基于CEEMD-SE-EWT双分解和ARIMA组合预测的风速预测方法及系统技术方案

本发明专利技术公开了基于CEEMD‑SE‑EWT双分解和ARIMA组合预测的风速预测方法，包括：获取风电场历史风速数据，形成风速时间序列，并划分训练集和测试集；将风速时间序列进行CEEMD分解，得到一系列本征模态分量和一个残差序列；计算所有本征模态分量和的残差序列的样本熵，判断各序列的复杂程度；将样本熵值最高的序列进行EWT二次分解，得到一系列较高分辨率的子序列；对所有子序列分别创建ARIMA模型，得到各子序列的预测值；叠加所有子序列的预测值，得到最终风速预测结果。本发明专利技术采用CEEMD和EWT两种分解技术的结合，能有效降低序列的复杂程度，再将两次分解后相对平稳的序列进行ARIMA预测，该组合预测方法能够在一定程度上提高风速预测精度。

【技术实现步骤摘要】

本专利技术涉及风速预测，具体涉及一种基于ceemd-se-ewt双分解和arima组合预测的风速预测方法、系统、计算机介质及计算机。

技术介绍

1、风能是一种无污染和可再生的能源，是解决生产和生活能源的一种可靠途径，其作为新能源领域中技术最成熟、成本最低廉的发电方式之一，有着十分广阔的发展空间。然而，风速的间歇性、不稳定性造成产生能量大小的不稳定，极其影响风能的转化和利用，危害电力系统的稳定性和电力调度。准确的风速预测能降低风速不确定性对电力系统造成的风险，对风电场供电稳定、电力调度以及安全运营等方面具有重要意义。

2、近年来，国内外研究者采用多种模型对风速进行预测，主要包括单一预测和组合预测。常用到的单一预测模型根据预测原理主要分为物理方法、统计方法和机器学习方法三类。物理模型主要基于天气预报，适用于大规模地区的长期风速预测。机器学习方法主要包括支持向量机、神经网络、卡尔曼滤波等。统计方法包括自回归、自回归移动平均、差分自回归移动平均(arima)等。

3、然而，由于风速具有较强的波动性和随机性，单一预测模型的预测结果受风特性影响本文档来自技高网...

【技术保护点】

1.一种基于CEEMD-SE-EWT双分解和ARIMA组合预测的风速预测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的风速预测方法，其特征在于，在步骤S2中，所述方法还包括以下步骤：

3.根据权利要求1所述的风速预测方法，其特征在于，在步骤S3中，所述样本熵值的计算式为：

4.根据权利要求3所述的风速预测方法，其特征在于，在步骤S3中，所述方法还包括以下步骤：

5.根据权利要求1所述的风速预测方法，其特征在于，在步骤S4中，所述方法还包括以下步骤：

6.根据权利要求1所述的风速预测方法，其特征在于，在步骤S4...

【技术特征摘要】

1.一种基于ceemd-se-ewt双分解和arima组合预测的风速预测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的风速预测方法，其特征在于，在步骤s2中，所述方法还包括以下步骤：

3.根据权利要求1所述的风速预测方法，其特征在于，在步骤s3中，所述样本熵值的计算式为：

4.根据权利要求3所述的风速预测方法，其特征在于，在步骤s3中，所述方法还包括以下步骤：

5.根据权利要求1所述的风速预测方法，其特征在于，在步骤s4中，所述方法还包括以下步骤：

6.根据...

【专利技术属性】
技术研发人员：陈宁，王晓倩，孙洪鑫，张龙威，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：