摘要：针对风电混沌时间序列在多维空间内展现出的短期可预测性,本文提出将误差补偿思想与相空间重构理论结合,将误差补偿模型推广至多维空间。由于风电实测数据同时包含线性特征与非线性特征,使用向量自回归模型和Elman神经网络模型分别对多维空间内的风电混沌时间序列的线性特征与非线性特征进行预测,并将两者的结果相加得到最后的预测值。对我国某风电场实测数据的建模仿真结果表明,本文所提方法较单一线性建模和单一非线性建模方法更优,具有更高的预测精度。

关键词：风电功率预测 相空间重构 向量自回归 elman神经网络 

单位：四川大学电气信息学院智能电网四川省重点实验室; 成都610065; 国网四川省电力公司经济技术研究院; 成都610041