王 鑫，李 慧，范新桥，刘思嘉

(北京信息科技大学 自动化学院，北京 100192)

0 引言

风资源的不平稳性和随机性，导致风电并网会造成电网波动，给电网调度带来压力，危害电网安全。风电功率概率区间预测可以提供较为准确的风电功率波动区间，为电网调度提供有效信息[1]。

风电功率概率区间预测的基础是点预测[2]。常用的点预测方法包括：物理方法、统计学方法、人工智能方法以及组合预测方法[3]。物理方法主要是根据风电场的数值天气预报(numerical weather prediction,NWP)信息，通过功率曲线计算得到功率预测值，预测精度受NWP精准度的影响。统计学方法主要有时间序列法、卡尔曼滤波法、支持向量机(support vector machine，SVM)[4]等，这些方法适用于少量数据的研究。人工智能方法[5]有卷积神经网络(convolutional neural network，CNN)、回声状态网络(echo state network，ESN)以及循环神经网络(recurrent neural network，RNN)等，更适用于海量数据的研究。

与点预测目的不同，区间预测是通过一定的方法得到目标的取值区间，而这个区间是由一定置信水平下点预测结果的最大值和最小值组成。利用概率区间预测值可以构造完整的概率密度曲线，以估算风电功率值的可能范围。文献[6]提出一种改进混沌时间序列的风电功率区间预测方法，结合蚁群聚类和SVM对单一预测法加以改进，获得了较好的预测效果。薛阳等[7]提出了一种基于双向长短期记忆神经网络(long short-term memory，LSTM)和Bootstrap法的风电功率概率区间预测方法，该方法强调了数据之间的关联程度对预测精度的影响。除了Bootstrap法以外，分位数回归法[8-9]、NKDE算法[10-11]等都广泛应用于概率区间预测。……