基于EWT-PDBN组合的短期风电功率预测方法

摘要

本发明提供了一种基于EWT‑PDBN组合的短期风电功率预测方法，包括以下步骤：A、采集风电场的数值天气预报数据与历史风电功率数据；B、对采集到的所有数据进行预处理和归一化处理；C、利用经验小波变换信号分解技术，对归一化后的历史平均风电功率数据进行分解；D、对分解出的不同本征模态分量函数子序列进行相关性筛选，然后将筛选出组子序列分别和经过归一化处理后的其它数据共同作为输入数据，输入到粒子群优化的深度信念网络模型中预测，得到组预测数据；E、将组预测数据进行叠加重构成一组数据，然后对该一组数据进行反归一化处理，得出的结果作为最终的风电功率预测结果。本发明通过EWT‑PDBN组合预测，得出精度高，误差小的风电功率预测结果。