刘辉，李岩，曹权

(南京理工大学 能源与动力工程学院，江苏 南京 210094)

0 引 言

随着风电在电力系统中比重的不断增大，风能具有的波动性和随机性等特点会在大规模风电并网时引起电力系统内发电机组出力与负荷功率之间的失衡，从而导致频率失去稳定，危及电力系统的安全运行。因此需要对风速进行短期的预测，这样就可以减小风速波动性和随机性等因素的影响，提高风电机组的一次调频能力。

现在国内外针对风速预测的方式有不少，大致可以分为两类：单一预测方式和组合预测方式。组合预测方式会充分利用各个单一预测方式的优点从而提高预测精度，其中运用小波分解将风速序列分解为各频率序列，然后分别进行预测的组合方式更能提高短期风速预测的精度。文献[1-2]首先利用小波分解将风速序列进行分解，然后分别建立Elman和BP神经网络，对分解的每个部分进行预测，所得到的预测精度相对较高，但分解之后的高频和低频序列使用单一的神经网络预测模型会影响预测精度。因此本文提出了一种基于小波分解的神经网络组合风速预测模型，通过小波分解将非平稳风速序列分解为相对稳定的风速信号分量，然后采用不同的神经网络模型进行预测，很大程度提高了短期风速预测的精度。

1 基本概念

1.1 小波分解

小波分解实际是选取一个基函数，然后将选取的信号分解为对应的不同频率的成分。Mallat在1987年利用多分辨率分析的想法将对应的信号分成低频信号与高频信号，提出了著名的分解与重构(Mallat)算法[3]。……