刘永前,周家慷,阎 洁,韩 爽,李 莉,Bekhbat Galsan

（1.华北电力大学 新能源电力系统国家重点实验室，北京102206；2.华北电力大学 新能源学院，北京102206；3.蒙古科技大学 电力工程学院，蒙古 乌兰巴托999097-15141）

0 引言

到2019年底，国内风电累计装机容量突破2.1亿kW，风电已经从补充能源进入到替代能源的发展阶段。然而，风能的间歇性、随机性和波动性，使高比例的风电并网会对电力系统的安全稳定运行带来严重威胁[1]。对风电场进行高精度的风速实时预测，一方面有助于电网做出最优调度决策[2]，另一方面有助于提高风电机组的运行状况和控制品质，使其在保证安全可靠运行的条件下充分利用风资源，促进风电场管理智能化。

目前，国内外对于风电场风速实时预测的研究越来越深入。风速的实时预测是一种超短期的多步预测，风速预测方法可大致分为物理方法、统计方法和组合方法。

物理方法依赖庞大复杂的气象数据和物理数据，计算量大，在超短期预测尺度上精度不够理想，且时间分辨率较大（小时级），一般不用于超短期预测。统计方法利用人工智能算法来建立历史输入数据与未来输出数据之间的关系，如时间序列算法[3]、支持向量机[4]、随机森林算法[5]和深度学习算法等。统计方法具备强大非线性拟合能力，适用于超短期风速预测，而单一预测模型可能受自身模型能力极限的限制而对潜藏信息挖掘不深入，进而捕获不到复杂的风速内在演变规律，致使模型泛化能力不强。……