徐炜君

(东北石油大学秦皇岛校区电气信息工程系， 河北 秦皇岛 066004)

0 引 言

伴随着化石能源的逐渐枯竭及环境危机的日益剧烈，可再生能源的发展及应用得到了世界各国的广泛关注.作为可再生能源中的一员——风能的利用呈逐年上升的趋势，世界各国风机的装机容量迅速增长.据中国可再生能源学会风能专业委员会统计：2018年全国(除港、澳、台地区外)新增装机容量 2114.3万kW，同比增长7.5%；累计装机容量约2.1亿kW，同比增长11.2%，保持稳定增长态势[1]，因此如何利用好这些风能将对我国的节能减排战略产生重要的影响.然而由于日照、地形、温湿度、气压等环境因素的影响，风速具有较大的随机性和波动性[2]，这对电网的安全和供需平衡带来了巨大的挑战[3-4].

按照时间尺度来分，风电功率预测的时间跨度可以从几秒到几个月[5].按照国家电网公司2016年发布的《风电功率预测功能规范》，从次日零时起3 d为短期预测，时间分辨率为15 min；15 min—4 h为超短期预测，其时间分辨率不小于15 min[6].研究表明，超短期预测的精度直接影响风机机组组合、电网调度等操作，并对电网的安全、经济运行起着重要的作用.

研究表明，对于数据驱动的预测方法来说，输入数据维度的提高,更有利于探索风能的动态变化规律[7].同时，风力变化过程在短期具有惯性的特点[8].因此，结合目前的研究现状，用山西省朔州市某风电场的温度、湿度、气压、风向、风速等历史数据构建输入模型，采用灰狼优化算法(Grey Wolf Optimizer，GWO)优化支持……