一种基于CEEMDAN-IGWO-N-BEATS的风电场超短期风向预测方法

摘要

本发明公开一种基于CEEMDAN‑IGWO‑N‑BEATS的风电场超短期风向预测方法。为降低原始风向数据信号波动性，本发明预测方法利用CEEMDAN算法将原始风向序列信号分解为一系列本征模态分量和一组残差分量；为避免灰狼优化算法陷入局部最优解，提升局部搜索精度，采用动态调整非线性收敛因子策略，利用基于停滞检测的扰动因子选择机制和基于影响力系数的越界重置策略提高算法收敛性，并对N‑BEATS模型中超参数寻优，进而对各个分量预测；最后把各分量预测结果合并得到最终的预测结果。本发明预测方法在针对风电机组风向时间序列预测研究中不论是预测精度还是在泛化性、可解释性上都优于传统的神经网络模型，可以有效应用于实际场景中对风电机组风向的预测。