风能产能丰富、分布广泛,是可再生能源之一。对风电场的风速进行预测分析能够优化风电场的风力调度,提升风能利用效率。但受到空间信息、天气信号等因素影响,风速预测工作存在诸多挑战。现有的解决方案大多针对单风场风机预测,也无法在历史数据缺失的情况下进行风速预测。本文开展基于时空神经网络的风电场超短期风速预测研究及设计,鉴于不同风场在空间方面存在一定的规律性,同一风电场在时间、空间方面也具有一定的强相关。现对同一风电场不同高度以及相关联的上下游风电场风速进行分析,对目标风电场的超短期风速进行预测,解决风速预测精度不高、缺失数据的风场风速无法预测的问题。全文的主要工作如下:1风速随机不可控,为了提高风电场风速预测的精度,通过集合经验模态分解以消除数据中时间序列的不平稳性,提高风速预测时输入数据的质量。在平稳分量的基础上,基于信息熵对相似分量分组,以此减少风速序列的输入参数。2提取风电场不同高度的风速、风向等数据特征,利用时空神经网络对当前风场的超短期风速进行预测,提高风速预测精度。3本文利用时空相关性,将相关性较强的风电场的数据集作为目标风场的输入数据,对缺失数据的风电场进行风速预测,解决缺失数据无法预测的问题。4该模型的数据是基于真实风电场中的关键性能指标数据集,当前模型相较于传统模型具有更高的普适性,能够更合理地应用于实际环境中。