论文部分内容阅读
准确预测风电功率对风电规模化并网至关重要。为了更精确的对风电功率进行预测,提出一种基于可变模式分解（Variational Mode Decomposition,VMD）-样本熵（Sample Entropy,SE）和改进粒子群算法（Improved Particle Swarm Optimization,IPSO）优化贝叶斯神经网络（Bayesian Neural Network,BNN）的超短期风电功率组合预测模型。首先采用VMD-SE将原始风电功率时间序列分解为一系列不同带宽的模式分量以降低其非线性