易善军，王汉军，向 勇，田长翼，高大禹，陈志奎

(1.国网内蒙古东部电力有限公司，呼和浩特 010010；2.中国科学院 沈阳计算技术研究所有限公司，沈阳 110168；3.大连理工大学 软件学院，辽宁 大连 116620)

电力行业中随着化石燃料的不断消耗，其造成的环境污染越来越严重，世界各国的火力发电比例逐渐下降。风能、太阳能、潮汐能等清洁能源受到关注，其中风能具有资源丰富、转换技术相对简单等优点，风力发电被很多国家纳入重点考虑[1]。中国拥有极为丰富的风力资源，绝大多数地区的平均风速都在3 m/s以上，尤其是东北、西北、西南高原和沿海岛屿，平均风速更大，风力发电潜力巨大。但风力发电由于风量不稳定、不可控，存在波动性、随机性，使其发展受到很大程度的制约[2]。风功率的短时预测可以帮助电网进行发电情况的全面监控、并及时做出计划调整，提高电力系统的可靠性。同时，精确的短时风功率预测可以提高风能利用率、解决风储系统的过充或过放问题。

目前，风电场的短时风功率预测已受到研究者们的关注，存在大量相关研究。现存研究采用的方法整体可以分为三类：1)物理方法；2)统计学方法；3)人工智能方法。采用物理方法是指在预测过程中结合天气、气压、障碍物等环境信息对风功率进行预测。数字天气预测[3](NWP, numerical weather prediction)作为物理方法的核心模型已经将所选区域地形等复杂因素考虑进去。一些研究者[4]提出引入风速和风向作为参考变量，结合聚类方法的风功率预测模型。……