张景杨，王维庆，王海云，武家辉

(新疆大学可再生能源发电与并网技术教育部工程研究中心，新疆乌鲁木齐830047)

1 引言

由于风功率具有随机性大，波动性强的缺点，风电的大规模使用给电网的安全稳定运行带来了很大的风险[1]。因此对风功率的精准预测是保证电网安全稳定运行的前提[2]。

目前，对风功率预测有许多方法，例如，时间序列法的优点是易于建模，但在描述风功率变化特征时存在缺点[3]；卡尔曼滤波模型对风功率进行预测寻优时虽然可以避免陷入局部最优，但该方法易受统计特性不明的影响[4]；相关向量机虽然消除了卡尔曼模型易受统计特性不明的影响，但该方法需要训练大量的原始数据作为输入[5-6]；EMD与SVM组合预测模型虽然有着较高的预测精度，但该模型的缺点是复杂度高和训练时间长[7-9]。

通过上述分析，本文采用CEEMDAN算法对风功率进行分解能够很好地克服EMD和EEMD所存在的问题，在分解风功率序列上有更好的表现[10]。同时对于向量机(SupportVectorMachine，SVM)模型的缺点，提出一种萤火虫(SAFA)优化最小二乘支持向量机(LSSVM)预测模型[11]。可以解决LSSVM预测精度易受参数选择的影响[12]。于是本文建立了一种基于CEEMDAN-SAFA-LSSVM组合预测模型。通过与LSSVM和EEMD-LSSVM进行对比，结果表明本文提出的模型具有更快的收敛速度和更高的预测精度[13]。

2 算法原理

2.1 CEEMDAN算法

CEEMDAN算法是在原始风功率分解过程中的每一阶段添加自适应高斯白噪声，通过计算唯一余量信号得到各个模态分量，分解过程完整，重构误差极低。……