基于集合经验模态分解和支持向量机的短期风速预测模型

针对风电场对短期风速的准确预测的要求,建立了一种基于集合模态分解(Ensemble Empirical Mode Decomposition,EEMD)和粒子群算法(Particle Swarm Optimization,PSO)优化支持向量机(Support Vector Machine,SVM)的预测模型。该模型首先对非平稳的风速时间序列进行EEMD分解,分解为一系列的相对平稳的分量;然后SVM对各个分量进行预测,针对各个分量的特点利用PSO对SVM进行参数的优化,对各个分量的SVM预测模型选取最佳的参数组合;最后将分量的预测结果叠加输出最后的风速预测结果。结果表明该预测模型比SVM直接预测模型精度高,达到了预测要求。