基于二次分解和混合深度神经网络的短期风电功率预测方法

本发明公开了基于二次分解和混合深度神经网络的短期风电功率预测方法，首先获取原始风电功率数据并进行初次模态分解；通过K‑means聚类为高频、中频和低频３个IMF分量；通过VMD算法对高频IMF分量进行二次模态分解；将VMD分解后的各个平稳子序列加上K‑means聚类结果的中频和低频分量分别输入神经网络进行组合模型预测；通过SBOA算法优化神经网络的超参数，防止网络陷入局部最优解；将各个子序列的预测值进行叠加得到短期风电功率最终预测结果。本发明采用基于二次模态分解的组合预测模型，能够充分发挥各类单模型的优势，从而提升整体预测性能。