[发明专利]一种CEEMD和随机森林的短期风功率预测方法

权利要求书

1.一种基于CEEMD和随机森林的短期风功率预测方法，其特征在于：包括以下步骤：

(1)获取实测风电场功率数据，并对原始数据进行异常值检测与修正；

(2)采用CEEMD技术将原始风功率序列分解为一系列特征互异的本征模态函数；

(3)采用近似熵计算各本征模态函数复杂度，将近似熵值相近的模态函数合并为新的分量，分别为随机分量、细节分量和趋势分量；

(4)对不同分量数据分别进行零均值化预处理；

(5)采用偏自相关函数对不同分量确定输入变量集合；

(6)对每个新分量分别构建随机森林预测模型，将各分量预测结果叠加获得最终的短期风功率预测值，并通过算例验证本发明方法的有效性。

2.如权利要求1所述的基于CEEMD和随机森林的短期风功率预测方法，其特征在于：步骤(2)采用CEEMD技术将原始风功率序列分解为一系列特征互异的本征模态函数，包括通过添加幅值相同、相位相反的正负白噪声对到原始信号，然后进行EMD处理，通过求取平均值获得最终的分解结果；所述EMD方法具体计算过程为：

2.1找出原始信号y(t)中的所有极大值，采用插值法拟合其包络线为u(t)；识别y(t)中所有极小值，同样采用插值法拟合其包络线为v(t)；由此计算上下包络线的平均值m₁(t)为

m1(t)=u(t)+v(t)2]]>

2.2将原始信号y(t)与m₁(t)相减得到h₁(t)

h₁(t)＝y(t)-m₁(t)

判断h₁(t)是否满足IMF分量条件，若不满足，则将h₁(t)视为新的信号y(t)，重复步骤2.1，直到h₁(t)满足IMF条件；若满足，则第1个IMF分量可表示为：

c₁(t)＝h₁(t)

2.3从原始信号y(t)中分离出分量c₁(t)，相应的剩余分量可表示为

r₁(t)＝y(t)-c₁(t)

2.4将剩余分量r₁(t)作为新的原始信号，重复步骤2.1至步骤2.3，从而可得到其它IMF分量和1个余量；

2.5采用EMD方法将原始信号y(t)分解为n个IMF分量c_i(t)和一个剩余分量r_n(t)；由此原始信号y(t)可由IMF分量和剩余分量表示为：

y(t)=Σi=1nci(t)+rn(t).]]>