基于经验模态分解和卡尔曼滤波的短期风速预测

摘要

针对风电场风速时间序列的非线性、非平稳性特征,提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)、时间序列法和卡尔曼滤波(Kalman Filter,KF)的组合预测方法,并用于短期风速预测.首先采用EMD将风速时间序列分解为一系列本征模函数(Intrinsic Mode Function,IMF);其次利用自回归滑动平均(Auto Regressive Moving Average,ARMA)模型建立符合每一个IMF变化规律的模型方程;然后基于各IMF模型方程建立卡尔曼滤波的状态方程和观测方程,实现对各IMF的预测;最后将各IMF的预测结果进行叠加得到最终风速预测值.将该方法与ARMA+KF模型和EMD+ARMA模型的风速预测结果进行对比,结果表明:采用组合预测方法能够提高预测精度,同时预测延时小.