董利江， 李 伟， 王 瑜， 钱白云， 沈中信，马勤勇， 孔筱叶

(1. 新疆电力建设调试所，新疆 乌鲁木齐 830011; 2. 国网新疆电力公司电力科学研究院，新疆 乌鲁木齐 830000;3. 华北电力大学电子工程系，河北 保定 071003; 4. 四川中测辐射科技有限公司，四川 成都 610000)

0 引 言

风速预测是风力发电研究的基础环节。对于风力发电机来说，输出功率与风能关系密切，而风能正比于风速的三次方，风速预测误差对风机功率预测有很大的影响，故电力系统对风速模型预测误差有着很高要求[1-2]。因此，建立一个有效的短期风速预测模型具有一定的意义。风速预测的方法主要有两大类：一类是基于流场分析的预测模型，例如考虑尾流效应、地形效应等，但该类方法严重依赖于流场分析的准确度；另一类是基于风速时间序列的预测方法，即对风速历史数据建立预测模型，该类方法中模型参数的选取是当前研究的重点。本文基于第二类方法建立短期风速预测模型，并对预测模型参数的优化选取进行研究。

相关向量机[3](relevance vector machine,RVM)作为一种基于贝叶斯框架的稀疏概率模型，在短期风速及功率预测过程中不仅误差较低，而且计算时间短、鲁棒性较强[4-5]。故本文选用RVM方法建立短期风速回归模型对风速进行预测。在使用RVM模型进行预测分析时，训练样本质量决定了模型的学习能力。根据Takens[6]的嵌入定理，重构空间与原时间序列的动力学特征相同，故本文选用相空间重构法提取蕴含在风速时间序列中的特征构建样本。……