基于集合经验模态分解和小波神经网络的短期风功率-电工技术学报.pdf

20 13 年 9 月 电 工 技 术 学 报 Vol.28 No. 9 第28 卷第 9 期 TRAN SACTION S OF CHINA ELECTROTECHNICAL SOCIETY Sep . 20 13 基于集合经验模态分解和小波神经网络的短期 风功率组合预测 王贺 胡志坚 陈珍 仉梦林 贺建波 李晨 （武汉大学电气工程学院 武汉 430072） 摘要 从挖掘风功率特性出发，提出一 基于集合经验模态分解 （EEMD）和小波神经网络 （WNN ）的新型风功率组合预测模型。首先对风功率序列进行集合经验模态分解，以降低风功率 序列的非平稳性特征 ；其次基于相空间重构挖掘各子序列的统计特性，以避免预测模型输入维数 选取的随意性 ；然后对各子序列建立小波神经网络预测模型 ；最后叠加各子序列预测结果得到风 功率预测值。实例研究表明本文所提的组合预测模型具有较高的预测精度和较大的工程应用潜力。 关键词 风功率 预测 集合经验模态分解 小波神经网络 组合模型 中图分类号 TM3 15 A Hybrid Model for Wind Power Forecasting Based on Ensemble Empirical Mode Decomposition and Wavelet Neural Networks Wang H e H u Zhij ian Chen Zhen Zhang M eng lin H e J ianbo L i Chen （Wuhan University Wuhan 430072 China ） Abstract A hybrid model of wind power forecasting based on ensemble empirical mode decomposition and wavelet neural networks is proposed. Wind power signal is decomposed into several sequences by ensemble empirical mode decomposition to reduce the non-stationary of wind power . Secondly, mining the sequences characteristics by means of phase space reconstructed, and then an improved wavelet neural networks model of each component is established. Finally, the results of each component forecasting are superimposed to obtain the final forecasting result . The simulation results validate that the hybrid model has higher prediction accuracy and greater potential for engineering applications. Keywords ：Wind power, forecasting, ensemble empirical mode decomposition(EEMD), wavelet neural networks(WNN), hybrid model 严重限制了风电的发展。如果能有效 地对风电功率 1 引言