查雯婷，杨 帆，陈 波，李亚龙

(1. 中国矿业大学(北京)机电与信息工程学院，北京 100083；2. 内蒙古电力科学研究院，内蒙古 呼和浩特 010020)

1 引言

随着能源结构的不断优化，以风力发电为主导的新能源占比呈现高增长发展趋势。由于自然风具有强随机波动性，因此风功率预测精度不高，给电力系统调度带来困难，如何提高预测精度成为研究的焦点问题[1-2]。

风电功率的预测方法主要有物理方法、统计方法和人工智能方法，目前应用最多的是统计方法和人工智能方法，物理方法一般和两者结合使用[3]。

一般来说，测量风电场实际地形、地貌条件下风电机组轮体高度的风速、风向等参数计算得出实际输出功率的方法称之为物理方法，物理方法只适用于单风电机组的预测且精度不高，也未考虑到历史数据中的规律，难以实现多步预测。

统计方法主要是在系统输入与风电功率两者之间建立映射关系实现预测[4-6]，文献[4]采用灰色模型预测方法，通过构建微分方程和最小二乘法求解出下一点的预测值，最优预测百分误差为12.6%。文献[5]采用马尔可夫预测方法，使用最大期望值算法来估计预测误差所处的隐式状态，计算出预测区间，再通过区间滚动估计的方法得出最终预测结果，预测效果有近90%的区间覆盖率。统计方法有建模简单、运算速度快和数据量需求较小等优点，但模型结构较为简单，预测精度有很大提升空间。

人工智能方法是指将支持向量机[7-9]、人工神经网络[10-13]等机器学习[14-15]/深度学习[16-18]算法用于风功率预测过程，通过建立模型和精确调参，能更准确拟合非线性关系。……