基于自回归模型的短期海上风电功率预测.docxVIP

摘?要：

由于煤炭资源匮乏和环境污染，人类逐渐开始发掘风电能的利用价值。然而风速的强不确定性导致其很难预测，鉴于此，基于自回归模型进行风电功率建模与仿真研究。经过NAR神经网络训练选择合适的自回归阶数，继而选择该阶数及对应隐藏节点重新训练，最后代入数据仿真得到结果进行分析比对。通过比较预测值与实际值，总结自回归模型的特点，得出基于该模型的海上风电机组功率预测方法在海上风电场具有实际应用价值和意义这一结论。

关键词：

海上风电；神经网络；自回归模型；功率预测

0?引言

风力发电逐渐成为世界各国能源开发的重点。2021年，中国风电装机创历史新高，新增吊装海上机组2603台，新增装机容量达到1448.2万kW，同比增长276.7%。规模化发展、深海漂浮式大功率海上装备、智能运维正在为海上风电发展注入强劲的动力。在“双碳”背景下，海上风电发展潜力巨大，机遇和挑战并存。

为测试和比较不同风电机组功率预测方法的精度，国内外学者开展了大量研究。文献[1]采用模糊综合评价法对陆上风电机组的运行状态进行评估。首先采用经验模态分解（EmpiricalModeDecomposition，EMD）对风速序列进行分解，然后结合支持向量机（SupportVectorMachine，SVM）对短期风速进行预测，但SVM的核函数以及参数的选择对预测结果具有一定影响。利用距离分析法筛选出与风电出力相