计算机工程

作者：崔曦文, 张潇丹, 牛东晓

单位：1. 华北电力大学经济与管理学院, 北京 1022062. 新能源电力与低碳发展北京市重点实验室, 北京 102206

关键词：风电功率预测,分解模型,误差修正,区间预测,多目标优化

基金：国家社会科学基金重大项目(22&ZD103)

风电等新能源的大规模并网是完成"双碳"目标的重要措施之一, 而可靠的风电功率预测是保障电网安全运行的不可或缺的技术支撑。为此, 提出一种超短期风电功率点-区间预测模型。首先, 对风电功率原始序列进行异常值筛选以及修正, 让修正后的数据更符合客观规律; 然后, 构建双层分解模型对原始序列进行分解, 双层分解算法的应用可以获得趋势更加具有预测性的子序列, 以降低风电功率预测难度; 接着, 构建多目标策略结合改进黏菌算法优化的支持向量机(MOISMA-SVM)模型来精准预测子序列并进行相加重构。MOISMA在兼顾预测的精度和稳定性的同时对SVM参数实现了寻优, 得到风电功率预测结果; 最后, 通过MOISMA-SVM模型对预测结果的绝对误差进行进一步修正, 将误差预测结果与风电功率预测结果相加, 得到了风电功率点预测结果。通过实验对比分析, 证明了所提模型拥有最好的误差指标结果, 在两个数据集中的平均绝对误差(MAE)分别达到了0.505 7 MW和0.672 6 MW, 相比于SVM模型分别提升了98.79%和98.50%, 展现出模型的高精度结果和稳定性。根据点预测结果, 构建改进的核密度估计区间预测模型, 得到区间预测结果。两个数据集的预测区间具有较高的可靠性和较窄的区间带宽, 综合覆盖宽度准则(CWC)分别达到0.002 4和0.002 8, 能更准确地描述风电功率的波动趋势, 提高了整体模型的实用性。

来源：2026年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第3期