基于改进CEEMDAN-SVMD-LSTM的风电机组超短期出力预测方法

本发明的改进CEEMDAN‑SVMD‑LSTM的风电机组超短期出力预测方法，采用四分位法和基于数据离散度的纵向滤波方法对风速‑功率数据进行清洗，并通过三次样条插值法对缺失值进行填充，保证功率时序数据完整性。对功率时序数据进行改进CEEMDAN‑SVMD二次模态分解，并构建LSTM功率预测模型，将经过模态分解后的各模态分量分别输入预测模型，将预测结果叠加后得到最终预测结果。可有效利用风电机组SCADA数据，预测新能源间歇性与波动性的超短期出力。