基于主导成分分析与IOOA-KELM的风电功率预测方法及系统

基于主导成分分析与IOOA‑KELM的风电功率预测方法，获取风电功率原始数据，通过ICEEMDAN对风电功率的时间序列进行分解，得到多个子序列；采用SSA对分解后得到的多个子序列进行主导成分提取并将各子序列残差叠加重构；将主导成分提取后的数据划分为测试集、训练集和验证集；通过将随机初始化改为Logistic混沌初始化，并在更新局部开发位置时引入Levy飞行策略，对鱼鹰优化算法OOA进行改进，得到改进的鱼鹰优化算法IOOA；构建KELM模型，分别预测所有子序列，并利用改进的鱼鹰优化算法IOOA率定KELM模型超参数，得到IOOA‑KELM预测模型的最优参数；将所有子序列的预测结果叠加，得到最终的风电功率预测结果。该方法解决核极限学习机预测模型超参数选择困难的问题，提高了风电功率预测的精度。