1、近幾年來，我國風(fēng)電產(chǎn)業(yè)發(fā)展迅速，為提高風(fēng)電競爭力，減小風(fēng)電功率隨機(jī)性對電阻帶來的影響，高精度的風(fēng)電功率預(yù)測就必不可少。在一個風(fēng)電場而言，高精度的超短期風(fēng)電功率預(yù)測是優(yōu)化風(fēng)機(jī)的電能質(zhì)量，安排檢修的重要手段。對于電網(wǎng)來說，減少備用旋轉(zhuǎn)容量，減小由風(fēng)電并網(wǎng)的帶來的可靠性問題，超短期風(fēng)電功率預(yù)測顯得十分重要。
　　本文采用一種基于相關(guān)向量機(jī)的風(fēng)功率預(yù)測模型對風(fēng)電功率進(jìn)行超短期預(yù)測。對模型中核函數(shù)類型與參數(shù)不同對預(yù)測的影響進(jìn)行了研究，并對核

2、函數(shù)參數(shù)選取采用粒子群算法(Particle Swarm Optimization，PSO)和帝國競爭算法(Imperialist Cormpetitive Algorithm),進(jìn)行優(yōu)化。對于PSO算法涉及的種群規(guī)模、加速系數(shù)、慣性權(quán)重的不同選取策略對優(yōu)化結(jié)果影響進(jìn)行了仿真分析；對于帝國競爭算法中最大迭代次數(shù)、初始國家與帝國數(shù)等參數(shù)進(jìn)行設(shè)計。
　　針對風(fēng)電功率與風(fēng)速的非線性與非平穩(wěn)性，將經(jīng)驗(yàn)?zāi)B(tài)分解和集合經(jīng)驗(yàn)?zāi)B(tài)分解應(yīng)用于預(yù)測中