王 岩，陈耀然，韩兆龙,b,c，周 岱,b,c, 包 艳,b,c

(上海交通大学 a.船舶海洋与建筑工程学院；b.海洋工程国家重点实验室；c.水动力学教育部重点实验室，上海 200240)

风能是一种清洁、经济的可再生能源.但是，风速的间歇性和波动性导致风力发电机的输出功率难以预测，进而为风电并网、能源输送和风电场制定交易计划等造成困难[1].开展风电场短期(未来1 h内)风速预测成为解决上述问题的关键[2].

目前，主要利用统计方法进行风电场的短期风速预测[3].该方法利用历史风速数据，建立历史风速与未来风速之间的统计模型而预测风速，具体方法包括时间序列和机器学习等[4].时间序列模型是线性统计模型，而风速序列模型是波动性和随机性较强的非线性统计模型，因此时间序列法预测风速的效果不佳[5].

机器学习是人工智能的一个分支，其在风速预测方面具有较强的非线性建模能力.人工神经网络(ANN)是典型的机器学习方法，其从信息处理的角度对人脑神经元网络进行抽象表达，进而建立非线性数学模型[6].Santhosh等[7]利用经验模态分解，将原始风速分解为多个子序列，并利用ANN分别对子序列进行建模预测.结果显示，相较于基于时间序列法的风速预测模型，基于ANN的模型的预测误差显著降低.支持向量机(SVM)作为另一种机器学习方法，其主要思想为先利用一个预设函数将原始输入和输出数据映射到高维特征空间，然后在该空间进行线性回归，使误差最小化.范曼……