李宏仲，付 国，孙伟卿

（1.上海电力大学电气工程学院，上海市 200090；2.上海理工大学机械工程学院，上海市 200093）

0 引言

由于风电集中大规模接入，给电力系统安全、稳定、经济运行带来严重影响［1］，而精准的风电功率预测可以减轻其对电网的不利影响。

目前，风电功率预测方法主要分为两大类，统计法和物理法［2］。其中，物理法是根据地表信息和气象数据作为初始边界条件，使用数学模型进行推理求解［3］；统计法是通过历史数据的特性建立统计模型，进一步预测未来时刻的风电功率［4］，主要包括时间序列法和人工智能法［5］。由于各种方法都存在不同方面的误差，为了降低单一方法的误差上限，加权各种预测方法或者融合不同方法的优势构建组合预测模型也是一个研究方向［6］。

相比研究不同的预测方法，从预测误差产生的机理去提高风电预测的精度显得尤为重要，文献［7］从风电的波动程度、功率幅值和预测方法等因素出发，发现风电波动剧烈的时间段预测误差明显增大；文献［8］采用多重分形理论提取风速波动特征并叠加预测误差，使得预测精度进一步提高；文献［9］研究了不同波动过程下预测误差的分布，发现风电的不同波动类型对应不同的误差范围。为了分析波动误差的影响因素，文献［10］根据波动误差和气象信息之间的相关性搭建误差修正模型；文献［11］通过误差分布的动态云模型对风电功率的不确定性进行精细化量测。以上文献表明风电波动过程影响风电预测误差，因此，本文通过图聚类快速提取和聚合波动过程，构建分类预测模型以进一步改善风电的预测性能。……