王为国，窦震海，刘小煜，刘伟，申晋

(1.山东理工大学 电气与电子工程学院，山东 淄博 255000;2.青岛理工大学 琴岛学院，山东 青岛 266106)

0 引 言

风电在给我国的环保事业、能源结构调整等方面带来利益的同时，也伴随着一些问题的出现[1-2]。风电作为一种间歇性能源，风速、风量的不可控性会使风电输出缺乏稳定性。不稳定的风力发电上网，使电力系统运行中的不确定性因素增多，这对电力系统的供需平衡与安全稳定运行提出了新的挑战[3]。

风电场功率预测的准确性主要取决于短期风速的预测精度，由于风速本身既存在着规律性的变化趋势，又具有因不确定性因素造成的随机波动，使得对其进行精确预测具有较大的难度[4-5]。在目前研究中，短期风速预测模型主要有时间序列法和智能算法，而每种方法对风速预测的绝对平均误差一般在25%～40%之间，还未达到电力系统所要求的满意程度[6]。时间序列模型是对风速等随机变量进行拟合建模的一种常用方法，持续法是其中最简单的方法，更高级的时间序列模型主要有自回归滑动平均(ARMA)、卡尔曼滤波等模型[7]。智能算法是预测精度较高的风速预测方法，主要包括神经网络、灰色模型、支持向量机等方法[8]。时间序列分析建模几乎完全基于原始数据进行预测，算法过于简单；智能算法与黑匣子原理相似，虽然精度较高，但推导具体的预测解析式比较困难，并且在实际建模过程中需要大量的样本数据。从目前研究成果看，因为风速兼有随机波动性和趋势性，加大了短期风速预测的难度，如何提高风速模型的预测精度仍然是一个亟待解决的问题。……