Page 99 - 电力与能源2024年第二期

第 45 卷 第 2 期 电力与能源
2024 年 4 月 239

DOI：10.11973/dlyny202402020

基于 MI⁃CEEMDAN⁃RF⁃LGBM 的

风功率预测分析

李洪涛

（吉林电力股份有限公司浙江分公司，浙江 杭州 310013）

摘 要：针对传统的风功率预测精度无法满足现场实际需求的问题，提出了一种基于互信息（MI）-完全自适
应噪声集合经验模态分解（CEEMDAN）-随机森林（RF）-轻量级梯度提升机（LGBM）多种算法融合的风功率
预测模型。采用 MI 法对风向、风速、温度等一系列风机参数数据进行特征选择，选出与风功率强相关的参数
变量；利用 CEEMDAN 算法对原始风功率序列进行特征分解，将其分解成多个模态分量；为了防止建模输入
过多造成数据的冗余，采用 RF 算法进行二次特征选择，对提取出的特征变量进行特征选择，进一步筛选出与
风 功 率 原 始 序 列 具 有 较 高 相 关 性 的 特 征 变 量 ；利 用 LGBM 算 法 、极 限 学 习 机（ELM）以 及 深 度 信 念 网 络
（DBN）分别建立风向预测模型，选择出建模精度更高的风功率预测模型。采用桂林某风电场 53 747 组、每组
间隔为 10min 的风功率、风向、风速等风机参数数据进行试验，验证了所载模型的有效性。
关键词：风功率预测；互信息；轻量级梯度提升机算法
作者简介：李洪涛（1976—），男，主要从事新能源项目开发、工程管理等方面的工作。
中图分类号：TU312.1 文献标志码：A 文章编号：2095-1256（2024）02-0239-04
Wind Power Prediction Analysis Based on MI-CEEMDAN-RF-LGBM

LI Hongtao
（Zhejiang Branch，Jilin Electric Power Co.，Ltd.，Hangzhou 310013，Zhejiang Province，China）

Abstract：In view of the fact that the traditional wind power prediction accuracy can not meet the actual needs of
the field，a wind power prediction model was proposed based on the fusion of mutual information（MI），complete

ensemble empirical mode decomposition with adaptive noise（CEEMDAN），random forest（RF）and light gradi⁃
.
ent boosting machine（LGBM） MI was used to select a series of turbine parameters such as wind direction，wind

speed and temperature，and select the parameter variable related to strong wind power. The original wind power
sequence was decomposed into several modal components by using CEEMDAN. In order to prevent the redun⁃

dancy of the data generated by excessive modeling input，RF was used for secondary feature selection to select the

feature variables extracted from the features，and further screen out the feature variables that have a high correla⁃

tion with the original wind power sequence. LGBM，Extreme Learning Machine（ELM）and Deep Belief Network

（DBN）were adopted to establish wind direction prediction models，and select the wind power prediction models

with higher modeling accuracy. The validity of the model were verified by using 53747 sets of wind power，wind

direction and wind speed of a wind farm in Guilin with an interval of 10min.

Key words：wind power prediction，mutual information，light gradient boosting rnachine
风能作为一种可再生能源，在实现可持续发 作用。精准的风功率预测能够有效平衡电力市场
展战略中占具重要地位。风功率预测作为风能发 的供需关系，最大化地利用风能资源。同时，精准
电的关键技术之一，其精准度对于提高风能发电 的风功率预测还能够协助电网管理者进行有效的
站的运营效益至关重要。风功率预测建模的重要 调 度 和 运 行 控 制 ，从 而 提 升 电 网 的 可 靠 性 和 稳
性不仅体现在风能发电站的日常运营管理上，还 定性。
对电力市场的调度和电网的稳定性具有关键性的 传统的风功率预测仅对单个风机参数作为输