关键词：高斯过程；风速时间序列；相空间重构；预测
摘 要：准确预测风速能有效减轻风电场对整个电网的不利影响,提高风电场在电力市场中的竞争能力.为了提高风速预测的精度,提出一种基于高斯过程(Gaussian processes,GP)的风速预测模型.首先运用自相关法和假近邻法分别求取风速时间序列的延迟时间和嵌入维数,进而对混沌风速时间序列进行相空间重构.其次运用GP模型对重构后的风速时间序列进行训练,同时在贝叶斯框架下,确定协方差函数中的“超参数”.最后利用训练好的GP模型风速时间序列进行预测,并与支持向量机、最小二乘支持向量机和BP神经网络进行比较.仿真结果表明,基于GP的风速预测模型具有很好的稳定性,能够满足预测精度的要求,具有很大的工程实际应用价值.