1、作為一種清潔的可再生能源，風能已經(jīng)成為世界各國關(guān)注的熱點，我國對風能的開發(fā)利用也給予了高度的重視。由于風具有很強的隨機性和長期不可準確預測性，所以風力發(fā)電接入電網(wǎng)后會對整個電網(wǎng)的電能質(zhì)量和電力系統(tǒng)的穩(wěn)定運行產(chǎn)生重要的影響。為了保證電力系統(tǒng)穩(wěn)定運行，合理安排調(diào)度計劃，增強風電競價上網(wǎng)的能力，需要對風電場短期功率進行準確預測。
　　論文在研究風電機組輸出功率特性的基礎(chǔ)上，研究分析了多種智能預測算法，針對風電數(shù)據(jù)隨機性大、不穩(wěn)定的特點，

2、提出了優(yōu)化的稀疏貝葉斯回歸預測模型，進行風電功率的建模和短期預測。具體工作包括:
　　1.對風電機組輸出功率特性進行分析，分析研究了風速和風力發(fā)電機組輸出功率之間的關(guān)系。研究發(fā)現(xiàn)風速和風力發(fā)電機組輸出功率的變化趨勢一致，表明風速是影響風電功率輸出的主要因素。
　　2.提出了基于自編碼神經(jīng)網(wǎng)絡的數(shù)據(jù)降維方法。對風電功率預測涉及的相關(guān)數(shù)據(jù)進行了分析與處理，主要有剔除壞數(shù)據(jù)，補齊缺失數(shù)據(jù)，進行數(shù)據(jù)歸一化，用自編碼神經(jīng)網(wǎng)絡對數(shù)據(jù)進行

3、降維，以簡化預測模型輸入數(shù)據(jù)的復雜度。
　　3.提出了利用優(yōu)化的核心向量回歸模型進行風速預測。由于核心向量回歸模型中的參數(shù)選擇對模型的預測精度有重要影響，本文采用粒子群優(yōu)化算法尋找核心向量回歸模型中的最優(yōu)參數(shù)，實驗表明，優(yōu)化后的模型得到了很好的預測效果。
　　4.提出一種基于優(yōu)化的稀疏貝葉斯模型的風電功率預測方法。在進行風速預測的基礎(chǔ)上，結(jié)合風向、溫度和歷史功率值等構(gòu)造樣本數(shù)據(jù)集。在經(jīng)過自編碼網(wǎng)絡進行數(shù)據(jù)降維處理后，利用人工