关键词：风电功率预测 经验模态分解 小波包分解 纵横交叉 神经网络 

摘要：为了提高风电场输出功率的预测精度,提出一种基于经验模态分解（empiricalmode decomposition,EMD）与小波包分解（wavelet packet decomposition,WPD）的组合分解方法,与纵横交叉算法（crisscross optimization,CSO）优化后的Elman神经网络组成组合风电功率预测模型。该模型首先利用EMD将风电功率序列进行分解,然后利用样本熵计算EMD分解后序列的复杂度。对于高复杂度序列,利用WPD对序列进行二次分解,建立EMD-WPD-CSO-Elman预测模型;对于复杂度适中的序列,采用CSO优化Elman神经网络参数,建立EMD-CSO-Elman预测模型;对于低复杂度序列,直接建立EMD-Elman预测模型。最后叠加各个序列的预测结果,得到最终的风电预测功率。以某风电场实际采集数据为例,预测提前24 h的风电功率,并与EMD-WPD-CSO-BP、EMD-Elman及WPD-Elman预测模型比较,结果表明,本文提出的风电功率预测组合模型具有更好的精度。

内蒙古电力杂志要求:

{1}正文：文章论点明确，内容充实，文字简练。

{2}文稿要素包括：标题，作者，中文摘要，中文关键词，正文，注释，英文标题，英文摘要，英文关键词。

{3}题名：简明确切地反映论文的特定内容，一般不超过30字，不得使用不常见的外来语、缩写词、符号、代号和商品名称,尽可能不出现数学式和化学式。

{4}参考文献必须是公开出版物，应在正文中引用处以右上角标的形式顺序标出。

{5}稿件末页请标明作者真实姓名以及准确的通讯地址、邮政编 码、E-mail地址、联系电话等。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社