曼滤波法、随机时间序列法、人工神经网络法、模糊逻辑法以及一些组合方法[2-3]等，这些方法大多是基于单步预测进行建模[4-6]。对于多步预测，文献[7]提出了直接式预测模型来进行风速的多步预测，在预测过程中没有引入估计值，即没有产生累积误差，也即没有考虑到时间序列内在的相关性，可能会打破时间序列之间本质特性的延续性；……