随着煤、石油等化石能源的不断消耗,能源短缺、气候变暖以及生态环境恶化问题愈发严峻,寻找一种具有发展潜力的清洁可再生能源成为国际社会亟需解决的问题。随着不断的探索研究,风能资源以其储量大、分布广、清洁无污染、利用成本低等优势,成为目前最具开发潜力的可再生能源。风速是研究风能资源最具代表性的一个重要特征,但是,由于风速具有较强的间歇性、随机性、不可控性等,使得风电开发成本较高,也不利于风电并网系统的稳定运行。因此,高效准确的风能资源评估与风速预测研究是保障风电设备安全、维护风电并网以及电力系统安全稳定运行的前提条件,特别是降低风电开发成本必不可少的环节。针对风能资源评估与风速预测,本文主要的研究工作是风能资源评估中统计分布参数的确定和风速预测技术的创新,期望建立有效的确定统计分布参数的方法和预测性能良好且使用广泛的预测系统。针对风能资源评估,在现有研究中,确定最稳定的统计分布的具体方法依然缺乏。本文引入常用于评估的四种统计分布作比较研究,并对最优统计分布的参数进行优化,建立了改进的统计分布模型,进一步提高了风能资源的评估精度。针对风能资源的预测,尽管现有的混合预测方法一般都能取得较好的预测结果,但在混合预测模型中通常仅仅采用非线性模型分析数据的非线性信息,而忽略了数据中包含的线性信息。本文提出基于线性模型和非线性模型的确定性与不确定性混合预测系统,弥补了现有研究中存在的不足,进一步提高了预测精度。将建立的模型应用于不同风电场的研究中,进行实证研究与对比分析,最终验证了建立的模型在实际应用中可以有效地进行风能资源评估与风速预测,具有广泛的应用前景。本文分为六个章节,第一章介绍了研究背景和选题依据、理论意义和实际意义、研究思路和主要研究内容,以及主要创新点和研究局限。第二章对风能资源评估和风速确定性预测与不确定性预测的研究现状进行了梳理、归纳和总结。此外,还引入模型的性能评价指标以及假设检验方法用于验证模型性能。第三章引入四种常用于风能资源评估的统计分布模型以及七种统计分布参数的估计方法。其中,首次引用了狼群智能优化算法对统计分布参数进行优化。此外,对相关风能指标进行了计算,从而确定研究区域的风能资源潜力。第四章和第五章分别建立了基于线性和非线性模型的确定性和不确定性混合预测系统,并应用于不同地区的风速预测。实验结果表明,本文提出的预测系统能够获得更高的预测精度。第六章总结全文的研究工作,并展望未来研究的方向。本文主要的研究内容可以总结为以下三个方面:（1）针对风能资源评估中统计分布参数的计算过程比较复杂,首次引用狼群智能优化算法优化已选择的最佳统计分布的参数,建立改进的统计分布模型用于评估风能资源,其中,最佳统计分布是基于拟合精度最小均方根误差选择策略确定的。利用本文建立的统计分布模型,计算了渤海湾三个观测点的相关风能指标,从而确定风能资源潜力。实证结果显示,提出的基于狼群智能优化算法改进的Weibull分布模型对渤海湾三个观测点的风速数据有很好的拟合能力,能够准确有效的评估风能资源。（2）针对线性模型不能处理非线性关系,单独的非线性模型不能同时处理具有线性和非线性特征的时间序列,本文建立了两种基于线性和非线性模型的确定性混合预测系统。系统首先引入互补集合经验模态分解技术预处理数据,从而达到消除噪声进而提升系统预测性能的目的;其次,引入线性模型作为预测系统的线性预测模块,分析数据中的线性特征;接着,将基于布谷鸟优化算法改进的反向传播神经网络模型作为非线性预测模块,分析数据中的非线性特征;最后,采用山东省蓬莱市风电场的九个风速数据集进行实证研究,结果表明所建立的混合预测系统相对于其它对比模型具有显著的优越性,能够有效进行风速时间序列的确定性预测。此外,深入讨论了预测系统的显著性,进一步证明了所建立的混合预测系统在风速确定性预测中的有效性和优越性。（3）针对不确定性混合预测模型的预测部分通常仅仅采用非线性模型,本文建立了基于线性和非线性模型的不确定性混合预测系统。系统首先引入改进的带有自适应噪声的完备集合经验模态分解技术预处理风速数据,从而有效地识别和提取数据的主要特征;其次,引入三种指数平滑模型作为预测系统的线性预测模块,对比研究这三种方法的预测性能,结果表明二次指数平滑的预测效果更优;接着,在对三种神经网络模型对比研究的基础上,提出基于狼群智能优化算法改进的极限学习机模型作为基准非线性预测模块;然后,结合最佳统计分布区间估计理论,在设定的显著性水平下估算预测区间的上下限值;最后,采用不同地区风速数据集进行实证研究,证实了建立的混合预测系统可以有效地进行风速数据的确定性和不确定性预测。本文的主要创新点如下:（1）本文首次基于渤海湾的风速数据建立了改进的统计分布模型,对比分析四种统计分布模型,根据最小均方根误差策略确定最优的分布模型。在统计分布参数估计中,首次对比研究了四种传统的数值方法与三种群智能优化算法在参数估计中的应用。本文首次提出了基于狼群智能优化算法改进的Weibull分布模型,实证研究结果证明该模型能够有效拟合研究区域的风速,准确评估该地区的风能资源。（2）基于统计模型、机器学习方法中的人工神经网络、智能优化算法、数据预处理技术建立了风速预测系统,该系统充分集成各种方法的优点,表现出了良好的预测性能。（3）提出了两种基于线性和非线性模型的确定性风速混合预测系统。提出的系统集成了数据预处理、混合预测和评价模块,引用互补集合经验模态分解技术提取数据的主要特征,有效提取了风速数据的线性和非线性特征,成功利用了不同模型的优势,克服了传统方法精度低、稳定性差的缺点。（4）风速预测研究多侧重于确定性预测,而较少考虑不确定性预测,即区间预测,但是区间预测可以量化由于多种因素导致的风速数值变化的范围,为决策者提供更多不确定性参考信息。鉴于此,本文提出了基于线性和非线性模型的风速不确定性预测系统,实现了风速时间序列的不确定性预测,获得了有效的预测结果。（5）现有的研究仅仅关注非线性模型在风能资源预测中的应用,忽视了线性模型在提高预测性能中的重要性。本文提出的基于线性和非线性模型的混合预测系统,克服了传统非线性预测模型存在的缺陷,改进了以往的混合预测系统,解决了单个模型预测精度低的问题。本文的不足之处如下:（1）本文提出的基于智能优化算法的Weibull分布模型仅仅考虑了三种优化算法,若考虑其他优化算法,特别是多目标优化算法,则风能资源评估研究将会更加丰富,可能会进一步提高分布模型的拟合精度,值得未来深入研究。（2）本文所构建的预测系统仅采用指数平滑和自回归移动平均模型,并没有考虑其他线性模型,采用的机器学习方法中的神网络模型也比较单一。若在未来研究中,尝试多种线性模型和不同的神经网络模型,则风速预测研究将会更加丰富,可能会进一步提高模型的预测性能,值得进一步研究和探讨。