基于CEEMDAN二次分解的风速预测

随着分散式风机装机量日益增加,对分散式风机风速预测便于合理规划其并网及就地消纳容量。于是提出基于CEEMDAN二次分解的蝴蝶优化算法改进最小二乘支持向量机的风速预测模型。利用自适应白噪声的完备总体经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)对风速历史数据进行处理,获取模态分量(intrinsic mode function,IMF),计算各IMF的排列熵;采用CEEMDAN对随机程度高的IMF进行第二次分解,改善数据的随机程度;最后,采用蝴蝶优化算法改进最小二乘支持向量机的模型对重构的IMF进行预测,将各IMF的预测风速相加,求出预测值。通过分析风速预测数据与风速实测数据的误差,验证基于CEEMDAN二次分解的蝴蝶优化算法改进最小二乘支持向量机的风速预测模型的有效性。