基于VMD和IBA-LSSVM的短期風電功率預測

王 瑞，陳澤坤，逯 靜

(1.河南理工大學電氣工程與自動化學院, 河南 焦作 454000; 2.河南理工大學計算機科學與技術學院, 河南 焦作 454000)

近年來為緩解能源緊張，減少環境污染，新能源的開發和利用持續增加，其中風能是具有巨大利用價值的新型清潔環保能源，被廣泛應用于風力發電。未來的電力系統必然將為可持續的全球經濟增長提供更高滲透率的清潔能源，然而大量清潔能源的不斷接入給電力系統提出了前所未有的挑戰[1]。對風電場的功率進行短期預測，可以使電力調度部門能夠提前根據風電功率變化，及時調整調度計劃，保證電能質量，降低電力系統運行成本，這是減輕風電對電網造成不利影響、提高電網中風電裝機比例的一種有效途徑[2]。

目前，國內外對于風力發電功率的預測已有了深入研究，按照預測模型的不同，可分為物理方法、統計方法和學習方法。其中，物理方法需要對所在風電場進行建模[3]，由于受氣象預報更新頻率的影響，該方法更適合中期風電功率預測。統計方法包括回歸分析法[4]、指數平滑法、時間序列法[5-6]和灰色預測法。這種預測模型計算簡單，但隨著預測時間的增加預測精度會快速下降，且不能很好地適應非線性影響因素。

學習方法包括人工神經網絡法[7-9]、決策樹[10-11]和支持向量機[12-14]等。其中，最小二乘支持向量機(least squares support vector machine,LSSVM)具有預測精度高、計算簡單等優點。但是在實際的風電功率預測中，單一的預測模型存在局限性，無法……