任立阳，付 昱，王宝财，宋田宇，赵芳琦

(1.东北电力大学电气工程学院，吉林 吉林 132012；2.中国电力科学研究院，北京100000)

近年来，随着生态环境的污染加剧和化石能源的越发枯竭，清洁能源受到世界各国的重视，而其中风能作为一种极其重要的清洁能源，得到快速发展[1].然而，风资源本身具有随机性和强波动性，这导致风电场的输出功率具有较强的不稳定性[2].这一特性对电力系统的稳定运行和正常调度产生了较大的负面影响[3]，同时也会降低风电场和电力系统的经济性.因此建立一种提高经济效益的风功率预测和电力系统调度模型尤为重要.

较为精准的风功率预测不仅是制定合理的调度计划和检修计划的基础，而且是提高风能利用率和电网运行的安全性、经济性和稳定性的有力措施.国内外学者对风功率预测问题已有较多研究，取得了一些成果.文献[4]中基于经验小波变换和核极限学习机建立了短期风功率预测模型.文献[5]中采用时间序列法对原始风功率序列进行处理从而进行预测，该文献的结果说明不考虑气象因素的预测模型的结果不够理想.文献[6]中基于训练好的BP神经网络进行风功率预测，同时对模型的权值和阀值使用遗传算法进行优化.文献[7]中提出了一种基于卡尔曼滤波的风功率预测模型，该模型将风电输出功率预测与数值天气预报数据结合以提高模型的预测精度.上述文献中所提出的预测方法虽……