平善明 赵玲玲 苏小红

文章编号： 2095-2163（2018）03-0240-04中图分类号： 文献标志码： A

摘要： 关键词： （School of Computer Science and Technology， Harbin Institute of Technology， Harbin 150001， China）

Abstract： With the depletion of fossil energy， renewable energy such as wind power is in development in recent years. Due to the intermittence and variability of wind speed， wind power generation is also intermittent and unstable， and wind power integration in electrical power systems will do harm to the electrical power systems. Accurate short-term wind speed forecasting could be a guide to wind farm management. Using machine learning method to predict wind speed is popular， and it creates residual sequence. If it is not a white noise， information could be extracted from it， which could lead to a two-layer model. Experimental results show compared with single-layer machine learning method such as SVR（Support Vector Machine）， RVM（Relevance Vector Machine）， the proposed method in this paper is efficiently improved.

Key words：

作者简介：

收稿日期： 引言

由于化石能源储量有限，而需求不断增加，化石能源面临着枯竭的困境。同时，由于化石能源引起的气候变暖以及环境污染问题也日益严重，对生态系统、社会经济以及人类健康均构成严重威胁。相较于化石能源，太阳能和风能等绿色可再生能源有许多优势，发挥着越来越重要的作用。2016年结束后，全球风力发电装机容量已达到486.7 GW。

由于风本身的不稳定性等问题，风力发电具有波动性和间歇性，风电入网将对电力系统造成危害，阻碍了风能的进一步发展。随着风力发电在电力供应中所占比例越来越大，这一问题愈加突出。目前，解决该问题的重要方向就是对未来的风电输出进行预测。短期预测的结果能够为电网的合理调度、机组组合操作以及在合适阶段对风机实施维护提供基础、及重要依据[1]。

根据预测过程使用数据的不同，风速预测可以分为两类。一类是用历史风速数据预测未来的风速，另一类是使用更多种类的数据进行风速预测，如压力、温度、湿度等。本次研究只使用风速的历史数据，后续研究将探讨使用更多种类的数据预测风速，可以预期，更多种类的数据将带来更好的预测结果，因为其中包含了更多的信息。

根据建模原理的不同，短期风速预测方法可分为物理方法、统计方法和学习方法三大类。具体来说，物理方法使用数值天气预报[2]预测风速。……