随着环境污染、能源安全以及全球气候变暖等问题的日趋严重,风电作为重要的清洁能源,以其可再生、环保等优点蓬勃发展。但风速具有强波动性,对电网的安全稳定运行带来了很大影响,所以准确地预测风速或给出风速可能的波动范围具有重要的意义。现有的风速预测方法多为点预测,但对风速可能的变化范围研究的学者很少,技术尚不太成熟。对于点预测方法,误差是不可避免的,但如果可以根据点预测的原理,对风速进行区间预测,则能够为风力发电部门提供更多的风速不确定性信息,为风力发电的决策者提供更科学的参考。基于此,本文以综合目标函数PPA作为优化准则,提出了基于灰狼优化算法(GWO)和BP神经网络的混合区间预测模型CEEMD-GWO-PPA-BP。该预测模型主要包括三个步骤:(1)使用互补集合经验模态分解(CEEMD)算法,对原始的短期风速时间序列进行分解,获得若干IMFs以及一列残差;(2)利用GWO算法优化的BP神经网络对所有IMFs和残差进行预测;(3)以包括了预测区间覆盖率、预测区间平均带宽和累计带宽偏差三个指标的综合目标函数PPA为优化准则,根据经过GWO算法优化的多输入双输出的BP神经网络,对得到的每个IMF和残差的预测值进行集成预测,得到预测区间的上界和下界。同时,本文还从数据分解方法、优化算法和优化准则三方面进行了模型对比分析。分析结果表明,本篇文章提出的CEEMD-GWO-PPA-BP混合模型综合效果比对比模型具有更好的表现,在保证预测区间覆盖率和预测区间平均带宽无太大变化的前提下,能够明显的减小累计带宽偏差,获得更清晰准确的预测区间。