[发明专利]一种CEEMD和随机森林的短期风功率预测方法

摘要

本发明公开一种基于完备总体经验模态分解(complete ensemble empirical mode decomposition,CEEMD)和随机森林的短期风功率预测方法，包括以下步骤1)采用CEEMD技术将原始风功率序列分解为一系列特征互异的本征模态函数(intrinsic mode functions,IMFs)；2)采用近似熵计算各本征模态函数复杂度，将近似熵值相近的模态函数合并为新的分量，分别为随机分量、细节分量和趋势分量；3)对不同分量数据进行零均值化处理；4)采用偏自相关函数(partial autocorrelation function,PACF)对不同分量确定输入变量集合；5)对每个新分量构建随机森林(random forest,RF)预测模型，将各分量预测结果叠加获得最终的短期风功率预测值，并通过算例验证本发明方法的有效性。本发明提供的方法有效地提高了短期风功率预测精度，能够较好地解决电力系统短期风功率预测问题。

主权项

一种基于CEEMD和随机森林的短期风功率预测方法，其特征在于：包括以下步骤：(1)获取实测风电场功率数据，并对原始数据进行异常值检测与修正；(2)采用CEEMD技术将原始风功率序列分解为一系列特征互异的本征模态函数；(3)采用近似熵计算各本征模态函数复杂度，将近似熵值相近的模态函数合并为新的分量，分别为随机分量、细节分量和趋势分量；(4)对不同分量数据分别进行零均值化预处理；(5)采用偏自相关函数对不同分量确定输入变量集合；(6)对每个新分量分别构建随机森林预测模型，将各分量预测结果叠加获得最终的短期风功率预测值，并通过算例验证本发明方法的有效性。