由能見與新能源門共同舉辦的第一期“新能源功率預測技術沙龍”已于9月22日圓滿落下帷幕。在本次的技術沙龍活動中，不僅有東潤環能、國能日新、清軟創新等主流功率預測廠商的齊聚，還有來自投資界，研究界的多位專業人士出席，共同就新能源功率預測技術展開熱烈的討論與分享。來自北京東潤環能科技股份有限公司的美女算法技術經理朱格利為大家分享了“風速多步預測模型”的相關知識和經驗。具體內容包括：風速多步預測模型的算法介紹、風速多步預測模型的建立、風速多步預測模型的適用性分析以及風速多步預測模型的預測結果分析等。下面就讓我們跟隨美女技術經理的腳步，一起走進“風速多步預測模型”。 　　
　　一、風速多步預測模型算法簡介
　　
　　風速多步預測模型(CS-FS-WRF-E model)是基于WRF模擬結果集合(WRF Ensemble，簡稱WRF-E )、一種新型模糊系統(Fuzzy System，簡稱FS)以及布谷鳥搜索算法(Cuckoo Search algorithm，簡稱CS)構成的組合預測模型。 　　
　　WRF集合(WRF-E)是一種完全可壓非靜力模式，采用Arakawa C網格，集數值天氣預報、大氣模擬及數據同化于一體，能夠更好的改善對中尺度天氣的模擬和預報。
　　
　　模糊系統(Fuzzy System，FS)是基于多元線性回歸的概念提出的，用以計算每個子集的模糊隸屬度，選取隸屬度大的子集成員構成最終的風速預測結果。在預測階段沒有觀察數據時，此種方法可以用來評估集合方法中每個子集的有效性。
　　
　　用來評估每組WRF模擬值的有效性。布谷鳥搜索算法(Cuckoo Search algorithm，CS)是一種人工智能算法，靈感來自于布谷鳥種群特殊的生活方式，該算法具有以下特點：第一，具有很快的收斂速度，終止迭代次數明顯少于遺傳算法和粒子群算法，計算效率是遺傳算法和粒子群算法的四倍以上;第二，計算過程中能夠及時釋放計算機內存，內存占有量少。因此布谷鳥算法優于遺傳算法和粒子群算法。通過布谷鳥搜索算法訓練得出FS輸出的不同風速序列的最佳權重，從而得到最終的預測風速結果。
　　
　　二、風速多步預測模型的建立 　　
　　風速多步預測模型(CS-FS-WRF-E)算法的輸入值為WRF模擬值以及測風塔的歷史風速數據，輸出值為預測風速數據。具體實現分為三步：第一步，WRF模式的M組風速序列通過FS系統篩選組合得到m組新的風速序列(m<M)，理想狀態是新的風速序列是原風速序列中預測最優序列;第二步，測風塔的歷史風速數據和第一步得到的m組新的氣象數據通過CS算法訓練得到最優權重W;第三步，利用FS系統將WRF的M組預測風速序列初步處理得到m組新的風速序列，結合第二部得到的最優權重W，加權得到最終的風速預測序列。其中第一、二步針對的是歷史數據，第三步是對預測氣象的處理。
　　
　　三、預測模型的適用性分析
　　
　　風速多步預測模型(CS-FS-WRF-E)算法可廣泛應用于不同地區的眾多風電場。風速多步預測模型(CS-FS-WRF-E)算法在提出之時，所用的數據為山東省某風電場站點數據，為了進一步驗證模型的適用性，東潤環能選取了下墊面和氣候條件均與之不同的寧夏地區某風電場進行驗證，結果顯示，風速多步預測模型仍具有很好的預報能力。 　　
　　四、風速多步預測模型預測結果分析
　　
　　以4類氣象源NWP(包括NWP1、NWP2、NWP3和NWP4)替代WRF模式結果，則CS-FS-WRF-E預測變為 CS-FS-NWP-E。 　　
　　經過實際測試，結果表明4種氣象源選擇2種或者3種的多步預測算法效果最好;綜合來看，氣象源質量差異不是很大的情況下，氣象源越多，風速多步預測方法結果越好。這種通過多次篩選組合的算法，保證了預測結果的穩定性，同時能很好的解決單一氣象源的預測不穩定性帶來的困難。算法預測新能源未來，優秀敏捷算法在大數據應用時代必定將煥發其數據價值!