张泰豪，殷锋，袁平

（1.四川大学计算机学院，成都610065；2.西南民族大学计算机科学与技术学院，成都610041；3.重庆第二师范学院数学与信息工程学院，重庆400067）

0 引言

近年来，随着环境破坏和污染日益严重、温室效应愈发明显，以及化石燃料的不可持续性，清洁能源的使用迫在眉睫，其中风能作为一种新型绿色能源，具有广阔前景和很大的潜力。然而，由于风天然自带的间隙性、随机性等自然属性，风速风能预测具有随机性强、预测精度低的特点，给发电厂整合风能以及电力市场做出合理决策造成很大的困难。目前，在风速预测领域已经有多种成熟的方法，包括持久化方法、物理方法、统计方法、神经网络方法以及混合方法。风能预测该领域的研究主要着手于两个方向：一个方向是直接使用风功率或数值天气数据预测未来的风功率，称为直接法；另一个方向分为两步，首先构建风功率曲线预测模型，其次预测风速，将预测值带入第一步求得的模型中，求得最终功率预测值，又称为间接法。因为风向变化随机性较强和风的天然间歇性，所以风电功率数据具有极强的波动性，导致直接法无法充分挖掘风电数据背后的规律。而在间接法中，由于风功率与风速的三次方呈现线性关系，通过构建的风功率曲线，使得风速与风功率在曲线模型上直接一一对应，进一步降低了由于风速波动而导致的功率预测误差，提高预测精度。并且，通过风电功率数据构建的风功率曲线可以实时更新，进而表现出风电场周围环境的真实情况，包括地面粗糙度、地形、机械损耗等所造成的风机风能转化效率变化，避免了使用风能发电机厂商提供的不准确的理想静态功率曲线模型。……