[发明专利]一种短期风电功率组合预测方法

权利要求书

1.一种短期风电功率组合预测方法，它包括：首先利用自适应白噪声的完备总体经验模态分解算法对风电功率序列进行分解，得到子序列分量，并分别与气象变量数据构成训练集，使用时间模式注意力机制的时间卷积网络对子序列分量分别进行预测，重构预测结果后得到最终的预测值。

2.根据权利要求1所述的一种短期风电功率组合预测方法，其特征在于：所述利用自适应白噪声的完备总体经验模态分解算法对风电功率序列进行分解的方法为：在每一分解阶段添加自适应的高斯白噪声，通过计算残余信号r₁从而得到各个IMF分量；具体方法包括：

步骤1.1、将K次均值0的高斯白噪声加入原始信号x(t)中，构造得到共K次实验的预处理序列x_i(t)(i＝1,2,...,K)；x_i(t)＝x(t)+εδ_i(t)(1)；

ε为添加的高斯白噪声的权值系数；δ_i(t)为第i次处理时产生的高斯白噪声；

步骤1.2、对上述预处理序列x_i(t)进行EMD分解，分解得到第一个分量IMF₁并求取其均值作为CEEMDAN分解得到的第一个IMF分量。

r₁(t)＝x(t)-I₁(t) (3)

式中：I₁(t)代表CEEMDAN分解得到的第1个IMF分量；I₁i(t)表示x_i(t)进行EMD分解后得到的第1个IMF分量；r₁(t)第1次分解后得到的残余信号；

步骤1.3、将分解后得到的第j阶段的余量信号添加高斯白噪声后，继续进行EMD分解；

r_j(t)＝r_j-1(t)-I_j(t) (5)

式中：I_j(t)表示CEEMDAN分解得到的第j个IMF分量；E_j-1表示对序列进行EMD分解后的第j-1个IMF分量；ε_j-1表示CEEMDAN对第j-1阶段残余信号加入噪声的权值系数；r_j(t)表示第j阶段的残余信号；

步骤1.4、如果满足EMD分解的终止条件，迭代停止，CEEMDAN分解结束。

3.根据权利要求2所述的一种短期风电功率组合预测方法，其特征在于：针对每个分解得到的子序列分量，通过排列熵的大小衡量时间序列的复杂度；排列熵越大，时间序列越复杂；排列熵越小，时间序列越规律。