1、風(fēng)能即是清潔能源又是可再生能源，且取之不盡用之不竭，大力開發(fā)風(fēng)力發(fā)電產(chǎn)業(yè)，將成為未來電力戰(zhàn)略部署工作的重點。在實際應(yīng)用中，由于風(fēng)的不確定性、隨機性、間歇性等特點，給風(fēng)電競價上網(wǎng)和運行調(diào)度帶來了不便。功率預(yù)測技術(shù)的出現(xiàn)，使這一問題得以解決。
　　國內(nèi)外關(guān)于風(fēng)電功率預(yù)測方面的研究成果較多，均表明，不同的預(yù)測方法可對原始數(shù)據(jù)特征有著不同的體現(xiàn)，組合在一起才能夠全面、合理的利用信息來建立具有較高預(yù)測質(zhì)量的模型。本文將基于內(nèi)蒙古赤峰地區(qū)賽罕

2、壩風(fēng)電場的實測數(shù)據(jù)來建立短期功率組合預(yù)測模型，實現(xiàn)未來一天的風(fēng)功率預(yù)測，具體如下：
　?。?）由于歷史數(shù)據(jù)中包含大量的統(tǒng)計特征。因此本文對歷史風(fēng)速、功率數(shù)據(jù)進(jìn)行具體分析，得到風(fēng)速序列的統(tǒng)計特性、功率與風(fēng)速的關(guān)系以及影響風(fēng)功率大小的其他因素，為后續(xù)建模時特征向量的選取奠定基礎(chǔ)。
　?。?）支持向量機作為化繁為簡的小樣本學(xué)習(xí)方法，在面臨復(fù)雜的樣本空間時具有一定優(yōu)勢。本文運用最小二乘支持向量機方法來進(jìn)行風(fēng)速預(yù)測，在參數(shù)確定方面，采

3、用粒子群優(yōu)化算法尋優(yōu)，使得傳統(tǒng)的依據(jù)經(jīng)驗來確定模型參數(shù)的方法得以改善，并對標(biāo)準(zhǔn)粒子群算法加以改進(jìn)，以避免粒子因早熟收斂而陷入局部最優(yōu)。通過對所建模型的誤差評價值指標(biāo)進(jìn)行統(tǒng)計分析，評價該模型的好壞。
　?。?）預(yù)測方法各有所長，因此本文運用不同的功率預(yù)測方法，結(jié)合風(fēng)速預(yù)測的輸出，對未來一天的功率進(jìn)行預(yù)測。通過對模型誤差評價指標(biāo)的分析，選取較為互補的兩種方法作為功率組合預(yù)測模型的元素，即基于同一組數(shù)據(jù)的預(yù)測誤差曲線走勢相反。
　

4、?。?）將兩種單項預(yù)測方法進(jìn)行組合，采用熵權(quán)法確定組合模型權(quán)值，將同樣的輸入數(shù)據(jù)送入組合模型進(jìn)行功率預(yù)測，對運行結(jié)果進(jìn)行對比分析。誤差評價指標(biāo)除了平均絕對誤差和平均絕對百分比誤差以外，又加入絕對誤差指標(biāo)來進(jìn)一步約束。結(jié)果表明組合模型比任一單項預(yù)測模型的效果都要好；再進(jìn)一步縮短數(shù)據(jù)采樣時間間隔，運用組合模型重新預(yù)測，由于數(shù)據(jù)特征更加充實，模型的預(yù)測精度又得以提升。
　　為證明模型的泛化特性，本文對多組數(shù)據(jù)進(jìn)行測試、檢驗，均得出較好效