高红丽，魏 霞，叶家豪，苏元鹏

(1.新疆大学电气工程学院，新疆 乌鲁木齐 830047;2.国网乌鲁木齐供电公司，新疆 乌鲁木齐 830000)

0 引 言

风能作为一种清洁能源，近几年在我国的得到迅速的发展，连续四年位居世界第一，预计在2020年，我国的风电装机容量达到1.283亿千瓦以上[1]。在大力发展风电的过程中，大多为集中式，大规模的开发，再加上风电随机性、间歇性和间歇性的特点。并网后对电力系统的功率平衡带来了很大的挑战。风电功率预测(wind power prediction WPP)可以提前知道风电出力的情况，合理的安排调度及电网能够消纳风电的能力，减少风电的不稳性对电力系统造成的冲击。

目前，鉴于风电场的功率，国内外已经开展多年，并形成了日趋成熟完整的预测策略。如文献[2]首先研究了KNN算法，并在基础上提出了基于邻域密度的邻域KNN算法，将其应用于风电功率的短期预测；文献[3]将人工鱼群算法用于优化支持向量机的参数，并将该算法用于风电场的短期功率预测中；文献[4、5]分别用了统计预测方法统计与物理的方法。文献[6]将改进的遗传算法与支持向量机结合起来，预测风电未来24小时风电出力的情况。文献[7]用自适应混沌粒子群法优化小波链神经网络，可以减少隐含层神经元数目与迭代步数，可以改进预测精度。虽然这些方法各具优势，但在预测精度方面依然有待改进。

文章在对风电出力的进行预测时，采用BP神经网络作为预测方法，把带精英策略的快速非支配排序遗传算法(NSGA-II)应用到风电功率预测中，将NSGA-II算法和BP神经网络结合起来(NSGA-II&BP)；……