高 骞，程 霄，沙宇恒，于海波

(1.国网江苏省电力有限公司 发展策划部，南京 210024；2.北京国电通网络技术有限公司 规划与计划业务管理事业部，北京 100192；3.国家电网公司 发展策划部，北京 100031)

风电作为可再生清洁能源，能够替代化石能源并网消纳，有利于减少能源消耗，促进电力可持续发展.然而，由于风电出力的随机性和波动性会为大规模并网安全稳定运行带来很大风险，因此，需要提高风电的预测精度，以保障电网安全运行.目前，采用单一的风电出力预测方法很难满足风电预测的精度要求，即使在风电预测短周期(5～10 min)内，仍会有10%～20%的风电预测误差[1].同时考虑到风电场的差异化特点，若仅采用单一的预测方法很难满足风电实际运行要求.文献[2]通过建立人工神经网络模型对风电场24 h内的输出功率进行预测，该方法训练的结果基本吻合风电场实际功率曲线，但仍然存在很大的误差.文献[3]建立了风速预测模型，并结合基波神经网络拟合实际功率曲线，根据拟合曲线计算功率预测值.虽然该方法能提高运算效率，但在拟合实际功率过程中出现的误差会累积到预测功率的模拟当中，使得优化出的预测功率依然存在较大误差.文献[4]利用差分算法处理原始风速数据，并建立ARMA预测模型，取得了较好预测效果，但该模型的参数未能选取最优值，使得模型仍然不够准确.文献[5]利用小波变换的改进持续法对短期风电功率预测进行研究.该方法首先通……