1、眾所周知，風(fēng)能是一種環(huán)保、經(jīng)濟(jì)的可再生能源，但由于風(fēng)能有隨機(jī)性和間歇性等特點(diǎn)，風(fēng)電的大規(guī)模并網(wǎng)受到了限制。對風(fēng)電場風(fēng)速進(jìn)行準(zhǔn)確的預(yù)測，能及時(shí)有效地調(diào)整調(diào)度計(jì)劃。本文分析荷蘭風(fēng)電場風(fēng)速特性，并將支持向量機(jī)應(yīng)用到短期風(fēng)速預(yù)測中。首先，因?yàn)樵硷L(fēng)速數(shù)據(jù)的隨機(jī)性和波動(dòng)性強(qiáng)，直接對風(fēng)速序列進(jìn)行預(yù)測難以保證預(yù)測精度。所以這里需要對原始數(shù)據(jù)進(jìn)行預(yù)處理，本文采用小波包分解，對風(fēng)速數(shù)據(jù)進(jìn)行四層分解，得到不同頻段的子序列。由于單獨(dú)的SVM在風(fēng)速預(yù)測中存在陷

2、入局部最優(yōu)和泛化能力差等問題，因此本文利用縱橫交叉算法優(yōu)化支持向量機(jī)，對支持向量機(jī)的若干重要參數(shù)進(jìn)行優(yōu)化，從而提高預(yù)測模型的泛化能力和收斂能力。
　　本文提出一種基于小波包分解和縱橫交叉算法優(yōu)化支持向量機(jī)的短期風(fēng)速預(yù)測模型。首先對風(fēng)速原始數(shù)據(jù)進(jìn)行小波包分解，得到不同頻段的子序列，再用縱橫交叉算法優(yōu)化過的支持向量機(jī)分別對不同子序列進(jìn)行預(yù)測，將預(yù)測得到的結(jié)果進(jìn)行疊加，得到最終的預(yù)測結(jié)果。
　　本文實(shí)驗(yàn)在Matl ab軟件平臺(tái)下進(jìn)