基于集成经验模态分解和BP神经网络的风电功率预测.docx

基于集成经验模态分解和BP神经网络的风电功率预测  摘 要 为了提高短期风电功率预测的精度，本文提出了一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)以及BP (back-propagation, BP)神经网络算法的风电功率预测方法。针对非线性和不平稳的风电功率时间序列，首先使用EEMD将其分解为多个子序列。这些子序列具有一定规律，称为固有模态函数分量(intrinsic mode function, IMF)。然后使用BP神经网络建立起它们相应的模型。各模型进行仿真预测，得到各自结果，并进行组合，便得到预测的风电功