桑茂景，谢丽蓉，李进卫，王 斌，3，杨 欢，4

（1.新疆大学 电力系统及发电设备控制和仿真国家重点实验室风光储分室，新疆 乌鲁木齐 830047；2.中船重工海为（新疆）新能源有限公司，新疆 乌鲁木齐 830002；3.山东钢铁集团日照有限公司，山东 日照276805；4.清华大学 电力系统及发电设备控制和仿真国家重点实验室，北京 100084）

0 引言

随着化石燃料的大量使用，化石能源枯竭及其所带来的环境问题日益严峻。清洁、可持续的风能逐渐受到各国的高度重视。然而风能的间歇性、随机性和不可控性，使得风电大规模并网存在巨大的挑战，因此准确有效地预测风速对电力系统的平稳运行意义重大。

近年来，科研人员对风速预测已经做了大量的研究。目前，用于风速预测的方法主要有回归分析方法、时间序列方法、马尔科夫链方法、支持向量机方法和神经网络方法等[1]～[5]。然而，在现实风速预测中，通过以上单一预测方法往往无法达到理想的预测效果，要对单一预测模型进行一定的优化和改进来提高风速的预测精度。文献[6]采用了广义回归神经网络的预测方法对风速进行预测，该方法具有结构简单，方便实现，对训练数据数量要求不高的特点，和BP神经网络相比较，其预测的精确度和准确度有所提高；然后又对广义回归神经网络中的光滑参数进行粒子群（PSO）优化选取，使其取值不再盲目，进一步提高了其预测精度。文献[7]从4个方面对局部均值分解（LMD）和经验模态分解（EMD）进行比较，结果表明，与EMD相比，LMD可以有效地消除模态混叠，从而获得更准确的瞬时频率。……