1、由于風(fēng)能的非平穩(wěn)性和波動(dòng)性，風(fēng)電的大規(guī)模并網(wǎng)將會(huì)給電網(wǎng)帶來非常大的沖擊。對于風(fēng)速與風(fēng)電功率的精準(zhǔn)預(yù)測不僅有利于電網(wǎng)的調(diào)度，還可以提高風(fēng)電功率的利用效率以及保證電網(wǎng)的穩(wěn)定運(yùn)行。本文采用了基于優(yōu)化的灰色GM(1,1)模型與應(yīng)用BP神經(jīng)網(wǎng)絡(luò)修正的灰色殘差模型分別對風(fēng)電場的風(fēng)速與風(fēng)電功率進(jìn)行預(yù)測。
　　首先，由于傳統(tǒng)灰色GM(1,1)模型在對非線性數(shù)據(jù)進(jìn)行預(yù)測時(shí)誤差較大，本文采取了數(shù)值逼近算法對灰色GM(1,1)模型進(jìn)行優(yōu)化。選取風(fēng)電場實(shí)

2、際的風(fēng)速數(shù)據(jù)，應(yīng)用優(yōu)化的灰色GM(1,1)模型對風(fēng)速預(yù)測時(shí)，預(yù)測誤差明顯減小，相對誤差降低了35%。在預(yù)測風(fēng)速的基礎(chǔ)上，對風(fēng)電場周邊的溫度及風(fēng)向也分別進(jìn)行了仿真預(yù)測，并對結(jié)果進(jìn)行了誤差分析，更加驗(yàn)證了此預(yù)測方法的可行性與穩(wěn)定性。
　　其次，由于BP神經(jīng)網(wǎng)絡(luò)對非線性的預(yù)測有很好的效果，因此結(jié)合GM(1,1)模型與BP神經(jīng)網(wǎng)絡(luò)模型各自的優(yōu)點(diǎn)，提出了利用BP神經(jīng)網(wǎng)絡(luò)修正的灰色殘差預(yù)測模型。分別采用灰色GM(1,1)模型、BP神經(jīng)網(wǎng)絡(luò)模型