項目背景

近年來，隨著風電并網規模的快速擴大，風電作為一種清潔可再生能源不斷受到人們的重視，但風電的間歇性和隨機性給大規模風電并網帶來了挑戰，為保證電網的安全可靠運行，有必要對風電功率進行準確預測。準確的風電功率預測有利于合理調度電網資源，降低電網運行成本，提高電網穩定性，對電力系統的功率平衡和設備安全有著積極意義。

目前，國內外關于風電功率預測的研究已取得大量成果，主要方法包括基于數值天氣預報的物理方法、基于歷史數據的統計方法以及二者相結合的混合預測方法。以上這些風電功率預測方法大部分為單一的點預測方法，但由于風電輸出功率受多種不確定因素的影響，點預測方法依然存在較大誤差，且難以反映預測的可靠性，因而有學者采用概率區間對風電不確定性進行分析。概率區間預測可以通過置信度指標來衡量預測結果的可靠程度，分析風電功率可能的波動范圍，同時決策者可以根據需要選擇最佳置信度下的預測結果完成電網的安全可靠調度。

主要創新點

通過提出一種基于小波神經網絡的風電功率區間預測多目標優化模型，并改進基本多目標人工蜂群算法的概率選擇作用和約束刪減策略以優化小波神經網絡的伸縮因子、平移因子和權值，解決了區間預測單目標優化模型下懲罰系數的不合理選擇問題，提高了風電功率區間預測可靠性。通過分析與單目標優化方法、傳統多目標優化方法下區間預測指標的對比結果，表明所構建的多目標智能優化模型對風電功率區間預測具有更優越的性能，可為電網調度提供決策依據。

解決的問題和意義

本文針對傳統風電功率區間預測模型的單目標優化準則存在懲罰系數難以合理選擇問題，構建了一種風電功率多目標智能優化預測模型，并對基本多目標人工蜂群算法的概率選擇作用和約束刪減策略進行改進以優化小波神經網絡。對比于單目標風電功率區間優化模型，多目標風電功率優化模型避免了懲罰系數選擇，提高了預測區間置信度，降低了預測區間帶寬；對比于傳統多目標進化算法優化下的WNN模型，采用本文改進后的MOABC優化WNN模型不僅具有良好的收斂性能和分布性能，而且具有相對優越的動態性能，能夠同時為不同電網調度部門提供決策支持。

后續研究內容

后續研究方向為考慮預測區間外點誤差的多目標風電功率區間預測方法。

主要圖表