一种基于逐次变分模态分解的风电功率组合预测方法和系统

本发明公开了一种基于逐次变分模态分解的风电功率组合预测方法和系统，具体过程如下：获取风电场历史功率数据，并进行数据清洗；利用SVMD将数据分解为多个分量；通过模糊熵(FE)对分解后的分量进行复杂性和不确定性的量化分析，并将分量划分为高频分量和低频分量；采用CLformer模型和自编码器堆叠极限学习机(AESELM)模型分别对高频和低频分量进行预测建模，并基于熵权法将测量结果进行加权求和；采用佳点集初始化和高斯随机游走策略对二次插值优化算法(QIO)进行改进优化，得到IQIO算法；通过IQIO算法优化CLformer模型的重要超参数，以提高风电功率预测的精度。本发明可以对风电功率进行精准预测，有助于提升风电功率预测的准确性和可靠性，促进风电产业的健康发展。