风电场风速预测模型探究

摘要：本文介绍了两种风电场风速预测的模型，分别是

BP 神经网络模型和小波-

BP 神经网络组合模型。BP 神经网络模型是风速预测中常用的模型之一，小波技术和 BP

神经网络结合，即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开，

体现了各成分对预测值贡献率的不同。将

BP 神经网络模型和小波-BP 神经网络组合模型

分别应用到我国朱日和风电场的逐时风速预测中，从预测结果对比二者，可以得出组合

模型更适合该风电场的逐时风速的预测。

　　关键词：风电场；风速；预测模型；

BP 神经网络；小波

　　

1 引言

　　我国的风能资源非常丰富，风能资源在我国能源结构中占有重要的地位。作为一种

清洁的可再生能源，近年来风能资源正得到广泛地开发和利用。

21 世纪，人类对能源需

求空前高涨，尤其是我国，人口众多，电力需求很大，大力发展风电技术具有极其重要

的意义。

　　风速是风能资源计算评估的关键内容，准确的预测风速对风电场和电力系统的运行

管理具有重要意义。预测风速的模型众多，除数值天气预报模式等复杂的数学物理模式

预测方法外，常见的统计预测方法主要有持续预测法、时间序列预测法、人工神经网络法

等［

1］［2］。其中，持续预测法是最简单、最传统的预测方法，常作为其他预测方法的

比较基准。时间序列预测法是一种历史资料的延伸预测法，常用的模型有：自回归

（

AR）模型、滑动平均（MA）模型、自回归滑动平均（ARMA）模型、自回归滑动平均

求和（

ARIMA）模型等。在目前的人工神经网络中，应用较多的是 BP（Back 

Propagation）神经网络，随着 BP 神经网络技术的不断发展，该技术在风速预测中的优

势和潜力已逐渐显现。

　　本文主要研究

BP 神经网络模型在风速预测中的应用，先建立单纯的 BP 神经网络

模型，再建立基于小波技术的

BP 神经网络模型，并对二者进行了对比分析。