随着工业的高速发展,人类对能源的需求日益增加,早期由于对传统化石能源的高度依赖,不仅使其储藏量逐年下降,而且对环境造成了巨大的污染。此时,大规模开发利用新能源的概念应运而生。风能作为一种清洁能源,近几年在我国的得到迅速的发展,是一种规模大、技术较为成熟的电能产生方式。然而,由于风速的不确定性,导致了风电出力的稳定性受到很大的限制,因此,就要预测未来某段时间风电出力的状况,为电力调度提供参考的依据。风电的出力是一个受风速波动性和各种气象条件影响的复杂过程,风电功率预测的准确性可以大大提高电力系统调度运行的效率,维持发、输、用电之间功率的平衡。基于这些考虑,文章对风电场进行功率预测时,主要研究了以下两方面的内容:(1)首先建立了表征风电功率波动的平稳性指标,考虑到风电的波动性与预测准确度之间的关系,引入了带精英策略的快速非支配排序遗传算法(NSGAII),以此来求取各个风力发电机组的最优组合,使得组合后的风电出力更加平稳,波动更小,得到了一组pareto最优解集。然后对pareto解集中的所有组合的风力发电机组,利用BP神经网络进行功率预测,预测误差最小的解就是最优的组合。通过仿真验证,证明该方法的有效性和合理性。并将所得到的结果与经典的风电功率预测方法—小波预测和粒子群优化的BP神经网络(PSOBP)预测进行对比分析,证明了所提方法的优越性。(2)组合预测就是将某时刻t的几种预测结果以一定的权值叠加在的一起,得到最终的预测值。该方法能够充分利用、挖掘每一种预测结果的有用信息,使得预测结果优于参与组合的每一种预测方法。文章在利用组合预测求取最优权值时,利用带精英策略的快速非支配排序遗传算法(NSGA-II),以灰色关联度最大和预测误差最小为目标函数,对上一节的pareto最优解集中的n种预测方案得到的预测值进行组合。在应用NSGA-II算法求取权值时,得到一个pareto最优解集,选取该解集中平均绝对误差和均方根误差同时达到最小值者为该风电场最终的组合预测权值。通过实例验证,证明了该方法的有效性和合理性。