手机浏览网
近年来，随着风电并网规模的快速扩大，风电作为一种清洁可再生能源不断受到人们的重视，但风电的间歇性和随机性给大规模风电并网带来了挑战，为保证电网的安全可靠运行，有必要对风电功率进行准确预测。准确的风电功率预测有利于合理调度电网资源，降低电网运行成本，提高电网稳定性，对电力系统的功率平衡和设备安全有着积极意义。
目前，国内外关于风电功率预测的研究已取得大量成果，主要方法包括基于数值天气预报的物理方法、基于历史数据的统计方法以及二者相结合的混合预测方法。以上这些风电功率预测方法大部分为单一的点预测方法，但由于风电输出功率受多种不确定因素的影响，点预测方法依然存在较大误差，且难以反映预测的可靠性，因而有学者采用概率区间对风电不确定性进行分析。概率区间预测可以通过置信度指标来衡量预测结果的可靠程度，分析风电功率可能的波动范围，同时决策者可以根据需要选择最佳置信度下的预测结果完成电网的安全可靠调度。
主要创新点
通过提出一种基于小波神经网络的风电功率区间预测多目标优化模型，并改进基本多目标人工蜂群算法的概率选择作用和约束删减策略以优化小波神经网络的伸缩因子、平移因子和权值，解决了区间预测单目标优化模型下惩罚系数的不合理选择问题，提高了风电功率区间预测可靠性。通过分析与单目标优化方法、传统多目标优化方法下区间预测指标的对比结果，表明所构建的多目标智能优化模型对风电功率区间预测具有更优越的性能，可为电网调度提供决策依据。
解决的问题和意义
本文针对传统风电功率区间预测模型的单目标优化准则存在惩罚系数难以合理选择问题，构建了一种风电功率多目标智能优化预测模型，并对基本多目标人工蜂群算法的概率选择作用和约束删减策略进行改进以优化小波神经网络。对比于单目标风电功率区间优化模型，多目标风电功率优化模型避免了惩罚系数选择，提高了预测区间置信度，降低了预测区间带宽；对比于传统多目标进化算法优化下的WNN模型，采用本文改进后的MOABC优化WNN模型不仅具有良好的收敛性能和分布性能，而且具有相对优越的动态性能，能够同时为不同电网调度部门提供决策支持。
后续研究内容
后续研究方向为考虑预测区间外点误差的多目标风电功率区间预测方法。
主要图表
