基于ICEEMDAN-PE/FE-IGWO-SVR的混合多步分解短期风速预测方法

针对风电场季节性风速波动性和时间尺度差异引起的预测滞后性问题,提出一种基于ICEEMDAN-PE/FE-IGWO-SVR的混合多步分解短期风速预测方法。首先,以改进的自适应白噪声完全集合经验模态分解(ICEEMDAN)法对原始时间序列进行一次分解,得到精确的本征模函数(IMF);再以排列熵(PE)和模糊熵(FE)联合判别方法对其进行二次混合分解,进一步削弱风速波动性;然后将分解后的数据代入支持向量机(SVR)进行预测。此外,为了找到更优的SVR参数,文中引入非线性动态更新因子和萤火虫算法的吸引机制对灰狼算法进行改进,并基于改进的灰狼算法对SVR参数寻优,进而对某风电场进行夏季短期风速预测,实验结果证明,与传统预测方法相比,该方法对短时突变型恶劣风况预测精度更高,对提高风电并网灵活性调度具有一定的应用价值。