赵 征，于悦波

（华北电力大学 控制与计算机工程学院，河北 保定 071003）

0 引言

能源问题日益突出，风能作为一种清洁的可再生能源已经受到了广泛关注并被大力发展。但是风的波动性、随机性和间歇性等非线性特点影响了风电并网能力[1]。而风速预测准确性的提高能够缓解风电并网问题并为调度提供依据[2]。因此提高风速的预测精度对能源利用以及电力系统经济调度来讲都具有重大意义。

国内外学者进行风速预测的主要方法有物理法[3]、统计方法[4-6]、人工智能法。文献[7]表明，物理方法不适于超短期预测。统计法是基于统计模型的方法，实现起来比较简单，但是预测精度也相对较低[8]。因此人工智能法是目前大多学者进行风速预测的研究重点。对于人工智能算法，主要有支持向量回归、神经网络等。但是传统神经网络存在算法收敛速度慢，算法容易陷入局部极小值的缺点[8]。文献[8]通过增加自适应调节速率和增加扰动项的方法在一定程度上改进了 BP神经网络收敛速度慢和容易陷入局部极值的缺点，但当网络复杂时，梯度消失和梯度爆炸的问题依然无法解决。最小二乘支持向量回归不存在结构问题，但其相关参数会影响到预测效果。文献[9-11]分别采用了粒子群算法、遗传算法、萤火虫算法对模型参数进行寻优，得到结论：寻优算法配合预测模型能够提高风速预测的准确度，且寻优算法的寻优能力越强，对预测模型准确度的提升越大。……