[发明专利]一种基于混合算法的短期风电功率预测方法

权利要求书

1.一种基于混合算法的短期风电功率预测方法，其特征在于，所述方法包括以下步骤：

S1：利用集成经验模态分解技术将原始风电功率分解为一系列本征模函数子模态分量，即IMF分量；

S2：利用奇异谱分析方法将集成经验模态分解技术分解所得的除了第一个IMF分量IMF₁之外的各个IMF分量及剩余分量RES的主趋势分量提取出来，以获得序列特征更为明显的子模态分量，并得到提取后的剩余分量R；

S3：对IMF₁分量和剩余分量R进行保留，并对IMF₁分量和剩余分量R进行小波包分解，得到一系列较为平稳的新子模态；

S4：利用在线鲁棒极限学习机分别对S1-S3步骤所得到的所有子模态建立预测模型，并通过叠加获得最终的风电功率预测结果。

2.根据权利要求1所述的基于混合算法的短期风电功率预测方法，其特征在于，所述的步骤S1具体包括以下步骤：

S1.1：给原始风电时间序列x(t)分别加入N_G次均值为零，幅值标准差为常数的高斯白噪声ω_i(t)，获得新的风电时间序列x_i(t)：

x_i(t)＝x(t)+ω_i(t),i＝1,2,…,N_G

其中，N_G为大于2的整数；

S1.2：对各个信号x_i(t)分别进行经验模态分解技术分解，获得m个本征模函数分量和一个剩余分量R_i(t)：

其中，imf_ij(t)是第i次加入高斯白噪声经经验模态分解技术分解得到的第j个IMF分量；

S1.3：对所有IMF分量imf_ij(t)进行均值计算，得到最终的IMF分量IMF_j(t)和剩余分量RES(t)：

其中，IMF_j(t)为集成经验模态分解技术分解得到的第j个IMF分量；

S1.4：根据上述步骤S1.1-S1.3，由集成经验模态分解技术将原始风电功率时间序列分解为一系列的IMF子模态分量。