李敏洁，高桂革，曾宪文

(1. 上海电机学院电气学院，上海 201306；2. 上海电机学院电电子信息学院，上海 201306)

0 引言

风力发电作为一种发展迅速的可再生能源发电，近些年在全球范围内装机量越来越多，风力发电在电网系统中所占的比例也越来越高，然而风速的非平稳性对电力系统的稳定和经济运行造成了很大的障碍[1]。提高风电场的风速预测精度，进而可以降低风力发电对电力系统的影响。

国内外学者在对风速预测方法的研究中发现，风速序列的非平稳性会对模型的预测结果产生严重影响，对于该问题的解决方法主要有：小波变换[2]，经验模态分解[3]等，经验模态分解算法（EMD）是在时频域对信号进行处理的方法，该方法不需要对信号进行提前的分析，可以直接对未知的信号进行分解，自适应能高，但使用该分解方法时存在频率混叠问题，并且在进行包络线的求解时出现端点效应。而基于噪声辅助分析的集合经验模态分解算[4]（EEMD）虽然可以处理分解过程中的频率混叠问题，改善经验模态分解的不足，但是需要耗费较长时间计算，并且存在端点效应。快速集合经验模态分解（Fast ensemble empirical mode decomposition，FEEMD）是 EEMD的快速实现方式，其原理与EEMD基本相同，因此在对风速序列分解过程中计算极值点的包络线时，端点效应问题也不可忽视。文献[5]通过加余弦函数来改进 FEEMD减少端点效应的影响。通过文献[6][7]中观察使用FEEMD分解后产生的各模态分量，发现存在端点效应问题。

统计方法是风速……