基于CEEMD和SE-MM的中长期风速模拟方法

简介：
本研究提出了一种结合CEEMD（互补集合经验模态分解）与SE-MM（支持向量回归-混合蒙特卡洛算法）技术，用于有效模拟中长期风速变化的方法。通过分离和重构风速数据的内在模式，并利用优化后的预测模型捕捉复杂多变的大气动力学特征，该方法旨在提高对未来风速趋势的准确预测能力。这种方法为可再生能源领域的风电场规划提供了强有力的工具。 高精度的风速模型对于开发与利用风资源至关重要。本段落提出了一种基于完全集合经验模态分解-样本熵-马尔可夫模型（CEEMD-SE-MM）的中长期风速模拟方法。首先，通过CEEMD法提取风速序列特征，并将其分解为一组固有模态函数和残差；然后利用样本熵对这些固有模态函数进行分类并合成新的模态分量；接着基于马尔可夫模型对新模态分量片段进行谱聚类。之后，通过拟合波动片段时长并将聚类结果整合来构建双层多轨风速模型，并在考虑各新模态分量之间相关性的基础上采用双层抽样完成风速模拟。 实验结果显示，所提出的风速模型及模拟方法能够很好地保持原始风速序列的时序特性和概率特性，并且具有更高的精度。与马尔可夫链蒙特卡洛和改进马尔可夫链蒙特卡洛的结果相比，该方法表现出显著的优势。