基于小波包和改進縱橫交叉法的風電預測模型

馬留洋，葛佳菲

（廣東工業大學自動化學院，廣東 廣州 510006）

新能源發電技術

基于小波包和改進縱橫交叉法的風電預測模型

馬留洋，葛佳菲

（廣東工業大學自動化學院，廣東 廣州 510006）

針對風電出力的隨機性、季節性和波動性及一般方法預測精度不高的問題，采用改進縱橫交叉（improved crisscross optimization，ICSO）算法，建立了一種基于小波包變換與改進縱橫交叉算法優化Elman神經網絡的風電預測模型。仿真結果表明：改進的縱橫交叉算法不但克服了一般算法早熟收斂的缺陷，有效提高神經網絡的泛化能力和預測精度，而且表現出良好的穩定性，適用于風電的預測。

小波包變換；Elman神經網絡；改進縱橫交叉算法；風電預測

風能作為一種清潔的可再生能源，在近幾年來受到越來越多的關注［1］。風電并網能帶來巨大的經濟效益，因此我國每年的風電裝機數量也成倍地增長，但由于風電出力受溫度、地形、海拔、季節、緯度、氣壓等多因素影響，會表現出明顯的波動性和間歇性［2］。這會嚴重影響到電能質量和供電可靠性，同時也對風電大規模并網形成一定制約［3］，因此，建立準確可靠的風電預測模型，是解決上述問題的一個有效途徑之一，對實現大規模風電的逐步并網也有著重要意義。

1 研究現狀及存在的問題

近些年來已經有大量關于風電預測模型的研究工作，目前主要采用的預測方法有神經網絡［4］、支持向量機［5］、模糊集理論［6］等。其中，Elman神經網絡因為其強大的信息處理能力和學習能力在預測領域得到廣泛應用，但是，神經網絡在訓練時存在收斂速度慢、容易陷入局部最優的缺點［7］。……